Aaron Levie 谈 AI 的企业级采用

摘要

• 企业 AI 是一场变革管理竞速，而不是模型部署冲刺。 ChatGPT 凭借“2秒学会”的界面触达消费者；企业却仍被遗留数据、治理、责任、合规和数十年积累的工作流所束缚。但 Levie 认为，企业早期买入 AI 的意愿约为云计算早期的“5倍”：管理者已经默认 AI 会接管一切，并相信“这件事必须比竞争对手更快发生在我们身上”。

• 智能体起初更像 SaaS 龙头的持续性扩张，而不是全栈替代。 API-first 产品能让智能体成为 ServiceNow、Workday 等系统的“超级用户”，在原本没有人工席位的地方拉动使用量。真正的压力来自商业模式：席位费加用量费可以成立，但“如果人根本不是系统里的一个席位”，订阅授权模式就会面临真正的危机。

• 最大的创业机会，可能来自过去由服务业主导、缺乏结构化的行业所新增的软件支出。 Levie 预计，法律、医疗、教育、咨询、投行和财富管理等行业将变得可被软件覆盖，因为智能体终于能处理临时文件和自然语言。他有意给出的粗略例子是：一个过去规模不足约20亿美元的法律文档市场，可能变成“数十亿美元，甚至达到百亿美元级”。

• AI 预算可以从庞大的知识工作成本基座中挪出，不必立即引发软件预算大屠杀。 一名新工程师的成本约为12.5万-20万美元，而即使 Cursor 每年激进使用也只需1000-2000美元，相当于工资的约1%，完全可以被人员流失、延迟招聘或年度薪酬调整消化。Levie 的粗略模型显示，美国知识工作者支出达到数万亿美元；只需将其中几个百分点转向软件，就可能令企业软件支出翻倍。

• 正在出现的新岗位，是编排、复核和审计智能体，而不是一次只操作一个动作。 当写邮件、写代码或制作营销素材不再限制产出速度，个体贡献者可能会变成“智能体经理”。关键变化在于角色倒置：不再是 AI 纠正人的工作，而是“人的工作变成修复 AI 的错误”；随着生成内容的数量增加，专业能力反而更有价值。

• AI 编程会扩展能力，但不会让软件工程或套装软件消失。 Casado 更新后的判断是，AI 对强开发者的帮助最大，而形式化语言仍然重要，因为它们能以足够精确的方式描述软件。Levie 同样不认同软件完全由内部现做：垂直 SaaS 仍然保有行业知识和运营默认值，即使 vibe coding 可能让原型、脚本和长尾内部工具增长“10倍”。

• 长期结果可能恰恰因为生产率变得稀松平常而显得平淡。 企业将能在今天完成一场营销活动的时间里，运行几十个由智能体生成的实验；竞争对手可能吸收大部分可衡量的增长，而用户得到更好的产品、医疗服务和科学发现。Levie 称自己是“乐观程度处于第98百分位的人”：5-10年后，今天需要两周完成的工作流，可能只会显得慢得不可思议。

精读

1. 企业对 AI 已有共识，部署仍在后面

• Levie 对 AI 采用史的回顾，始于旧式 AI 的摩擦：狭窄问题需要定制模型，通用消费级生态几乎无从形成。ChatGPT 反其道而行之，提供免费且熟悉的界面、数十亿可触达用户，以及几乎为零的启动成本——产品“2秒就能学会”。

• 企业面对的条件完全相反：工作流已经嵌入组织数十年，遗留系统的数据并未为 AI 访问做好准备；同时，员工把敏感信息粘进提示词，也引发影子 IT 风险。开发者工具是例外，CIO 已经看到员工带着 Cursor、Windsurf 和 Replit 到岗。

• 因此，真正的时间表是“人类改变工作流的速度”。预算、会议、治理委员会、合规、AI 生成股票推荐的责任归属、尚未解决的 IP 所有权，以及未来形成的判例法，都意味着即使模型快速进步，达到 GDP 级别的生产率提升仍需数年。

• Levie 将今天与2007-2009年的云计算阻力作对比：当时 CIO 坚称会保留自己的服务器。如今，管理者已默认 AI 采用不可避免；他引用 David Solomon 的说法：Goldman Sachs 现在几分钟就能起草 SEC 文件或 S-1，而过去需要数名分析师耗时数天。

2. 智能体先提升 SaaS API 价值，再谈替代应用

• SaaS 龙头拥有本地部署软件公司当年缺少的优势：它们通常从一开始就采用 API-first，至少也把 API 置于同等地位。智能体是“API 的完美消费者”，因此 ServiceNow 或 Workday 的智能体可以自动化既有工作流，无需重建底层 IT 或 HR 系统。

• Casado 的反问值得保留：这是否只是 AI 的“1.5步”，之后 2.0 版本会重写整个技术栈？Levie 认为它不同于云计算。云计算要求单租户架构转向多租户、改变服务交付方式和定价、支持实时协作，并重写应用逻辑；今天的智能体往往更像持续性创新。

• 这意味着 AI 会立即扩大 TAM：软件可以执行过去没有用户席位的任务。问题在于，成本结构中会新增 COGS 和用量成分；席位费加用量费尚可管理，但如果进入“100%使用率”且没有任何人工授权的世界，就会出现“某种程度上的商业模式危机”。

3. 新品类比简单的巨头对创业公司竞争更重要

• Levie 的“非答案”是两边都能赢。创始人主导的 SaaS 公司可能比已经远离创始人、历经数任 CEO 的传统厂商更自然地转型；创业公司则可以进攻那些尚无软件龙头掌握底层工作流的领域。

• 上一轮 SaaS 浪潮通过意料之外的品类和“Confluences”“Snowflakes”等公司，扩大了软件覆盖的宇宙。AI 对应的机会，是为法律、医疗、教育、咨询及其他行业提供软件——这些领域过去的工作过于非结构化、变化过快，传统数据库难以承载。

• 他对法律市场的测算刻意保留了不确定性：10年前，合同或法律文档软件市场可能不足20亿美元——“数字是我编的”，上下浮动10亿美元——但未来5年，智能体相关法律支出可能达到数十亿美元，甚至达到百亿美元级。

• 金融业说明了这片空白。消费银行和交易已经数字化，但 Levie 认为，投行和财富管理“从未通过大型工作流平台实现数字化”；如今，它们的临时性工作和文档密集型数据终于可以被 AI 原生创业公司覆盖。

4. 工作从操作电脑转向编排智能体

• Box 正在押注“AI first”，原因有二：内部采用能够暴露客户用例；Levie 也相信效率提升真实存在。当操作电脑的速度不再构成瓶颈，岗位就会转向编排、集成、规划、任务管理、复核和审计。

• 但这并不足以支撑公司围绕今天的工具彻底重构。由于技术两年后可能已经大幅升级，Levie 建议将 AI 渐进式部署到高潜力工作流中，先进行去中心化实验，再围绕固定运营模式“把线收紧”。

• Box 自身的机会覆盖12万名客户和约65%的《财富》500强企业。结构化数据已经可以查询和分析；文档则通常被创建、共享，然后遗忘。AI 可以提取合同中10个重要字段，分析这些字段，最终自动化此前因计算机无法理解文档内容而无法执行的工作流。

5. 套装工作流仍会存在，定制软件则会爆发

• Levie 不认同两种极端：既不是只能按一种方式运行的 Ford Model T 式软件，也不是每个人每天从空白提示词生成自制应用。“90%以上”的人并不在意仪表盘标签或模块细节，他们希望由别人替自己决定什么重要。

• 套装软件还编码了运营实践。企业采用 Workday 对 HR 的组织方式来运行人力资源，也部分按照 Zendesk 对工单的定义来管理支持服务——对于那些自建工作流没有明显优势的职能，这些默认设置很有价值。

• Casado 追问那些看似简单、以 CRUD 为主的垂直 SaaS。Levie 明确表示自己改变了看法：过去多年低估垂直 SaaS 后，他现在看到其中真正的 IP 在于行业和商业模式知识，而不是难写的代码——例如，制药行业老兵可以准确告诉工程师临床试验工作流必须如何运转。

• Vibe coding 则释放了被忽视的长尾需求：原型、脚本、网站和冷门内部插件可能增长10倍，却不会取代记录系统。界面将与智能体共存，因为用户仍然需要收入仪表盘；如果每次都用 token 重新生成同一页面，最终会显得比把它保存为配置更荒谬。

6. AI 提升管理层判断的吞吐量

• Casado 转述了一位非上市公司创始人的说法：他的董事会每次决策都会咨询 AI，既为了获取信息，也为了获得刺激；这位创始人称 AI“简直比我一半的董事会成员更好”。Levie 认为，董事会是最容易取得成果的领域之一，因为董事通常掌握的公司具体信息有限。

• Levie 已经会把 Box 的业绩电话会初稿输入更强的模型，让它列出10个分析师最可能提出的问题。价值不在于超自然般的预测——公开业绩电话会已经暴露了反复出现的问题——而在于找出稿件遗漏的答案、支撑细节或案例。

• Casado 质疑 AI 撰写 Bezos 风格备忘录，因为写作过程会迫使作者清晰思考。Levie 承认这是写作的目的，但指出备忘录也要让其他人获取信息；智能体可以完成“90%的苦活”，而 Amazon 的文章式决策流程也并不保证最终每个产品都很好。

• Deep research 正在替代 Levie 过去会交给幕僚长的问题，例如调查某个生态的定价策略。结果不只是劳动力替代：由于过去那些荒谬的研究请求如今便宜到值得一试，他在脑中探索的空间“多得多”。

7. 企业可以从劳动力规划的噪音中挤出 AI 预算

• Casado 追问，当企业预算不可能凭空出现时，AI 支出从哪里来。Levie 的第一个答案是规模不对称：对创业公司而言很大的数字，放在大型公司的工资总额和运营波动旁边，仍可能只是很小的一笔。

• 他的具体对比是：一名新的硅谷工程师成本约为12.5万-20万美元，而激进使用 Cursor 每年可能只需1000-2000美元，相当于工资的约1%。如果给一名斯坦福毕业生两个选择：12.5万美元但没有 AI，或12.3万美元并拥有完整 AI 权限，Levie 认为后者会“毫不犹豫地”被选中。

• 重新分配不必表现为大规模裁员。原计划3.5%的加薪可能变成3%，原本要增聘50名工程师可能变成25名加 AI；如果生产率提升后竞争力增强，次年招聘还可以重新增加。人员流失和招聘时点本来就会产生足够大的波动，足以消化许可证成本。

• Levie 深夜建立的模型——他强调不确定性很高——估算美国知识工作者的人员支出接近5万亿-6万亿美元；Casado 讨论的另一条粗略路径，是以3000万名开发者乘以10万美元，得到3万亿美元。只要挪出几个百分点，或者5%，就可能令美国企业软件总支出翻倍。

8. 编程预示着“人类负责复核”的经济

• Casado 认为代码是 AI 带来的最大惊喜，并相信它对优秀开发者帮助更大，因为他们知道该提出什么请求，也知道如何判断输出。一名程序员的说法概括了这种转变：“90%”的既有知识失去了价值，但剩余10%的重要性提高了10倍，甚至100倍。

• 但他仍预计形式化编程语言和专业工具会继续存在：编程语言从自然语言演化而来，正是因为计算机需要精确描述。AI 可能改变工具链，或让更接近脚本的语言占据更大空间，但完全回到含义模糊的英语，会是一种倒退。

• Levie 描述了这条快速演进路径：GitHub Copilot 让自动补全速度提升20%-30%，而 Cursor 或 Windsurf 已经能生成整段代码供人复核。如果3%的输出有误、但总产量翻了3倍，专业能力就会更重要：“过去是 AI 在修复你的错误”；现在是人类修复 AI 的错误。

• 入门级编程机会会扩大，因为智能体消除了数天的黑箱式调试，但新毕业生也可能离开辅助工具就无法写代码。Levie 建议非科技公司招聘 AI 原生人才，同时承认不加约束的 vibe coder 会制造无法维护的系统：“现在不是让全公司都去 vibe code 的时候。”

9. 生产率红利以更快的日常形态到来

• AI 还可以清除看不见的技术性苦工：一次 Python 库升级，过去可能要3名工程师耗费2个季度、却不给客户带来任何可见收益，如今可以交给 Codex。小企业也能获得接近大型企业的资源，包括他提到的 NBA 总决赛视频：借助 Kling AI 和 Veo 3，原本可能要花100万美元的制作，如今只需几百美元的 token。

• Box 内部关注的是产能和能力：“多做一些”或更快推进，而不是先从削减成本开始。更高的产出最终应体现为增长，除非竞争对手采用同样的工具并把这部分增长竞争掉；届时，AI 只会变成运营一家公司的最低标准。

• 消费者采用率可能先于消费需求触顶。Levie 的父母和非科技行业朋友仍处于基础 ChatGPT 阶段，或许是因为它已经交付了他们想象中 AI 应有功能的80%；后续提升则可能通过更好的医疗或服务隐性到来，而不是表现为另一款明确标注“AI”的产品。

• Levie 预计，这会是一场“反高潮式”的5-10年转型：营销智能体生成素材、市场和广告计划；人类复核选项，然后继续推进。准确率提升、成本下降、集成改善，新的智能体运营岗位出现；最终带来的将是更好的软件、医疗和科学发现，而不是 Terminator 式的工作终结。