夜雨聆风我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。全文约 3800 字，如果你现在没有时间，试试转成播客稍后再听晚点再听LaterCast
"如果 Agent 的数量是你员工的千倍，那你的软件就必须为 Agent 而建，而不是为人。"
"用 vibe coding 搭出 SAP？这个想法本身就是荒谬的，那些领域知识，不是什么整洁的数据层能装得下的。"
"工程计算预算的讨论，将是未来几年最疯狂的一场对话。"
Aaron Levie 是 Box 的联合创始人兼 CEO。Box 是全球最大的企业内容管理云平台之一，服务超过十万家企业客户，其中不乏通用电气、AstraZeneca 这样的巨头。作为一个从云计算浪潮里走出来的创始人，Levie 对企业软件的理解有着独特的历史纵深。这一期他坐进了 a16z 的播客，和两位主持人聊了将近一小时，话题核心只有一个：当 AI Agent 的时代真正来临，企业软件会走向何处？这场对话没有给出整齐的答案，但它提出了几个值得每一个产品人和工程师认真想的问题。Levie 不是在预测未来，而是在描述他已经看到的变化——这让整场讨论格外有分量。
你的软件，是为人设计的还是为 Agent 设计的？
节目开头，Levie 抛出了一个让人坐直身体的问题：如果未来你的组织里，AI Agent 的数量是真实员工的一百倍甚至一千倍，那你今天的软件，还能适用吗？这不是一个科幻问题，而是一个在工程和产品设计上已经开始发生的挑战。Agent 和人类用户的需求根本不同：人打开浏览器点界面，而 Agent 通过 API、CLI 或者 MCP 与系统交互。如果你的系统只为人类界面设计，Agent 就要绕路、就会出错、就会失效。Levie 说，Box 现在同时在维护两套设计——一套给人，一套给 Agent。不是因为这是时髦的事，而是因为这两套系统所需要的权限模型、安全机制和交互逻辑，根本就不一样。他们花在 Agent 接口设计上的时间，已经和花在人类界面设计上的时间相当。这个现实，对那些还只在做"AI 功能"的产品团队，是一个值得警惕的信号。
"我们现在花在 Agent 接口设计上的时间，已经和花在人类接口设计上的时间一样多了。因为如果 Agent 的数量是员工的千倍，那软件的主要用户，就不再是人了。"
Vibe Coding 搞不定 SAP：领域知识才是真正的护城河
今年"vibe coding"风靡一时，有人开始畅想：AI 是不是很快就能替代 SAP 这类积累了几十年的企业系统？Levie 对这个论断的回应非常直接："用 vibe coding 搭出一个 SAP，这个想法本身就是荒谬的。"SAP 里存的不只是代码，而是几十年来来自数百个行业、数千个客户积累的领域知识。这些知识没有被整洁地存放在某个数据层里，而是散落在每一个配置项、每一条工作流规则、每一个边缘情况的处理逻辑里。AI 能加速写代码，但它无法理解为什么某个德国制造业客户的应付账款周期是 42 天——那背后是监管要求、税法差异、行业惯例和十几年合同关系共同堆砌出来的东西。代码可以被自动生成，领域知识不能。这正是很多人在讨论 AI 冲击时最容易忽视的那一层：真正难以复制的护城河，往往藏在最无聊的细节里。
"最大的问题是，所有人都在试图搞清楚这件事的经济学，但他们对市场机会的估算，至少差了一个数量级。"
抽象层永远在上移：从算账员到表格到 Agent
对于"AI 是否会导致大规模失业"这个老问题，Levie 没有喊口号，而是讲了一个很有年代感的故事。他的表姐 MBA 毕业时，正好赶上 Excel 诞生。她所在的投行那一届毕业生，很多人直接拒绝学 Excel，公司索性给她配了一整屋子的实习生来手动做计算。两年后，全公司都用上了 Excel，那些做手工计算的实习生被迫去做更高阶的工作，而她自己也成了 Excel 高手。这就是抽象层上移的历史逻辑：技术不是消灭工作，而是把工作的门槛往上推一层。从算盘到计算器，从计算器到大型机，从大型机到 PC，从 PC 到 SaaS——每一次跃迁都有人恐慌，每一次也都有人在新的抽象层上找到了新的位置。Agent 不过是下一层。Levie 说，他现在跟朋友谈 AI 的感觉，就像是在感恩节餐桌上，他已经用上了 Excel，而朋友还在讨论"这东西有没有用"。再过两年，她就明白了。
"我现在跟朋友谈 AI 的感觉，就像是在感恩节餐桌上，我已经用上了 Excel，而她还不理解为什么这东西有用。再过两年，她就明白了。"
写代码、调 API、操控界面：三种路径正在合并成一件事
在讨论 Agent 如何与系统交互时，出现了一个有意思的历史观察：AI 的实现路径，似乎在经历一次"轮回"。最早大家以为 AI 的终极形态是"直接生成代码"；后来发现结构化的 API 调用更稳定可靠；而今年，"计算机操控"（computer use）成了新的热门范式——Agent 像人一样使用鼠标键盘，点击界面完成任务，而不是通过结构化接口。这三条路是否存在优劣之分？Levie 认为，它们正在合并成同一件事。Box 自己在构建的 Agent，已经具备了实时判断的能力：对于这个特定的任务，到底是调用现有工具更高效，还是使用 Box 的原生 API，还是临时写一段代码来完成？模型好到一定程度，这三种方式不再是"谁替代谁"的竞争关系，而是同一个工具箱里的不同扳手，由 Agent 自行按需取用。这个能力本身，已经是当前阶段最令人惊讶的属性之一。
"我们的 Agent 会自己决定：这个任务，是用现有工具、调 Box 的 API，还是临时写段代码来完成？这种灵活性本身，就已经是非常惊人的能力了。"
消费层 vs 系统记录层：AI 对企业软件的冲击有两种速度
Levie 提出了一个值得仔细分辨的区分：AI 对企业软件的冲击，在"消费层"和"系统记录层"之间，速度和方式完全不同，不能混为一谈。消费层——也就是人如何与系统交互——AI 已经可以做到近乎液态的体验。用户不需要知道 SAP 的菜单在哪、Excel 的公式怎么写，只要说出想要什么，AI 就能找到、调用、返回结果。这个价值是真实的，而且是短期内就能看到的。然而在系统记录层，情况复杂得多。那里的数据结构、权限逻辑、审计记录，是 25 年来以一种极为特定的方式积累起来的，不是让 AI"接管"就能解决的问题。更可能的路径，是 AI 在核心系统的边缘做集成和查询路由，而不是替换底层。消费层的改变很快，系统记录层的变化将非常缓慢。这两种不同的速度，决定了两种截然不同的产品策略和投资时序。
"人类，是过去 25 年企业软件能力释放的最大瓶颈。功能早就在那里了，只是没人会用。就像我在飞机上看到旁边的人在 PowerPoint 里挣扎，我只能说：点那个按钮就好了。"
按需集成：AI 在企业里最快落地的那条路
那 AI 在企业软件里，哪件事最接近能立刻兑现价值？Levie 和主持人最终达成了一个共识：按需集成（integration on demand）。以往，IT 团队需要把 A 系统和 B 系统的集成"提前连好"。业务部门需要一个新的数据视角，就得等 IT 去改接口、写脚本，往往一等就是几周。现在，这件事可以在运行时完成——用户描述需求，AI 在当下完成集成、构造查询、返回结果，IT 团队不再是中间那道门。Levie 举了一个具体的例子：美国退伍军人事务部（VA）的 CIO，花了多年时间干的核心工作，就是把内部 75 个子系统互相粘起来。这个工作，本质上就是集成。而 AI 带来的最直接改变是：这种集成不再需要提前预设，可以在用户提需求的那一刻即时发生。这不是遥远的愿景，而是在结构化程度较高的系统里，今天已经能做到的事。对于正在做 B2B 软件或企业工具的产品人，这可能是当下最值得优先落地的一个方向。
"以前 IT 团队干的，就是把 75 个系统互相粘起来。现在这件事可以在运行时发生——你要的那条查询，不需要 IT 事先写好了。"
工程计算预算：未来几年最疯狂的那场管理层讨论
整场对话里，让所有人都兴奋但又没有人有答案的一个问题是：公司该为 AI 工具花多少计算预算？Levie 说，这将是未来两三年内最激烈的管理层讨论之一。道理很简单：公司在工程师身上花了 X 元，那理论上，工程师的 AI 工具配套应该花多少计算资源才是合理的？有人说收入的 1%，有人说纯计算成本可能超过整个工程团队的薪资总和。CFO 们必须给出一个数字，但没有历史数据参照。主持人之一调侃说"我愿意牺牲几个 CFO，供奉在这个问题的祭坛上"。当下的处境，像极了 2000 年代初企业在讨论"该花多少钱买云"的那个时期：有人冻结决策，有人豪赌，有人在某个细分市场上押了重注然后成了赢家。Levie 的判断是：token 的成本最终必然会随着供给增加而下降，就像 IBM 当年按 MIPS 定价大型机，结果发现自己在以越来越低的价格卖越来越多的 MIPS，直到整个定价逻辑崩塌——这个终点是保证的，只是不知道什么时候到。但在那一天到来之前，每一个工程负责人都得和自己的 CFO 打一场没有历史经验可借鉴的仗。
"我愿意牺牲几个 CFO，供奉在这个问题的祭坛上——因为这是一个现在就必须有答案，但根本没有答案的问题。"
AI 的扩散速度，比硅谷想象的要慢
对话临近结尾时，Levie 说了一句很值得记住的话：AI 能力的扩散，将比硅谷圈子里的人预想的要慢得多。不是因为技术不够好，而是因为组织的惰性、人的适应速度、以及领域知识的转移成本，都远比代码复杂。那些认为"大模型一出，所有行业三年内重构"的判断，低估了每个行业里那层沉默的、无处不在的"为什么这么做"的知识积累。这不是悲观主义，而是一种更务实的路径：找到 AI 真正能加速的那条路，而不是坐等一个全面替代的时刻出现。当然，Levie 也没有否认大势——方向是确定的，变化只是比你以为的慢一点。但也比大多数组织真正行动的速度，快一点。对于正在做企业软件或者用 AI 构建产品的人来说，这可能是整场对话里最有用的一句话：不要等 SAP 消失，要找到今天 AI 能替你省掉的那道门槛。
"AI 能力的扩散，将比硅谷里的人预想的要慢。但也比大多数组织真正行动的速度，要快。"
内容来源："The Era of AI Agents"丨The a16z Podcast
原视频：https://www.youtube.com/watch?v=dvt_74kV-RM
相关文章
Every CEO：我们从给每位员工配备AI Agent中学到了什么丨Every
Anthropic增长主管：工程师越多，产品经理越稀缺丨Lenny's Podcast
Claude设计总监：设计流程已死，取而代之的是以下这些 | Lenny's Podcast
前Netflix AI产品总监：AI PM不是你想的那种，看完这个再去投简历丨Aakash Gupta
Claude Cowork产品技术负责人：AI同事、本地优先Agent以及知识工作的未来 丨Latent Space
我用9个AI Agent管理工作和家庭，省出来的时间你想象不到丨Lenny's Podcast
Anthropic主管：顶尖1%学习者如何利用AI提升思维能力 | EO
如果你喜欢深度好文，可以用「晚点再听 LaterCast 小程序」，将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣
⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣
