Box CEO Levie：AI扩散比预期慢

红杉资本（Sequoia）旗下播客《Training Data》主持人Sonya Huang近期与Box创始人兼CEO Aaron Levie录制了一期对谈节目；Sonya Huang特别提到，录制时正值Sequoia合伙人Doug Leone做无痛根管手术这类"当下热点"话题占据热搜、而非AI前沿进展本身的"更简单的时代"，但她认为Levie关于企业与个人如何为AI时代重塑自身的建议具有不过时的价值。

Box由Aaron Levie于20年前创立，目前存有数千亿量级的企业文件；他已将公司未来押注在能够读取并处理其中每一份文件的AI代理（agents）身上。据Sonya Huang描述，Levie是AI行业里最深度参与的人物之一，几乎出现在这一领域所有公司的股权名册（cap table）上，他自称95%的AI认知来自Twitter，同时被认为是少数既能"横跨互联网圈层"、又能获得企业CIO们信任的CEO。

Levie在对谈中提出两个核心论点：第一，当前模型能力与企业实际工作流需求之间的差距依然巨大，弥合这一差距需要大量软件工程投入；第二，AI在编程领域之外的扩散速度，将远慢于硅谷当前的普遍预期，而这种"慢"恰恰是应用层（applied layer）公司价值的真正来源。

对谈还涉及一系列具体议题：应用层公司为何是当下最炙手可热的"新实验室"（neolabs），以及"LLM套壳"（LLM-wrapper）商业模式为何终于开始跑通；模型提供商若直接接管企业的token路由，将带来一种"监守自盗"（fox-guarding-the-henhouse）式的利益冲突问题；企业为何能接受AI写代码、却对AI写的文档/PPT心存排斥（即所谓"work slop"现象）；以及Box如何构建自己的智能体（agentic）技术框架，并称其在准确性与延迟表现上优于直接调用底层模型API。

此外还讨论了"开放权重悖论"——闭源模型实验室与开源模型生态正同时呈指数级增长；持续学习（continual learning）技术在企业场景落地前需要解决的问题，例如如何应对一名同时处理五个案件、且案件之间存在"信息隔离墙"（Chinese wall）要求的律师的具体需求；Levie预测，五年后企业消耗的token中，超过90%将来自并非由人类主动发起的任务；他给出的当下创业者核心判断是：谁能真正把AI能力交付到客户手中，谁就能赢得这场竞争。

从市场机制看，这场讨论指向的资金与价值分配逻辑是：如果应用层公司（如Box）真正掌握了通往终端客户的分发渠道和场景数据（数千亿份企业文件），其议价能力将不逊于甚至强于底层模型厂商——这也是"LLM套壳"这一此前被普遍看衰的商业模式如今被视为可行的原因；而"模型厂商直接路由企业token"之所以被类比为"监守自盗"，是因为一旦模型厂商同时掌握底层能力与终端分发渠道，应用层公司将失去议价筹码，客户数据与使用行为也可能被上游模型厂商反向利用。谁受益：拥有存量企业数据与客户关系的老牌软件公司；谁承压：单纯依赖调用底层模型API、缺乏自有场景数据与分发渠道的轻量应用创业公司。

来源：公开信息