夜雨聆风从 a16z 播客整理：Box CEO Aaron Levie × Anthropic CPO Mike Krieger × Steven Sinofsky × Martin Casado，聊 AI 的采用鸿沟、Agent 原生设计、Compute Budget，以及为什么华尔街把 AI 经济账算错了至少一个数量级。
⸻
一、你不是不会用 AI，你是画不出自己的流程图
播客开场，Martin Casado 抛出一个冷峻的观察：
"算法思维（algorithmic thinking）对绝大多数有工作的人来说，真的真的很难。随便找个人，让他为自己负责的工作画一张流程图，大概率他会失败。"
在一个 50 人的市场团队里，可能只有一个人能完整地用流程图描述整个营销计划。而当你把一个 Agent 放在其他人面前，要求他们"告诉 Agent 该做什么"——表达能力极其有限。
这就是 AI 采用鸿沟的核心：不是模型不够聪明，而是大多数人无法把自己的工作结构化地表达出来。这个瓶颈不会因为 GPT-5 就消失。
Steven Sinofsky 讲了个经典类比：他表姐 MBA 毕业进了银行，赶上了电子表格时代。她不会用 Excel，公司就让她"招多少实习生都可以"。结果第一年她带着一屋子"人肉 Agent"——就是大学生——做所有表格工作。两年后，她和整个同辈都变成了"电子表格人"。
我们现在正处于 Agent 的"实习生阶段"：一个超级聪明的人协调 50 个 Agent。但很快，"火箭科学"的部分会蒸发，所有人都会变成"Agent 人"。
⸻
二、Agent 趋势是更少的代码，不是更多
Mike Krieger 提出了一个反直觉的趋势：
"我们起步是给 SaaS 加 AI——这是用代码的极致。然后我们走到了终端（terminal），其实已经是更少的代码。今年会是 Computer Use 之年——Agent 更像人类在用电脑，而不是在生成代码。"
这不是" vibe code 你的 SAP"——Aaron Levie 立刻补了一刀——所有那些领域知识，并不会整齐地排列在某个"精心编排的数据层"里。
但 Agent 的能力谱系已经清晰：90% 的时候使用已有工具/API，剩下 10% 临时写代码解决预料之外的需求。Box 正在开发的 Agent 就是这样——它在每个决策点判断：用现成工具、调用现有 API、还是当场写代码。这种"三栖能力"让 Agent 做到了产品团队不可能预规划的事情。
⸻
三、软件公司现在花在"Agent 界面"上的时间，和"人类界面"一样多
Aaron Levie 说了一句意味深长的话：
"我们现在花在思考 Agent 接口上的时间，和人类接口一样多。因为如果你的 Agent 数量是人类用户的 100 倍甚至 1000 倍，那你的软件必须为 Agent 而建。"
这个 Agent 接口走的是 API、CLI 或 MCP——不是传统 UI。而真正在加速落地的模式是：给 Coding Agent 接入你的 SaaS 工具，让它成为"超级同事"。Claude Code 的 Cowork 模式、OpenAI 的超级应用、Perplexity Computer——都在走这条路。
更有趣的是"消费层突破"。过去 25 年的软件能力被严重浪费了——在 Excel 里做一个双轴图表对大多数人来说是"火箭科学"，Word 里的编号功能让人抓狂，SAP 报表的自定义需要 IT 部门排期。这个阻抗不匹配，一直是人类用户界面本身。Agent 可以比人类更好地驾驭这些已有能力。
但 Sinofsky 和 Levie 都同意：消费层会被 Agent 重塑，但后端的"记录系统"（Systems of Record）仍然会收敛到通用 API 和数据库。变革在交互层，不在数据层。
⸻
四、CIO/CFO 的恐惧是真实的
当 Levie 在一个全是 CFO 和 CIO 的房间里说"Agent 会简化系统集成"时，六个人跑上来说："你疯了，你在我们这里完全失去了信誉。"
他们的恐惧不是技术层面的，而是——
- 让人类创建新的集成？"拜托，请打碎我的记录系统。"
- Agent 可能会碎片化整个数据架构
- 营销部门随便在网上买个工具搞活动 → 安全漏洞 → 邮件列表泄露 → 公司被起诉
这就是为什么 Levie 认为会有一个"只读版本"的 Agent 集成阶段，持续数年，然后才逐步开放写权限。JPMorgan 会是最慢的，创业公司会是最快的——但即使是创业公司也需要记录系统，也需要从某个 SaaS 开始。
⸻
五、最大的问题：所有人都在用旧框架算新经济
这段可能是整场播客最有洞察的 5 分钟：
"最大的问题是，每个人都在试图弄清这一切的经济学——而他们对机会大小的估计差了至少一个数量级。"
Levie 指出，华尔街在用线性增长模型来 justify GPU 和 Token 的投入，就像当年：
- PC 时代：人们把 MIPS 视为有限市场，直到有人（比尔·盖茨）意识到软件才是关键
- 云计算时代：人们以为只是把每年 6 万台服务器搬去别人的数据中心，结果使用量涨了 1000 倍
- Salesforce 时代：CRM 市场一年 20 亿美元，所有人都觉得天花板在那——结果 Marc Benioff 证明了去掉摩擦后市场可以大得多
Krieger 补充：Agent 是第一个不在乎小额交易摩擦的"用户"。过去放在付费墙后面的资源——5 分钱的数据查询、1 美元的单次工具使用——人类嫌麻烦不会付，但 Agent 带着预算和协议，可以随时去获取。这打开了互联网全新的商业模式。
⸻
六、Engineering Compute Budget：未来两年最疯狂的讨论
整场最激烈的交锋：
"Engineering Compute Budget 的讨论，未来两年会是最疯狂的。你该把多少工程预算分配给 Token？看你在 Twitter 上读谁的说法——有人说是 1%，有人说是 100%。"
对于一家上市公司，R&D 占收入的 14-30%。Token 开销是工程师团队成本的 2 倍还是只多 3%？这直接影响每股收益（EPS）。
Sinofsky 的观点：不要让工程师现在就去想 Compute Budget——我们还在开发阶段，应该鼓励浪费 Token 去尝试新东西。10 个实验并行跑，浪费 90% 的 Token，换来一条成功路径——这比让团队先设计完美方案再动手强得多。
Levie 用了 IBM 大型机的类比：当年人们按 MIPS 定价，直到有一天 IBM 发现自己在以更低的价格卖出更多的 MIPS——供给增长的速度超过了定价能力的速度。Token 定价会重演这个故事。
⸻
七、从零开始建的公司 vs 在位者
Levie 对创业者的建议隐含在这一段：
如果今天从第一性原理出发建一家营销代理、法律事务所、建筑设计公司——没有信息壁垒，没有访问限制，Agent 获取所有上下文，软件按需生成——公司可以完全不同地组织。
这些"从零开始的 Agent-First 公司"会率先创造先例和案例研究。但它们最终也会撞上所有公司都会遇到的问题：地理边界、市场细分、分销挑战。任何你围墙之外的东西，你都要面对物理世界。
⸻
关键引用
| 说话者 | 金句 |
|--------|------|
| Aaron Levie | "如果你的 Agent 数量是人类的 100 倍甚至 1000 倍，那你的软件必须为 Agent 而建。" |
| Mike Krieger | "Agent 更像人类在用电脑，而不是在生成代码。" |
| Martin Casado | "算法思维对绝大多数有工作的人来说真的很难。" |
| Aaron Levie | "最大的问题是每个人都在用旧框架算经济账，而他们对机会大小差了至少一个数量级。" |
| Steven Sinofsky | "IBM 当年按 MIPS 定价，直到发现供给增长快于定价能力。Token 定价会重演。" |
| Mike Krieger | "Agent 是第一个不在乎小额交易摩擦的用户。" |
---
*来源：a16z Podcast — "Box CEO on the AI Adoption Gap"，2026 年 4 月*
*涉及嘉宾：Aaron Levie (Box CEO)、Mike Krieger (Anthropic CPO)、Steven Sinofsky (前 Windows 总裁)、Martin Casado (a16z 合伙人)、Erik Torenberg*
