Box CEO 谈 AI 采用鸿沟 | The a16z Show

摘要

• 企业采用 AI 的鸿沟，与其说由模型能力决定，不如说由权限、责任归属和运营控制决定。 初创公司没什么可“炸掉”的；银行则必须先控制提示注入、误写入、智能体相互冲突和信息泄露，才能授予自主权。结果是：“AI 能力的扩散会比硅谷人意识到的更慢。”
• 如果组织最终部署的智能体数量达到人的100倍或1,000倍，软件需求可能被彻底改写。 Aaron Levie 认为，供应商必须开放 API、CLI、工具、身份体系和访问控制，因为业务表现将越来越与智能体触达公司数据的效率相关。Martin Casado 提醒，界面打磨不是护城河：智能体会依据语义、成本、持久性等实质因素选择后端，而不是依据界面或文档质量。
• 核心记录系统的防守力，远强于“SaaS 末日”叙事所暗示的水平。 Steven Sinofsky 称，“以为靠 vibe-code 就能做出 SAP，简直荒谬”，因为数十年的领域知识分散在界面、中间层、工作流和操作习惯中，而不在某个干净的数据层里。智能体改变软件消费方式和变现模式的速度，可能快于其替代核心系统的速度。
• AI 初期会抬高能拆解工作的领域专家的价值，随后会把这项技能上移到更高的抽象层。 大多数员工无法画出自己的工作流程图，使“算法思维”成为眼下的瓶颈；Casado 提到的 Anthropic 增长营销案例显示，1名系统思考者把原本分散在5个或10个岗位上的工作自动化。Sinofsky 预计，“火箭科学”那一部分会像当年的电子表格复杂性一样消失。
• 给每个智能体单独开一个账户，并不等于把它变成一名员工。 智能体可以获得电话号码、Gmail 账户、信用卡和基于角色的权限，但责任仍由所有者承担，且必须全程监督；任何进入上下文窗口的信息，都可能通过提示注入被抽取出来。对于并购数据室等敏感流程，Sinofsky 认为，在 N 变得非常大之前，企业可能还会维持只读状态数年。
• 嘉宾们拒绝华尔街把收入总盘子视为固定不变的假设，认为 AI 需求在结构上被低估。 Sinofsky 表示，预测“至少差了一个数量级”，并以 PC、云计算和 CRM 为例：这些市场中，摩擦下降带来消费扩张，而不只是重新分配支出。Casado 补充称，在他能观察到的基础设施公司中，过去6个月每一家都出现了“渐近式”增长，因为软件编写量大幅增加。
• 即使效率最终会压倒稀缺性，Token 支出眼下仍是盈利和管理层必须面对的问题。 在当前讨论中，工程算力可能占相关费用的1%-100%；考虑到上市科技公司的研发费用约占收入的14%-30%，算力成本是工程团队成本的2倍，还是仅高出3%，都可能决定 EPS。Martin 称这是未来“最疯狂”的预算讨论；Sinofsky 则预计，类似晶体管的转变最终会让今天的 Token 核算消失：“这是肯定的。”

精读

上游暂未提供，后续同步将继续补齐。