SaaS 公司要完了吗：哪些会活下来、哪些会死 | Aaron Levie
摘要
Levie 对劳动力的核心判断是：未来5年，AI 会带来更多工程师和律师，而不是更少。 科技业约占GDP的8-15%；如果让其余85%的经济体也用上硅谷级工程能力，开发者就会转向 John Deere、Caterpillar 和 Eli Lilly。AI 也会让律师面对海量合同和备忘录草稿，但法院、专利审批和专业责任仍受供给约束——「人并没有被移出流程，只是改变了他们进入流程的位置」。
企业落地 AI 的瓶颈在组织重构，这可能催生50万至100万个“agent operator”岗位。 这些技术能力很强的运营者需要理解 MCPs、CLIs、skills 和 AGENTS.md，并围绕 agents 重建受监管工作流。由此产生的软件需求，与其说是再做一个手机应用，不如说是「无限量的软件」，用来连接割裂的数据、自动化后台流程。
SaaS 并非整体失去价值：agents 会削弱按钮密集型界面的价值，却会放大 API、专有业务逻辑、治理数据和人工审核的价值。 ERP 的价值不只是数据库，供应链和会计逻辑依然重要；Box 也表示，agents 可能将 API 调用量提升100倍甚至1,000倍。Levie 的要求是：成为「agents 最愿意处理这些数据的地方」。
Token 支出会跳出 IT 预算，变成日常运营费用，全球科技支出可能因此翻倍，而不是扩大10倍。 企业可以在营销活动和自动化之间做取舍，把高价模型配置给价值最高的5-10%用户，甚至像《Shark Tank》的参赛者一样为算力竞标。不同于初创公司，大型企业不能不加区分地“token max”：它们有年度预算，上市公司还有 EPS 承诺。
AI 会结构性扩大网络安全市场，因为 agents 既会生成更多存在漏洞的代码，也会让攻击者更快完成扫描。 当 AI 从编写大部分代码走向编写90%或95%的代码，每增加一个功能，就多一次开错端口或引入漏洞的机会。防御型 agents 可以审查这些产出，但Levie用一句话概括了这个循环机会：「Agents 是 agents 制造的问题的解决方案。」
公开市场仍把软件股不加区分地归为一个板块，但Levie预计未来1至2年会出现分化。 对于应对得当的公司，3倍自由现金流可能“低得激进”；但软件业的一部分此前确实被定价到了难以实现的终局。最终胜者会拥有深度工作流控制权、有价值的数据、适配 agents 的 API，以及可变现的自动化能力。即便如此，他仍认为 Atlassian 可能被过度抛售：更多工程活动应扩大对工程基础设施的需求，尽管其产品也必须进化。
即使主持人提出，要让8500亿美元估值走到2.1万亿美元需要大约3倍空间，Levie 仍会“加仓”前沿模型融资。 他类比云计算：AWS 在2010年的收入只有5亿美元，但15年后云已经形成数千亿美元规模的生态，能够正常运转的市场往往会远超最初预期。OpenAI 和 Anthropic 可以在多模型世界中同时胜出，而跨实验室基础设施——例如 agents 评测——可能催生「12个、24个、50个」新类别。
精读
1. AI 是一场经济竞赛，不是为期1个月的生存冲刺
对于采访后的舆论，Levie 表示自己“可能有80%”站在 Jensen Huang 一边。他的框架是一场“商业和经济竞赛”，安全机制内生其中，而不是一场由某一方领先1至2个月就能永久决定结果的二元竞赛。他也认为 Jensen 对部分环节做了过度简化。
主持人开场时认为 Jensen 的表现很糟；Levie 则称这种反应是检验个人 AI 观念的“罗夏墨迹测试”。复杂系统升级需要多年，不存在某个神奇瞬间，让早期获得模型就等于锁定一切；攻防双方会“直到时间尽头”持续迭代。
Levie 转述称，Jensen 被低估的警告是：把人们吓得不敢学工程、放射学或进入医疗行业，会伤害整个社会。AI 或许会消除对微小中间步骤的审核，但更大的工作成果仍需要有人复核：「我们只是改变了他们进入流程的位置。」
2. 自动化暴露瓶颈，也会推高稀缺专家的需求
Levie 的判断没有留下余地：“5年后，工程师会更多。”拖拉机制造商、银行和制药公司都说工程师不够；云端代码、Codex 及类似工具，可以让约占经济85%的非科技行业达到硅谷级别的自动化能力。
变化更大的是工程技能的去向，而不是技能本身的价值。计算机科学毕业生可能加入 John Deere、Caterpillar 或 Eli Lilly，而不是 Google；他们会自动化药物研发、农业或工业设备，而不是“做一个带几个小按钮的小应用”。
法律行业体现了其中的运行机制：AI 让客户能够生成更多合同、备忘录和案件材料，律师因此会被更多审核工作淹没。法院不会更快批准文件，专利仍需要承担责任的专业人士审核，因此 Levie 愿意“站到另一边”：5年后律师会更多。
主持人追问初级法律岗位是否会消失；Levie 承认，AI 移除传统入门级任务后，律所和银行确实面临学徒培养问题。但患者转诊自动化说明了他的区分：如果专科预约仍要等18个月，真正的约束仍然是医生和机构容量。
3. “Agent operators” 会成为企业新职业
Levie 谨慎地讨论了这一岗位：它可能长期作为全职职位存在，也可能分散到其他工作中；但他对需求规模毫不含糊——某种形式的“agent operator”可能创造50万至100万个岗位。这些人需要理解 MCPs、CLIs、skills、AGENTS.md 文件以及背后的 AI 生态。
这些人会嵌入营销、法律、运营或生命科学研究团队，职责是重构业务流程本身：“工作流需要为 agents 重设计，而不是为人重设计。”核心决策将变成：由人在哪里审核、批准并为 agent 的产出承担责任。
财富1000强企业部署 AI，需要变革管理、结构化数据、系统连接和持续技术维护。新模型的提示词或索引偏好一旦变化，就可能破坏既有工作流；因此人才来源可能是 IT、运营或工程，而不是某个现成职业。
4. 决定 SaaS 价值的是可供 agents 调用的业务逻辑，而非界面数量
Levie 承认，一些按钮密集型 SaaS 产品确实脆弱：拥有“93项功能”的软件，部分价值可能来自用户对界面的熟悉。agents 取代这些点击后，价值会转向 API；但 API 数量本身不如专有逻辑、安全性和权限体系重要。
ERP 不只是数据库，它编码了不会消失的供应链自动化和会计规则。agents 可能无界面地穿梭于 ERP、CRM、HR 和文档系统之间；而只要人还需要检查、协作或批准工作，应用就仍会存在。
Levie 明确改变了看法：过去一年，他越来越确信软件将走向无界面化。两三年前，agents 经常找错文档，也无法稳定打开和解读文件；tool-calling 和跨系统搜索的进步速度超出了他的预期。
对 Box 而言，agents 是其 API 密集型模式的放大器，而 Box 原本处理的机器活动就远多于可见的用户交互。每个 agent 究竟贡献多少收入仍不确定，但当 agents 生成合同、营销素材和报告时，调用量增加100倍或1,000倍，会显著扩大机会；这些内容都需要安全、治理和符合 FINRA 要求的留存。
5. 算力进入运营预算，网络安全风险持续叠加
AI 生成代码带来的风险首先来自数量：当 agents 接近编写90%或95%的代码时，每个上线功能都可能意外暴露端口，或制造新的漏洞。攻击者也能更快进行互联网规模扫描，防御型代码审查 agents 成为唯一的对冲收益。
Levie 并不是最近才开始担忧；自 GitHub Copilot 在大约5至6年前开始生成代码后，他就认为网络安全后果已经被市场计入。但这种攻防不对称仍支持企业大笔投入 agentic security：“Agents 是 agents 制造的问题的解决方案。”
Token 分配将围绕企业价值，而不是平均主义。可能的做法包括以《Shark Tank》式路演争取算力，以及按用户分层：价值最高的5-10%用户无限使用最强模型，下一层用户使用受限的高效模型，普通生产力场景则使用够用的最低价模型。
决定性的预算迁移，是从企业 IT 支出转向日常 OpEx。企业可以在下一轮营销活动和自动化营销引擎之间做取舍；Levie 认为，这种能够调用类似劳动力预算的能力“当然可能让”科技支出翻倍，但明确反对简单套用10倍增长。
6. 企业普及将带来长达10年的服务与责任工作
主持人担心，当前需求拉动可能只是每家公司都需要讲一个 AI 故事所带来的18个月短期脉冲。Levie 押注相反方向：云计算看似早期爆发，却扩张了20年；AI 的普及会比硅谷预期更慢，因为受监管工作流不可能一夜之间移除审核。
如果错误建议可能让银行丢掉牌照，银行就不能让 agent 自主生成每一份客户方案。Levie 亲自使用最新模型时，仍需要修改约15%的产出，这说明企业需要大规模设计人机协同工作流，而不是立即裁员。
他同意，企业销售“归根结底确实需要 FDE 式模式”，但不认为这与产品驱动增长冲突。AI 服务的规模和持续性都将高于市场原先的假设，因为企业需要系统集成、数据整理、工作流梳理和变革管理。
一次合同风险查询可能触及10个系统，包括网络共享盘和遗留存储库；数据割裂会导致 agent 找错文档或合同。Levie 称，这类清理和重构是“Accenture 未来10年的工作”，也可能属于专注特定行业和工作流的新一代服务商。
7. 责任机制会让人、公司和机构继续留在流程中
主持人给出了服务业最直白的逻辑：公司需要“一个可以怪罪的人”，就像客户聘请律师，部分原因也是 NDA 出问题时责任必须落到某个人身上。Levie 同意，数据损坏或发生安全漏洞后，客户不会接受“Anthropic 犯了错”。
一旦存在责任，所有权和汇报结构就会随之形成。人类行为、合同法和监管制度并没有发生根本变化；只是计算机被交付了“一挺机枪”，可以利用我们的全部数据生成更多信息和工作。
谈到中国开源模型，Levie 表示硅谷从中受益“从经验上看必然是真的”。他保留了一个前提：权重或参数可能存在可被触发的后门；但他没有接受主持人的警报式判断，并强调，即使是最强的前沿模型，也仍需要有人承担责任并进行审核。
8. 软件将出现分化，前沿实验室与 agent 基础设施继续扩张
Jason Lemkin 的挑衅是：上市公司做出来的 agents 普遍平庸，Palantir 是例外。Levie 不完全认同，认为 Box 拥有最好的内容 agent，并表示如今的行业领导者必须跟进那些讨论 memory 和 harnesses 的一线实践者，而不是等两周看传统媒体的复盘。
技术迭代速度让 Levie 的工作比过去更难：产品、战略和合作关系一周内可能被改变数次。上市公司 CEO 周末用 cloud code 和 Codex 构建产品，同时还要给行动缓慢的客户“通往未来的桥梁”。对构建者而言，这一年将是“彻底且不间断的执行”。
Box 表示，其融合工作流、自动化、应用开发和 agents 的新套餐，已经在去年带来收入增长拐点。但华尔街仍在等待行业最终落位；Levie 预计，软件股不加区分的定价会在1至2年内分化，对于应对得当的公司，3倍自由现金流“低得激进”。
要判断 OpenAI 和 Anthropic 谁胜出“根本不可能”：2010年 AWS 收入只有5亿美元，Azure 刚刚推出，GCP 还只是 Google App Engine；15年后，云计算已经成为数千亿美元规模的生态。Levie 预计企业会采用多个供应商，仍愿意投资前沿模型融资，同时看好跨实验室基础设施，例如 Braintrust 这类能够发现 agents 突然无法正确处理贷款发放文件的评测系统。