# Box的Aaron Levie：模型到工作流的桥，值一万亿美元 > Training Data No. 109 中文精读 - 原标题：Box's Aaron Levie: On Reinventing Yourself in the AI Age and Enterprise Diffusion - 发布日期：2026-09-15 - 主持：Sonya Huang · Pat Grady · Konstantine Buhler 等 - 网页版：https://trainingdata.qiaomu.ai/ep/109-box-s-aaron-levie-on-reinventing-yourself-in-the-ai-age-and-NE4CLT.html - 精读字数：约 6276 字（阅读约 14 分钟） > 本文为 trainingdata.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 Aaron Levie想给全美大二大三的学生发一条紧急警报：去注册Twitter，关注20个账号，现在就去。 他的理由很直接：**你比同龄人领先一年还是落后一年，可能只取决于你的信息流。**他还在碰到20岁的年轻人说“我看了些文章”，他的反应是：“什么叫看了些文章？你是等人邮件转发给你吗？” 说这话的人，2005年创立Box，把云存储公司做到13亿美元年收入。2026年9月，他坐在Sequoia的Training Data播客里，跟主持人Sonya Huang聊了一整期。他每天睡前刷Twitter，自称看起来像个“悲伤的表情包，一直刷一直刷”。 Levie的核心判断：**模型和工作流之间有一条巨大的鸿沟，填这条鸿沟的生意值一万亿美元。** ## LLM wrapper不是贬义词了 两年前，说一家公司是“模型套壳”还像骂人。Levie说，现在这个判断正在被市场推翻，很大程度上因为开源模型。 他的框架是这样的：模型能力很强，但企业真实的工作流里有一堆模型管不到的事。agent要连别的数据系统，要在流程中间等人确认，要处理延迟，要改业务流程，要对接没现代化的遗留系统。这五到十件事全是运营层面的脏活累活，纯研究组织最不想碰。 **过去两年，大约一万亿美元押在了一个二元赌注上：模型和工作流之间的桥到底是窄的还是宽的。**如果桥很窄，价值全在模型公司；如果桥很宽，价值会在应用层重新分配。 Levie站应用层。他的类比是数据基础设施：AWS、GCP、Azure创造了数万亿美元市值，但Snowflake和Databricks也创造了数千亿美元。十年前你看AWS的早期版本，不会预测到这两家公司存在，你会觉得基础设施已经做了这些事。智能也一样，模型会极其值钱，但把模型带进银行、生命科学、医疗、政府的工作流，需要大量软件。 主持人问，VC现在是不是有存在主义恐惧：该再给Anthropic十亿美元，还是赌应用层。Levie说自己也很偏，所有赌注集中在一个方向，但他看不到跟历史不同的结果。 ## 补贴是暂时的，狐狸不能看鸡舍 主持人问，模型公司可以补贴自己的模型，用低价打应用层。 Levie说，**补贴token是暂时现象。**这些公司上市后要被资本市场的毛利率法则约束。补贴在某个支出阈值内有效，到了数百亿美元资本投入的量级，可能已经越过了那个阈值。而且训练成本最终要付。 他还提了一个更微妙的平衡：如果API是高毛利业务，补贴靠API收入撑着，但你把客户都迁移到了应用产品，API收入没了，这个平衡就要重新找。 然后是“狐狸看鸡舍”的问题。Levie认为这可能是应用层必须存在的最大理由。就算模型公司完全善意，你把任务交给agent系统，你希望这个任务在准确率不变的前提下成本最优。谁能做到？那家不关心十个模型里哪个在干活的公​​司。定义上，你希望这家公司没有偏好。 他还补了一刀：市场上还有不按常理出牌的玩家。Meta、SpaceX、中国、英伟达，这四类玩家不一定需要按Anthropic或OpenAI的毛利率结构赚钱。他们可能接受推理毛利率降到10%，因为他们要的是把算力集群用起来。只要这个发生，同口径的token成本就会往下走，价值就往应用层倾斜。 他甚至说，如果自己是最大的两三家实验室之一，也宁愿看到这个结果，因为如果智能只剩一家，迟早会被国有化。生态里需要一点健康的竞争。 ## 开源和闭源会同时指数增长 主持人问开源权重模型在Box客户里的采用情况。Levie的回答很妙：**“比人们想的更高，比企业实际想要的更低，比五年后的水平低得多。”** 他估计30%以上的驱动力是“想试试GLM”的新鲜感。有财富500强的CIO说“我们在玩开源”，他心里想：我知道Gemini或Muse在你那个成本档位上完全够用，你就是想对冲一下。 但他长期看多开源。他引用Decagon的Jesse写的一个悖论：闭源模型继续指数增长，同时每个成熟的用例都可以剥离到开源。一旦某个用例稳定了，把它迁到开源权重模型就划算，前提是两个条件之一成立：真的更便宜，或者做后训练能多拿X个点的性能。 他还提到眼下开源模型的两个毛病：有时候token效率更低，还有随机说中文的情况。他听说的故事是“说着说着中间蹦出中文”，这对银行来说太怪了。 未来会是一个让人困惑的双轨制：Anthropic和OpenAI的收入高得离谱，开源也在指数增长。答案是混合编排。用Fable 5.1或GPT-5.6做编排，把长尾任务分给便宜模型；或者反过来，默认用便宜模型，偶尔碰到太难的任务弹给重模型。可能两边各花50%的钱，但开源模型的token量是十倍。 ## 编码agent跑得飞快，其他工作为什么慢 2026年1月1日之后，编码agent的扩散速度是经济史上罕见的。其他知识工作的AI扩散慢得多。 Levie列了编码的五个特征，解释这个差距： - 代码的效用几乎100%由生成的文本代表。想要软件，就是要有人坐在电脑前敲出好代码。 - 模型在代码上超量训练，AI实验室每天用代码做eval，因为他们自己在写模型。 - 技术用户自己能排障，MCP服务器报“连接无效”，他们不会叫IT，会说“哦我没开那个端口”。 - 高薪行业，10%到20%的生产力提升就值得买单。 - 代码在GitHub里，连上就行。 知识工作缺的正是最后一条。**“知识工作里没有‘给我你的GitHub’。”**数据在本地系统、遗留文件共享、老基础设施里，那些环境跟agent对话很不顺。权限控制也完全不同：编码时你基本能访问所有跟工作相关的东西，知识工作时你要问“Sally你能帮我开一下那个文件共享吗”。 Levie用销售代表举例。销售的价值创造是说服外部客户买软件或者买卡特彼勒的卡车。你给他全世界最好的自动化，他还是受制于：客户回不回？想不想见？下周二还是今天？有没有预算？这条连续谱的一端是被无数外部因素限速的人，另一端是能坐在电脑前敲一天字的人，自动化能力沿着这条谱往下走。 他的结论是：**硅谷要准备好，扩散比他们想的慢得多。**但这恰好对应应用层的价值创造。有耐心、有领域专业知识、愿意打地面战的公司，才能把技术送到律师、销售、生命科学研究员、客服主管手里。这是一万亿美元的机会。 ## Box把自己当试验田：harness、eval、权限 Box有20年历史，坐在数千亿文件上。每份文件都含关键信息，合同、研究资料、营销素材、贷款文件，但企业很少知道里面到底有什么。读每一份合同太贵，人类劳动力从来做不到这个规模。 Levie说最稳的hero use case就是：你有一百万份合同，为什么不搞清楚里面写了什么？把结构化数据抽出来放进数据库，然后查询、分析、自动化。这个每次都能打出本垒打，因为这是一个长期存在、人类劳动力无法解决的问题。 另一类他更看重的用例是长周期agent。银行开户流程，每一步能自动化的都自动化，需要人工复核的步骤跳给真人，原本一到两周的来回变成一个小时内完成。这需要预先建好的后台agent和工作流。主持人说“这是长周期agent之年”，Levie直接接话：“就是。” 技术上，Box建了一个agentic harness，吃透了文件系统、权限结构、搜索引擎的行为。Levie自己的Box账户里有数千万文件，20年积累。他可以问任何问题，agent做多次搜索、排序、快速拉出最相关的信息，有时读全文。跟直接把API给Claude或OpenAI相比，准确率和延迟都明显更好，因为他们知道怎么为Box的工作流调优。 eval方面，Box有两个。一个是complex work eval，覆盖生命科学、金融服务、公共部门、科技等领域的文档任务，给定五份文档和一组问题，看答案质量。另一个是holdout eval，用Box内部员工真实使用数据。每个模型都跑这两套。他们能看到模型进步半个点的变化，然后按不同成本和准确率阈值roll out默认模型，客户也可以从model garden里任选。 金融场景里，一份100页的贷款文件，通用模型做到70%准确率和调到97%，决定了这条流程能不能真的自动化，以及是雇人复核还是裁掉复核岗，差别是结构性的。Levie提到，模型表现大体跟编码能力相关，但有一个例外：某些用例里Gemini disproportionately更好，可能是工具调用更强。当时Fable 5.1是state of the art。 ## workslop与信任危机 主持人提到“workslop”（AI生成的敷衍内容），说她收到完全由AI写的董事会材料会很崩溃。 Levie把这个问题拆开了。代码之所以被接受，是因为对大多数人，代码是utility，目的就是自动化、把界面做出来让人点按钮。如果agent能生成整个后端或前端系统，这不仅可接受，而且更可取，因为那正是以前卡住你的东西。但内容不一样，你收到一份演示文稿，你还在判断能不能信任这个人执行这件事、理解这个话题。看到workslop，你失去了判断“多少思考是这个人做的、多少是AI做的”的能力。而你自己在头脑风暴和决策时也在用AI。这就成了一个集体困境：我在对别人做workslop，收到别人的workslop时却在想该不该信你。 他举了个类比：你看到别人的财务模型，不会觉得“这不是你亲手算的”。你知道那是Excel做的。但战略deck为什么不行？**我们正在经历一个混乱期，要重新定义人的角色是什么，内容在代理什么。**内容是在代理这个人知道多少，还是在代理他能执行什么？ 主持人提到Stan Druckenmiller在华尔街日报的文章，Pangram检测显示100% AI，但她读的时候没有过敏反应。Levie说这在心理上很怪，他现在读X上的文章要做两倍工作：一遍读内容，一遍算“这是人写的还是Claude prompt”，然后还要判断这该加分还是减分。他说自己绝对不想当大学教授，会直接辞职。 ## 系统记录的两条腿：自己的agent + headless 主持人问系统记录（system of record）在agent时代的角色。Twitter上有个讨论：每个软件公司都在卖自己的agent，但我不想多一个agent，我想要我的系统记录跟我的agent配合好。 Levie说，SaaS公司必须同时做两件事，只做一件会输： **第一，建一个在自己产品上强到离谱的agent。**可证明地比通用agent好10到20个点，因为eval做得足、对工作流调得细。而且你每天跟客户聊，能看到别人没想到的用例。他一年跟几百个客户聊，至少有两打时刻是客户提出一个让他觉得“这太疯了”的用例。 他举了个例子：一个客户想要后台agent检查文档是否符合治理政策，该归档还是该法务保留。主持人反应平淡，他自嘲“我就怕这个反应”。但他认真解释：每家公司的合规主管和治理主管只能管全企业，从来没法无处不在。设想他们能坐在员工旁边说“你这一步要违反治理政策了”。这种用例只有在产品里有agent的公司才能先发现。 **第二，必须headless。**把API暴露给Claude、ChatGPT，通过MCP或其他方式让外部agent调用。他用自己的例子：今天用Salesforce比以往多一个数量级，因为通过Claude或ChatGPT MCP进去，一直在问CRM里的数据。他说跟LinkedIn的产品经理讲过，如果能MCP进LinkedIn，他愿意付10倍的钱。 他不喜欢“收费站”这个词，但承认需要跟量挂钩的商业模式。只要在解决真问题，就能赚到钱，因为系统记录的数据有巨大价值，客户会找到方式回报。 ## 90%的token，用户根本不会主动发起 主持人问通用聊天框会不会是AI的主要UI。 Levie说通用聊天会一直在，就像每个产品都有搜索框。一次性任务，找东西、回答问题、按需产出，都用它。但企业的大部分是后台流程。有时候是电脑在跑，有时候是人在跑，有时候本该有人跑但从来雇不起人所以没跑。 这跟聊天是两种隐喻。你想要的是后台agent读每一份合同、看每一条日志、分诊每一起安全事件。然后你想要dashboard、workflow、queue、task list，聊天只是跟进的手段。 挑战在于：横向产品会不会把所有组件都吃进去、把所有体验塞进一个界面？如果是，那个东西会变重，不再是简单好用的产品。然后懂流程的垂直玩家可以把正确的按钮、标签、命名呈现出来。法律领域已经有Harvey、Legora，安全领域在冒头，长周期编码有Cognition和Factory。 **他的预测：五年后，企业里90%的token是用户从未主动发起的，他们只看到结果。**任务出现在队列里，人只需要review。 ## 公司内部：不token-max，但看token排行榜 Box自己的数据架构就是为这件事准备的。Levie说，公司历史上任何非结构化数据，会议纪要、项目计划、路线图、演示文稿、财务文件，100%在Box里。他们不让任何人用别的工具，所以数据规模好处理，加上Salesforce等核心系统，数据卫生不错，agent跑在上面容易。 实践上，他们找最高杠杆的工作流，有AI卓越中心，招了内部AI博士。不搞token-max，但确实有一个按token数排的名单，用来检查：这个用法有意义吗，有没有可以带回其他部门的学习点？**前三大AI用户里，可能一个浪费了一半token，另外两个值得给全公司做培训。** 两周前他让一个团队把所有人拉进房间，让用得最好的那个人做完整demo，六小时后全员在场。他点名感谢了Mick。部分技术栈的客户功能交付量是2到3倍，他不关心写了多少代码，只关心有没有交付更多客户要的功能。 但他们不会放弃code review。客户把数据安全和合规托付给他们，这件事不能开玩笑，所以生产力上会有一点折扣。他羡慕年轻人可以从零开始按AI设计公司，两周半前看到两个年轻人做的产品，五年前是40人项目。 ## 给创始人的行动清单 Levie给创始人的建议分两层。 信息层：**加入Twitter，建一个20人的AI账号列表，每天刷。**你的信息流决定你领先还是落后。他自己95%的学习来自Twitter，加上这档播客和Dwarkesh的播客。他说自己每天问五个不同的AI系统20到30个问题，做研究、找人才、看竞争对手在干什么、市场发生什么。 公司层：**找到token用得最多的前三个人，让最好的那个给全员做demo。**不要token-max，要找到可复制的用法。建AI卓越中心，招内部AI博士。盯最高杠杆的工作流，别平均用力。 战略层：**应用层有数万亿美元，知道怎么建团队、怎么把产品送到企业里的公司会赢。**他提到Scott或Matan，说他们拿到mandate就明白这是一场企业扩散的仗，必须打到企业里去。搞错这个mandate的人直接出局。 还有一条给做SaaS的人：**同时建最好的自有agent和headless API。**只做前者会被通用agent绕过，只做后者会丢掉产品体验和新增用例。两条腿走路。 以及给所有做企业软件的人：**准备好扩散比你想的慢。**编码agent的速度是特例，知识工作没有GitHub，没有统一的权限模型，没有能自己排障的用户。这是一场地面战，需要FDE、领域专家、change management。慢本身就是护城河。 明天就能做的三件事：把公司里token用量的排名拉出来，找前三名聊聊他们在干什么；给你的核心工作流建一套eval，看通用模型和你的调优版本差几个点；把产品API接进MCP，让Claude和ChatGPT能调你的系统。Levie的原话是：**“如果能MCP进LinkedIn，我愿意付10倍的钱。”**你的客户也一样，只是你还没给他们开这个口子。