当AI智能体取代人类成为企业软件的“重要用户” ，传统SaaS的贸易模式、API挪用计费以及企业的算力成本结构 ，即将迎来一场指数级的颠覆与沉构。
4月8日 ，a16z颁布深度行业访谈的播客内容 ，播客主播Erik Torenberg对话驰名云存储公司Box CEO Aaron Levie、前微软高管及驰名投资人Steven Sinofsky ，以及a16z合资人Martin Casado ，就“AI智能体”时期下的企业软件刷新、算力成本激增以及华尔街的定价模型误区发展了强烈会商。
然而 ，由于大型企业的合规摩擦与IT预算系统的僵化 ，AI在真实贸易环境中的渗入快率或将不及预期 ，但其最终发作的市场规模 ，将远远超出当前本钱市场的测算。
此刻最大的问题是 ，每幼我都在试图弄明显这所有的经济学道理 ，但他们对于这个机缘到底有多大 ，预估至少差了一个数量级。
Steven Sinofsky直抒己见解指出 ，华尔街目前充溢着“固定的收入蛋糕和零和博弈思想” ，他们仍旧用线性的增长曲线来论证GPU和Token（词元）的重大支出。
Sinofsky将当下的AI类比为早期的PC和云推算时期。从前 ，市场以为云推算只是将本地服务器的预算转移到云端 ，却底子没有意料到“资源平权后 ，人们会亏损一千倍以上的推算资源”。
我们感应兴奋的是 ，每个智能体都极度喜欢处置文件。因而 ，将来的文件数量将比以前多得多。我们能否成立一个平台 ，让智能体极其容易地处置这些数据 ？我们押注这对BB电子贸易模式是一个极度乐观的了局。
当智能体主导决策时 ，它们将不受限于人类在微买卖上的摩擦成本。Levie指出 ，在将来 ，智能体可能会为了实现一项深度钻研工作而自动支付3美元去获取医疗数据 ，这将催生出全新的微支赋予API挪用变现模式。
早期的AI是在企业软件上加个AI按钮 ，后来是让AI写代码 ，而此刻的范式是：企业软件依然是企业软件 ，但AI智能体把企业软件当作推算机来使用。 AI智能体可能在阅读数据的同时 ，凭据必要自行决定是挪用现有的API ，还是“实时编写代码”来实现特定操作。
Aaron Levie以为将来的业务阐发 ，将取决于你的AI智能体获取所需信息的能力。那些能提供高质量API、并妥善处置智能体身份和权限的软件公司 ，将获得巨大的增量收入 ，由于智能体处置数据和文件的频率将远超人类。
试图靠‘天然说话编写代码’（vibe code）来取代SAP等成熟的系统险些是怪诞的 ，深度的行业领域知识仍是主题护城河。算力预算与Token之争 ，CFO即将面对的“疯狂时刻”
对于任何一家上市公司来说 ，研发用度通常占收入的14%到30%。若是算力成本造成你工程团队成本的两倍 ，或者仅仅增长3% ，这城市直接吞噬你的每股收益（EPS）。
在现实操作中 ，工程主管必要衡量是否允许开发人员并走运行大量可能浪费Token的智能体尝试。这种弹性的、难以预测的算力亏损 ，与传统企业习惯的固定本钱支出或可预测的运营支出形成了强烈矛盾。
故障AI在大型企业急剧天生订单的主题问题在于系统集成与安全天堑。在梦想状态下 ，智能体能够无缝穿梭于各类系统之间 ，但现实中 ，赋予智能体与人类一致的系统接见权限带来了极大的合规风险。
你不能齐全把它们（智能体）当成人类对待。对于通常员工 ，你不必要每天登录他们的账号去监督 ，他们对自己在现实世界中的执行掌管。但对于智能体 ，你占有它所做所有的全数责任 ，它们没有隐衷权。若是智能体被社会工程学糊弄 ，它们会等闲泄露你的并购文件。
这意味着 ，AI在软件行业的渗入率提升将出现分化：没有汗青包袱的草创公司将急剧试错并全盘接入 ，而占有重大系统纪录的传统大型企业则必要更长的消化周期。
Aaron Levie：我以为如今的趋向已经很爽朗了 ，对吧 ？我们此刻花在"智能体界面"上的功夫 ，和人类花在软件交互界面上的功夫一样多。Martin Casado：是的。Aaron Levie：对。我们之所以这样做 ，是由于BB电子如果是：若是智能体的数量比人多一百到一千倍 ，那么软件就必须为智能体而构建。智能体与系统交互的方式 ，将通过API、CLI、MCP或其他类似和谈来实现。目前来看 ，一个在鼓起且已初见功效的范式是：让编程智能体接见你的SaaS工具 ，以及接见你的知识工作流程和有关高低文。这种组合自身就成为了一种超等能力——智能体不仅仅是能读取一些数据、理解一些信息 ，它还能通过编写代码或挪用API来实现它所要实现的任何工作。这个范式看起来已经起头形成复合效应。这正是Claude的Cloud合作景象 ，也是OpenAI在超等利用、Perplexity、Computer Use等方向上在索求的器材。我以为这是这所有发展的终极体现 ，是合乎逻辑的。Steven Sinofsky：我以为你说得对 ，从理论上来讲是说得通的。Aaron Levie：但——Steven Sinofsky：但在实际层面 ，我们必须极度审慎�；桓鏊捣� ，"算法思想"对于绝大无数人来说是极其难题的。最单一的例子是：若是你走到任何一幼我刻下 ，让他为某项具体工作画一张流程图 ，他们或许率会失败。就拿一个大型产品线的市场营销团队来说 ，如果有50幼我在做营销 ，其中能真正理解并文档化整个流程图的 ，可能只有一幼我。所以若是你把这类智能体工具放到所有人刻下 ，让他们去创建这些器材 ，他们向工具诠释"该做什么"的能力是极度有限的。Aaron Levie：那么 ，若是这就造成了人类与推算机交互的新方式呢 ？你就必须持续迭代和适应。Steven Sinofsky： 那你其实只是在回到老路上——你不外是在开发下一个抽象层 ，用于人与推算机的交互。而从汗青上看 ，每一层底层逻辑的构建 ，都是由组织内极少数高技术、高度专业化的人来实现的。他们构建出来的幼� ？� ，就像散落在遍地的幼零件 ，有些人能把它们拼接在一路 ，有些人则不能。这种景象从回形针和图钉时期就存在 ，以来也还是会存在。Aaron Levie：我以为 ，不变的法规是：工作只是向上移动了一个层级 ，人们必要进建一套新的技术。所以我并不以为这次有什么性质上的分歧 ，只是这次所获得的杠杆效应显然格表惊人。最近有一条病毒式传布的推文 ，关于Anthropic的增长营销掌管人——你们看到了吗 ？根基上是一幼我 ，他其时使用Claude Code ，差不多自动化实现了正本必要五到十幼我分散在分歧岗位上能力实现的工作。这件事之所以有趣 ，是由于你必须具备系统性思想能力做到这一点。他显然已经足够有技术能力能力实现这些 ，但它的确代表了一种可能性：若是你在经济体中从事某项工作 ，而在你旁边有一个无限量的工程师池 ，能够自动化你想做的任何事件 ，那这份工作在将来会是什么样子 ？我赞成 ，你必须找到一种方式 ，把自己的工作理解为一个系统 ，能力做到这一点。也许智能体味越来越善于疏导你朝这个方向思虑。但的确有理由相信 ，人们会起头尝试将好多工作自动化 ，好比："为什么不把Google Ads中有效的关键词迁徙到Facebook ，确保它们被同步 ，而后再获取市场最新动向的信号。"Steven Sinofsky：那已经是很大的进取了。Aaron Levie：刚才讲的Anthropic增长营销那个例子 ，那其实是大无数工作的缩影。Steven Sinofsky：对 ，类似的工作我也能做。当需要无限、供给也无限的时辰 ，那就不是什么难事了。Steven Sinofsky：所以你不妨去做那个600美元预算的营销人员 ，看看你能做到什么。那才是真实的工作。Aaron Levie：我们必要一个更好的例子。Steven Sinofsky：但这的确很有意思。让我举个常例子 ，一个老派的例子。我表妹拿了名校MBA ，获得了第一份工作 ，那正好是推算机遍及的节点。她在钻研生院并没有效过电子表格 ，等电子表格出现时 ，她也不是那种会用电子表格的人。所以公司通知她：你想要几多实习生就招几多。因而她第一年现实上治理了整整一屋子的"人肉智能体"——来得意学的年轻人专门掌管所有的电子表格工作。而后 ，接下来几年里 ，神奇地产生了转变——她和她那一届的人全都成了会用电子表格的人。以前那种"在银行做治理 ，两年资格就能有一群人助你做所有繁琐运算"的模式隐没了 ，整个抽象层向上移动了。在电子表格出现之前 ，你就是坐在那里 ，靠推算器甚至HP推算器来推演某个并采办卖的模型 ，并且在出规划之前 ，往往只能做两次迭代。电子表格出现之后 ，他们自己就能做三十次迭代了。我以为 ，我们此刻与智能体的关系 ，正处于那个阶段——你以为你必要50幼我 ，而整个抽象层还是以细碎的分工方式运行 ，由一个超等聪明的人来两全协调。但很快 ，这所有城市归并融合 ，最终只是一段代码 ，我们叫它"营销类智能体"。你能够向它问营销有关的问题 ，下一步就是让它去真正执行这些事件。Steven Sinofsky：在AI这种不成复现性和随机性问题彻底解决之前 ，我对"让智能体去执行"这件事还是有些疑惑的。执行层面的价值会极度高。这又会引发关于"人机协同"的会商。但我感触我们的确正处于那个临界点——当我和那些在尝试用AI做事的人互换时 ，我有一种感触 ，就像我在感恩节饭桌上 ，遇到了那个入职六个月的表妹 ，而我已经在用电子表格了。那时辰我会想：我不领略为什么这么难 ，直接用就好了。而后两年后 ，她也用上了。我感触 ，此刻要搞出四十二个智能体并把它们全都跑起来 ，你得既是火箭科学家 ，又是增长营销专家。但这种"火箭科学"的门槛 ，在很短的功夫内就会隐没。到那时 ，你面对的是大量的领域专业知识。Aaron Levie：对 ，又回到了领域专家这个话题。Martin Casado：我想对你说的内容提出另一种视角。我以为各人很容易陷入一种设法：智能体味去写代码、去做X。但我以为我们现实上在走相反的路。我们最初的做法是在一个现有的软件上叠加AI ，这是一种AI赋能的方式 ，也是使用代码来解决这类问题的极端版本。但此刻我们现实上在做什么 ？SaaS软件还是SaaS软件 ，智能体像使用电脑一样使用它——由于它在这方面其实极度善于。所以我会说 ，我们从代码启程 ，转向了终端 ，而终端现实上比代码涉及的编码更少。今年将会是"Computer Use"之年。智能体越来越像人类在使用推算机 ，而不是在天生代码。这感触像是一个中央过渡状态。而我自己刚好来自"天生代码"那个堡垒 ，但我以为这种做法在削减 ，而不是增长。Aaron Levie：对我来说 ，不论是Computer Use API ，还是即时编写代码 ，我可能有些不恰本地把它们归为统一类。Martin Casado：但它们是极度分歧的。Aaron Levie：不外我们在做的一个智能体 ，它可能自主判断：应该使用一个现有的技术、挪用Box的一个现有工具 ，还是自己写代码来解决这个问题。它能在职何时刻矫捷选择这三种方式之一 ，这最终是极其有效的。由于有时辰你想要执行某个特定操作 ，直接写代码是最快的 ，我们也没有法子预先规划用户对文档的所有可能需要。所以模型具备即时编写代码的能力 ，即便可能90%的情况下直接使用现有工具就够了 ，这个个性依然是一个令人惊叹的属性。Martin Casado：从帕累托准则来看 ，随着功夫推移 ，就像人们手机上常用的只有七个利用一样 ，这些工具也会慢慢收敛整合。Aaron Levie：但"七个利用"的问题 ，是人类的问题——人类不想反复进建新器材 ，我没有足够的精力去把握那么多利用。但一个使用工具、挪用API、还能写代码的智能体 ，底子没有这些限度。Martin Casado：你也能够说 ，要做的事件太多了 ，把界面做得足够通用就行了。Steven Sinofsky：这个说法不无路理。我感触你说的很有意思 ，让我补充一点我极度认同的器材。软件发展到今天 ，好比我成天用SAP ，我必要天生各类汇报。而后某人过来说 ，我想要一个以某种方式切片查看数据的汇报 ，我就犯难了——我不知路怎么做到这个。而后我得翻遍SAP的援手文档去找。AI在这方面能够做得极度好——它能更好地浏览这些职能区域 ，援手文档都在那里 ，只是必要找到它、将说话映射起来。而人类在从前二十五年里 ，一向是挖掘软件职能的瓶颈。我坐飞机时遇到旁边的人问我："怎么让PowerPoint做到X ？"Aaron Levie："去找职能区�。�"Steven Sinofsky：对 ，真的很疾苦 ，眼睁睁看着有人在Word里被项目符号和编号折磨 ，或者在Excel里试图做一个双轴图——这险些是火箭科学级此外操作 ，很少有人会 ，但这需要又极其普遍。所以那种人机界面上的阻抗失配一向存在。Martin Casado：在消费层 ，我齐全认同——就是那种美满流畅的UI或消费层。但我对后端 ，对那些系统纪录层有疑难。Aaron Levie：最终可能会……Martin Casado：最终会收敛到某种数据库 ，某套通用API ，而后将它们衔接起来。这似乎是发展的方向。我赞成。Steven Sinofsky：我插一句。Martin Casado：我上周花了整个周末在实现我的Nano Club Bot。刚起头的时辰 ，感触像是在为每个平台单独构建集成——OpenAI有所有的集成 ，Data Cloud只有几个 ，所以你得自己构建好多工具。但经过两三天之后 ，你根基上就有了你必要的工具集成。Aaron Levie：但刚才我们说的是幼我出产力 ，或许是在整顿幼我生涯之类的事件吧 ？Martin Casado：不 ，是工作产出。Aaron Levie：好 ，那是工作出产力。但若是是SAP这样的系统——就有无限的复杂性了。好比某家跨国供给链公司 ，要处置来自三十个分歧系统的七十五类信息 ，那对智能体的运算能力要求 ，是我们至今任何架构都无法支持的。Steven Sinofsky：但你刚才描述的 ，正是它从前五十年一向在做的事 ，以来也会持续做——我有个伴侣曾是美国退役武士事务部的CIO ，他所有功夫都花在把七十五个系统粘合在一路 ，满是集成工作。Martin Casado：对 ，对于集成这件事我齐全认同——这类AI工具是最好用的 ，就是把两个系统拼接在一路。Aaron Levie：但我以为此刻在产生的 ，是"按需集成"——就是那种IT团队没有预先接线 ，但我此刻必要它在运行时实时产生的新查问。Steven Sinofsky：好 ，让我说个现实场景。我最近参与了一个CFO和CIO的会议 ，当我说了一些类似的话时——固然没有你说得那么乐观——会议实现后有六幼我跑过来对我说："你疯了 ，你已经齐全失去我对你的信赖。"Martin Casado：太好了！具体是什么概想让他们这么激昂——是说智能体味做集成这件事吗 ？Steven Sinofsky：我说集成问题会变得更容易 ，他们否决的不是这件事自身 ，而是让通常人去做集成——把权势开释给人类去做集成——这才是他们胆怯的。由于一旦人们起头轻易创建新的集成 ，你蹬宗是在说：请来粉碎我的系统纪录吧。在系统27和系统38之间轻易建一个新API ，若是只是用来看汇报 ，那无所谓 ，由于那是他们自己的事；但你不能——Aaron Levie：我以为这件事在相当长一段功夫内会停顿在只读层面。Steven Sinofsky：对 ，"相当长"这个功夫会极度长。Martin Casado：此刻好多AI的利用其实都是消费层 ，消费者是人类 ，真正的落脚点还是消费侧。Aaron Levie：是的。我们刚刚正式推出了Box CLI ，感激你点赞了那条推文。Steven Sinofsky：我点赞了 ，我也用了 ，有些反馈想和你说。Aaron Levie：迎接所有反馈。这是一件很有趣的事。我们内部有好多会商：把Claude Code和Box CLI结合起来 ，你就能够用天然说话操作整个Box系统 ，并且有Opus 4.6作为编排器来执行一系列操作——某种水平上令人叹为观止。你能够说"把我桌面上的这整个文件夹上传到Box" ，它就能做到；或者"处置这个文件夹里的所有文档" ，它也能做到 ，极度惊人。而后我们起头深刻思虑：如果一家公司有五千名员工 ，各人都能接见某个共享的知识库——工程文档、市场资产之类的——并且每幼我都在跑Cloud Code或Codex加上CLI。这就出现了一些极度有趣的新挑战。好比若何协调并发——你可能每幼时向系统提议一万次要求；不是机能问题 ，而是若何确保在某人进行写入操作时 ，没有其他人意表地移动了一个文件 ，而另一幼我同时试图删除某些器材。由于你会有这些智能体在系统里四处乱跑。这将成为每一位CIO、CFO都要焦头烂额应对的新沉大议题。Steven Sinofsky：这正是我遇到的情况——我依照你的例子操作 ，创建一个营销打算目录 ，了局进入了某种死循环 ，不休地创建目录。Aaron Levie：它会跑到死为止。Steven Sinofsky：对 ，我其时就在想 ，Box上目录数量有没有上限 ，由于我将近撞上了。Aaron Levie：我们也会一路发现这个答案的。Martin Casado：我的感触是 ，好多人的直觉反映是：再加一层节造层。但现实上在实际中 ，各人做的刚好相反。举个例子：当我们刚起头使用这些幼我智能体时 ，我们会把自己的API密钥、邮箱地址给它 ，让它去接见这些资源 ，同时不安"怎么阻止它乱来"。而此刻各人的做法是给它一个专属的手机号 ，甚至给它一张独立的信誉卡。Steven Sinofsky：是CBS买的那种Visa借记卡 ，里面只存了一点钱。Martin Casado：对 ，还给它单独的Gmail账号 ，而Gmail自身有美满的RBAC权限系统。所以你能够说 ，其实我们已经在好多处所内置了这些权限系统——你必要把它当成一个独立的人来对待 ，而不是不休叠加新的节造层。Aaron Levie：好 ，我能马上辩驳这个我们即将遇到的问题吗 ？对于幼我出产力 ，这套逻辑很美好。但在企业场景里 ，问题就来了。举个单一例子：如果有一个五十人的团队 ，是不是根基上就会造成五十幼我类和五十个智能体共同在统一个空间里合作 ？我当然能齐全掌控我自己的智能体 ，但若是我的智能体与别人合作 ，意表获得了我本不该有权限接见的某个资源 ，而这个自主的、有状态的智能体还在持续为别人为作——这该怎么办 ？Martin Casado：把智能体当人对待 ，问题就解决了。Aaron Levie：但不能齐全把它们当人对待。原因如下：对于通常员工 ，你没有权势查看他们的Slack频路 ，没有权势以他们的身份登录 ，没有权势监督他们的所有 ，他们对自己的行为承担责任 ，你不会由于他们的失误而被连带惩治。但对于智能体 ，你要承担它所有行为的全数责任 ，你必要维持齐全的监控 ，而它没有任何隐衷权。所以有些处所 ，"把它当人看"这个类比是不成立的。我必要可能给它授权 ，但也必要可能随时以它的身份染指 ，查看它做了什么 ，甚至撤销所有操作。但若是我能随时以它的身份登录 ，那它怎么可能在现实世界里与他人合作 ，同时保有任何大局的保密性或安全性 ？所以它性质上只能是你自身的延长 ，险些没有法子绕开这一点。这是一个我们目前还不知路若何在短期内解决的问题——你能够随时糊弄智能体让它泄露信息 ，这就是为什么给智能体齐全独立的资源接见权、让它齐全自主决策 ，目前还做不到。Martin Casado：这个逻辑并不是必然成立的。好比 ，对我的员工 ，我在必要时也能够接见他们的邮件。Aaron Levie：但你在日常中不会这么做。你能够在必要时获取接见权 ，但那是特殊情况 ，好比诉讼 ，而不是常态化的监控。Martin Casado：用正确的操作模型对待智能体 ，路理是一样的——Aaron Levie：但风险是一千倍级此外。智能体味在被提醒的情况下绝不犹豫地把信息发给任何人。Martin Casado：我以为 ，这些器材最终的状态 ，是它们始终是"不够精确的推算机" ，它们始终无法齐全保密信息。Aaron Levie：我不太喜欢"不够精确"这个说法 ，不外若是是口语化的意思的话——让高低文窗口里的内容保密 ，就是"通知它不要泄露X" ，我以为这是一个极度难解决的问题。因而 ，只有有任何器材进入高低文窗口 ，你就必须如果它有可能被提醒注入攻击所提取出来。我们目前还没有找到解决规划。并且 ，若是我知路你的智能体邮箱地址 ，我能够给它发邮件。我对一个智能体进行社会工程学攻击 ，比糊弄一幼我类要容易得多——它同时还能接见你的M&A文件 ，这就很危险了。Martin Casado：但这难路不就是当下AI面对的整体处境吗 ？Aaron Levie：具体说的是哪个方面 ？Martin Casado：就是此刻我们使用这些AI系统和智能体的方式——共享系统、共享高低文。Aaron Levie：对 ，而这正是为什么此刻你根基上是"以自己的身份"在使用它们 ，而我们还不知路若何让它们不以你的身份运作。Steven Sinofsky：让我给个例子。Aaron Levie：解决这个问题 ，关键在于：你能够等闲骗到智能体 ，让它泄露信息。所以让它占有齐全属于自己、可能自主决策的独立资源 ，目前还是无法做到的。Steven Sinofsky：这里有一个美满的类比——我们已经经历过开源的过程� ？吹哪Ｐ途褪�"所有都在那里 ，你自己用 ，爱取什么取什么" ，其时也没什么争议 ，由于那时辰世界很幼 ，没有人在网上开播客会商这些。但很快各人就意识到了你刚才提到的所有问题：在大公司里 ，你不能轻易让人把开源代码复造粘贴进你的贸易产品 ，涉及许可证问题、质量问题等等 ，因而各类规范慢慢发展起来了。我们此刻在经历的这场会商 ，是新技术发展过程中一个极度有趣的现代景象——这所有都在实时产生。昔时开源的时辰 ，我们坐在会议室里会商Windows或Office能够使用几多开源代码 ，网上没人知路我们在进行这场争吵。而此刻 ，关于这所有走向何方的会商 ，是在有木懿见之下产生的 ，所有人都在试图争先达到终点 ，但快率远远超过了我们真正能到达终点的快率。所以真正必要的 ，是人们踏踏实实地去构建器材。Aaron Levie：我们必要尺度 ，我们必要——Martin Casado：我以为我们对终态有分歧的直觉。Steven Sinofsky：你不想听我的直觉。Martin Casado：你能够构建一个端到端的论证 ，说这些智能体最终会收敛到与人类一致的靠得住性——就像我们对待自动驾驶的方式一样。到那个时辰 ，你就能够用对待人类的统一套机造来进行�；ぁ伎寄诓客� ，思考被收买的可能性 ，思考报答失误的可能性 ，进行风险评估 ，成立操作流程。这是一种直觉。但也存在另一种直觉——Aaron Levie：我说的只是我们此刻所处的地位 ，关于终态我们不定有吩扃。并且从战术上来说 ，我们也在双方下注——我们会构建智能体用户和相应的注册机造 ，我很喜欢Open Claude占有一个Box账号并独立运作这个设法。Steven Sinofsky：对 ，账户数量直接翻倍。Aaron Levie：齐全支持。我只是说 ，就此刻而言 ，我们还不知路若何安全地把一个M&A数据间交给智能体。Steven Sinofsky：但这现实上比你描述的还要难。由于威胁向量将会远比今天的人类威胁复杂得多。你不能如果智能体的行为和今天的人类一样 ，由于在某种意思上 ，被注入了恶意指令的智能体 ，就是有史以来最急剧、最周密、最无所不能的"超等人类" ，它会全力以赴地试图泄露信息。所以接下来会产生的是：企业客户会先把所有都锁死 ，直到这所有有了某种秩序感为止。而与此同时 ，幼我用户 ，尤其是开发者 ，会占有巨大的先发优势。我以为 ，这正是最令人兴奋的张力地点——企业会落后于这些高度幼我化的"超等个别" ，这些人看起来就像是新兴创业公司。创业公司由于没有汗青包袱 ，将会以远超大企业的快率前进。当然 ，智能体在创业公司里"脱轨"可能会是千载一时 ，不外那不外是一集《硅谷》剧情。Aaron Levie：关于风险 ，我赞成风雅向 ，但有几点差距。好比 ，我没有法子用"不然就开除你"来威胁Claude Code ，但对于通常员工 ，你至少有那条线——95%的人不会自动做坏事。Steven Sinofsky：他们不是自动为恶 ，但无意中造成侵害的能力……Aaron Levie：我以为 ，让通常员工不向公司表部谬误地分享文件 ，要比让智能体遵守同样一套指令容易得多。Steven Sinofsky：并且你此刻有工具 ，能够在一个更高的抽象层级上阻止这种行为 ，这正是为什么必须把这些能力内置到软件里。Aaron Levie：是的。我以为 ，把刚才你最后这个概想提炼一下 ，这很大水平上诠氏缢为什么AI能力的遍及扩散 ，将比硅谷的人们预见的破费更长功夫。我们看到的是从零起头的创业公司 ，由于没什么可炸掉的 ，所以能够无顾虑地启程 ，因而我们把这当成普遍合用的轨迹。但当你去面对摩根大通 ，问他们"你们筹算若何让Nano Claude在近期内真正实现业务自动化"——那之间的差距可就大了。Steven Sinofsky：你们怎么看这个大与幼、创业公司与企业之间的割裂问题 ？我以为这引出了一个很有趣的问题。那些在经历"SaaS末日"的现有SaaS厂商——我不齐全认同这种说法 ，但他们的确面对一个真事阀境：他们卖的性质上不只是数据 ，而是封装在整个系统里的智能和领域知识。而智能体那一侧此刻只想买数据 ，只想授权接见数据 ，想要无限度地接见数据——但SaaS厂商从来没有真正盛开过这一点 ，这从来不是他们的贸易模式 ，这也是Workday、SAP等厂商持久以来的主题张力之一 ，关于盛开多大水平的API接见。Salesforce就经历了三次大规模的平台沉构。我以为这是一个出格有趣的问题——不是华尔街那种视角 ，华尔街对经济逻辑和问题的判断全都是错的 ，但从技术视角来看 ，当所有人都想直接接见数据时 ，"系统纪录"到底意味着什么 ？Martin Casado：是用于模型训练 ，还是用于其他主张 ？Steven Sinofsky：他们真正不安的是 ，某些大客户的供给商想用客户的数据来训练模型。Aaron Levie：其实即便不涉及训练 ，这个问题也存在。由于以前用户在你的UI里操作 ，此刻只是通过网络发送一个API要求 ，两种方式的变现能力有天壤之别。Steven Sinofsky：但变现问题是华尔街视角。我以为 ，像SAP这样的系统 ，里面有大量的领域知识 ，它们不会隐没 ，这绝对是事实。以为你能靠"氛围编程"取代SAP ，长短�９值�。SAP里那些领域知识不只存在于某个精心设计的数据层里 ，它还存在于UI里、中央件里、以及系统的使用方式自身里。所以我真的不确定这会若何演变 ，由于SAP不会隐没 ，这就会减缓AI在那部门数据上的遍及快率——不论是智能体自动操作数据 ，还是只读查问汇报。你怎么看这个问题 ？Aaron Levie：好 ，我来说一个可能有点斗胆的概想。Steven Sinofsky：说吧 ，你不说就别想再被约请来了。Aaron Levie：我已经齐全相信了"为智能体构建产品"这个理想。从前一年里 ，这个概想逐步清澈 ，我以为我们其切实这一点上是一致的——经过足够多的迭代之后 ，在某个时刻 ，智能体将在很大水平上主导它想要使用什么工具。智能体当然无法更换一套企业系统 ，但再过几代之后 ，智能体也许会遇到太多你的软件设置的阻碍 ，而后直接说："你得把这套旧HR系统彻底换掉 ，不然我没有法子为你自动化这个工作流。"所以的确存在一种很有趣的动态——回到"智能体体量是人类的百倍甚至千倍"这个逻辑 ，沉复足够屡次 ，软件栈就必须为智能体而构建。也许会有几个固执分子 ，几套ERP系统是最后的守旧者 ，但其他所有城市是：你的业务阐发 ，将与你的智能体能否顺畅获取所需信息高度有关。因而 ，你的企业IT基础设施必须支持智能体的高效运行 ，智能体将变相掌控所佑转—由于你的软件必须让那些智能体有效工作。这意味着每一家SaaS公司或软件公司 ，都要面对这个主题问题：你能不能构建高质量的API ？你能不能实现变现 ？你能不能处置智能体的身份和接见节造 ？这就是你构建软件公司时必须解决的新问题。变现怎么实现 ？Workday会为每次HR纪录查问收取一分钱吗 ？这我们以来会搞明显。我以为有些业务可能收入会削减 ，另一些则可能大幅增长。我们感应兴奋的是：每个智能体都极度喜欢处置文件 ，所以将来可能会有比以前多得多的文件。我们能否构建一个让智能体极度容易处置这些数据的平台 ？我们押注这对BB电子贸易模式是一个乐观的了局。当然也会有一些贸易模式受到压缩 ，由于在那种将来场景里 ，智能体创造的价值弘远于软件自身；而介于两者之间的 ，则是大无数情况。Martin Casado：我能对一件事提出异议吗 ？Aaron Levie：我以为我说的没什么争议……Steven Sinofsky：我们在这里就是要提出异议的。Martin Casado：我以为Paul Graham以及好多人忽略了一件事——他们关注的是界面 ，会说"为智能体构建产品"之类的话。但我以为这险些齐满是错的。Aaron Levie：平正地说 ，Paul Graham其实没佑转—Steven Sinofsky：被过度引申了。Aaron Levie：是我把Paul Graham拉进来的。Martin Casado：好 ，那我说的是那些在抽象层面讨论这个问题的人。他们会说"此刻你是在向智能体做营销 ，最沉要的是你得有个好API"。我以为这险些齐满是错的。Aaron Levie：这个概想很沉磅。Martin Casado：智能体真正善于的 ，是自己找到解决蹊径。归根结底 ，真正沉要的是语义。在我的经验里 ，智能体极度长于为手头的工作选择正确的后端——它们不会说"这个界面很好用" ，它们思考的是成本参数、悠久性之类的内容性成分 ，使用着我们使用这些平台的集体智慧。好比云平台 ，此刻有好多 ，每次我让智能体选择一个平台 ，它现实上是在用真正有意思的尺度做判断 ，而不是界面层的器材。所以我以为 ，作为一个行业 ，我们太过关注界面了——"哦 ，你得给智能体做好营销之类的"。但现实上 ，真正决定输赢的 ，是你有没有构建一个更好的系统。Aaron Levie：好 ，我感触我们其实没有吩扃。我不是从营销的角度来看这件事的 ，我更多想说的是：若是你的工具对智能体是封关的 ，智能体最终会为那家公司找到更好的代替工具。以前你去找Gartner征询用什么系统 ，迭代足够屡次之后 ，智能体就会说："你应该用这种数据库来处置这类操作。"若是你不在那个推荐名单里 ，你就出局了。Martin Casado：我以为这其实值得庆祝 ，由于智能体在选择技术上相当聪明。从前 ，影响采购决策的往往是好多与技术自身无关的成分。Aaron Levie：不外别不安 ，在硅谷 ，我们很快就会把这种精英竞争机造给粉碎掉的——Steven Sinofsky：有人会起头贿赂算法推荐。Workday的营销智能体味设法子采办推荐排名……Aaron Levie：设法子给智能体送牛排晚餐。Steven Sinofsky：对 ，就这意思。但的确有一个真实且有趣的景象——这就像昔时在互联网时期 ，每家公司的内网文件共享里都有最好的文档、最好的PPT、最好的财政模型。人们会熟悉这些 ，找不到相宜的就创建一个新的。好多组织就这样运作 ，某种水平上是一个自由市场。Box出现之前 ，若是不是数据库里的文件 ，IT人员底子不在乎；他们只关切SQL里的器材。你描述的模型的风险在于：智能体自身会天生一套事实上的新参考系统 ，在IT部门眼里 ，这些都是"中央件"层面的终端用户乱搞。并且这套系统会以碎片化的方式舒展 ，这是真实的风险。某种水平上 ，就像"宏代码最终收受了整个公司"。IT部门见过这种事 ，也见过让营销部门自己去网上买个活动网站 ，了局造成沉大安全缝隙 ，邮件列表泄露 ，公司被告上法庭的情况。所以这种动态里存在比我们刚才说的更多的真实世界张力。并且 ，分歧组织的推动快率会极度分歧。摩根大通会是最慢的 ，创业公司会是最快的 ，但差距极度大。即就是创业公司 ，这件事也还差一段距离 ，由于创业公司在某个时刻也必要系统纪录 ，它们也城市使用SaaS ，并且不会很快代替掉。所以我以为这件事比看起来更复杂。Martin Casado：感触有两种截然对抗的概想。一种是埃隆说的那种——你输入一个提醒词 ，直接输出机械代码 ，也就是"层级坍塌论"：从前成立的所有现有界面和层级城市隐没 ，直接从提醒词到机械代码。另一种是系统汗青的视角——层级从来不会隐没 ，只会持续叠加 ，由于好多层级现实上是组织天堑、状态天堑——Steven Sinofsky：或者兼容性需要 ，它们由于兼容性而留存。Martin Casado：另一种论点是：我们成立这些层级是有原因的 ，是为了满足人类和组织的需要 ，这些需要不会扭转 ，智能体将会适应这些层级 ，而不是突破它们。我偏差于后者。我以为系统仍将以相当类似的方式运作 ，也许会有更多智能体在使用它们 ，但我不以为系统自身会有太大的演变。Aaron Levie：也许"Anthropic增长营销掌管人案例"那个类此外人 ，就是最靠近第一种情况的——由于他们从第一性道理启程构建了最纯正的AI原生工作方式。而对于通常人来说 ，我们还是想用一套现成的CRM系统。Steven Sinofsky：这不是没有被尝试过的事件。若是你从第一性道理启程沉新设计一套ERP系统——SAP昔时在1970年代缔造时有一套如果 ，今天你会有齐全分歧的如果 ，架构会极度分歧。但那套新架构十年后你又会感触："当初那个决策真是错了。"所以层级的存在有其必然性 ，但第一性道理思想也始终会存在 ，由于在职何功夫节点 ，你基于其时的约束前提所能做出的决策 ，会决定整个系统的走向。就像激光雷达 ，十年前齐全合理 ，但你还是必要十到十五年能力证明"不用激光雷达也行得通"。而后又会有一堆新的器材让你说："当初齐全能够用分歧的方式做。"所以我的感触是 ，我们此刻的会商是在试图赶到一个终点 ，但先让我们看到你所描述的事件真实产生的第一个案例——那才是真正的信号。我以为企业只会回到层级和架构模型 ，由于那是唯一可行的方式。Martin Casado：对于安全和合规来说 ，这是必须的。Steven Sinofsky：也是构建系统的唯一方式。不然你只是在写一个利用。若是这个利用只做一件事 ，那就齐满是另一种做法了。Aaron Levie：我出格感兴致的一件事——我没有什么惊人的数据点 ，但至少从概想上来说——那些在服务类行业从零起头、以第一性道理构建的新公司：营销代理机构、工程征询公司 ，或者司法事务所 ，也许还有施工设计、构筑设计 ，任何类型的知识型服务公司。若是你没有任何汗青包袱、没有信息壁垒和接见权限天堑 ，你能够把所有高低文都给智能体 ，随时为特定需要写代码 ，你的确能够以极度分歧的方式构建你的公司。我以为这将拥有相当大的颠覆性 ，直到那些大型incumbents可能赶上来为止。这至少会创造出一些先例和案例 ，展示这种新型组织状态是什么样的。当然 ，随着功夫推移 ，它们终于还是会遇到所有其他公司遇到的问题——Steven Sinofsky：地理扩张、市场细分、分发渠路……凡是超出你那四堵墙的 ，城市遇到现实世界的阻力。Aaron Levie：我的确喜欢"新贸易模式得以开启"这个设法。当然 ，由于有大量信息和软件的利用率 ，比其现实经济价值低一百倍——原因很单一 ，没有人愿意为接见一条数据支付5分钱 ，或者只用一次某个工具支付1美元。但一旦给智能体一个预算和一套和谈 ，它就可能即时获取医学钻研资料并支付3美元——这件事反而做成了。智能体能够直接实现这些微买卖。这开启了一整套新的贸易模式。Steven Sinofsky：互联网的汗青……好 ，我忍住不说太多了。但那个概想 ，我以为是目前最沉要的"悬而未决"的问题之一：所有人都在试图搞明显这所有的经济逻辑 ，但他们对这个机遇量级的估计 ，至少差了一个数量级。原因是没有人知路新贸易模式会是什么 ，但它们肯定会出现 ，每一次新技术都是这样。此刻会商的造约成分是：一堆金融和华尔街人士在致力为GPU、词元这些器材成立盈利模型 ，如同我们还活在旧世界一样 ，把收入看作某种线性增长曲线。这就像PC时期 ，人们把PC视为一个有限市场 ，由于他们只是把算力当成一个有限的亏损品 ，没有想到若是把这些算力放到每一台桌面上会产生什么。他们以为软件是随硬件绑缚销售的 ，没人想到能够单独卖软件。直到有一幼我想到了 ，了局证明那是一个极度好的主见——Bill和Paul。同样的事件也产生在云推算上——人们看着云说 ，我们只是要把服务器业务 ，约莫每年六万台的量 ，搬到别人的数据中心 ，而后按比例分摊价值。没人说"人们使用资源的量会增长一千倍"。这正是让我抓狂的处所——华尔街的模型总是把收入蛋糕当作固定大幼的。Martin Casado：是个靠近于零的器材……Steven Sinofsky：对 ，在某个处所趋近于零。他们以为一家公司的支出总量是固定的。这也是Salesforce昔时面对的问题——Mark Benioff在启发一条新路：CRM市场其时是20亿美元一年 ，并且这20亿必要你买一堆服务器、Oracle许可证 ，经历漫长的部署和征询过程。但若是你能让销售人员直接幼我注册 ，他们城市注册 ，零摩擦 ，对吗 ？这就是当下AI在产生的事 ，毫无疑难。Martin Casado：我来举个例子。我做了十年投资 ，或许有240家公司的组合 ，其中约50家是基础设施公司 ，汗青上有做得好的也有做得不好的。从前六个月里 ，这50家公司无一例表地全数进入了曲线的指数增长段。原因很单一：此刻每天被写出来的软件 ，比以往任何时辰都多——并且不是由于他们有了大型企业客户 ，纯正是基础设施层的亏损在爆炸式增长。随着更多软件、更多智能体的出现 ，推算资源的亏损量将会更大。Steven Sinofsky：我们甚至还没有到"每幼我的手机都在大量亏损AI"的那个节点。一旦设备端AI真正落地 ，这个数量将会再增长十亿倍。Aaron Levie：你支持微支付这个方向吗 ？Steven Sinofsky：总体上是支持的 ，但汗青上每次技术革命城市有一波人以为微支付会成为主流 ，最终在企业场景里 ，各人还是更偏差于批量授权或打包采办 ，由于更单一、更可预期。Aaron Levie：各人想要的是可预测性。Steven Sinofsky：对 ，不想时刻推算成本。但我也喜欢这个设法——Aaron Levie：我喜欢的是 ，这是第一次你有一个主体 ，它齐全不在意幼额买卖的摩擦。第一次出现了一个愿意为付费墙后面的资源现实付费的参加方。Steven Sinofsky：而整个世界已经成立了基础设施 ，可能把这些支付聚合成对客户来说高效的大局。Martin Casado： 由于词元此刻是成本的沉要组成部门 ，这在推动整个行业向使用量计费转型。我记得从永远授权到订阅的转变 ，那必要极大的预算和组织刷新。我们此刻在经历同样的转变 ，走向使用量计费 ，而使用量计费极度细粒度——Steven Sinofsky：我们在AWS时期就经历过这个——人们其时极度胆怯云推算的弹性成本 ，催生了一批援试祗业找到最廉价值的中央商公司。Martin Casado：对 ，就是那个。Aaron Levie：好 ，把词元引入进来 ，这个话题我不知路我们在这段对话里有没有功夫发展。但工程推算预算这个话题 ，在将来几年将会是最疯狂的会商之一。应该把几多工程用度分配给词元 ？分歧的人给出的答案可能从1%到100%都有。Steven Sinofsky：是的 ，但这……Aaron Levie：CFO必须真的给出一个答案。Steven Sinofsky：CFO总是想知路那些没有答案的问题的答案。Aaron Levie：华尔街会逼他们给出答案。Steven Sinofsky：华尔街会逼他们编一个数字 ，而后拿着这个数字追责 ，而后CFO被炒 ，而后这件事就从前了。Aaron Levie：研发支出通常是任何上市公司收入的14%到30%。若是推算资源的成本是工程团队薪酬的两倍 ，或者只多3% ，这之间的差距是巨大的 ，直接影响到EPS。我们不得不搞明显这件事。Steven Sinofsky：我不介意就义几个CFO。这是个好片段 ，顺便说。但原因依然是：我们在试图回覆一个当下底子没有答案的问题。这在互联网带宽时期也产生过 ，在——Aaron Levie：不 ，这和网络带宽齐全不是一个级此外事件。Steven Sinofsky：是的它是 ，它产生在真空管时期 ，产生在晶体管时期 ，每次新技术城市经历这个阶段。甚至产生在法式员身上——在我有生之年 ，已经有那么一段功夫 ，人们感触法式员将会吞噬所有公司的成本预算。Aaron Levie：但我以为我们从来没有经历过这种情况：组织里的每个终端用户都占有齐全弹性的、可能代表自己提议推算要求的能力。Martin Casado：这听起来和2016到2018年云推算时期产生的事件极度类似——其时也有一整套公司 ，根基上就是助你管云支出仪表盘的 ，好比Finops类的工具� ？⒄哂辛嗽平蛹ㄏ� ，但云支出起头失控 ，因而就出现了"这是你的Twilio支出 ，这是你的AWS支出"这类工具。Aaron Levie：但这是很不一样的 ，并且我等着YouTube评论区来纠正你。那时辰你能够把团队叫进会议室说："能不能把这个算法稍微优化一下 ，别在深夜占用那么多集群资源。"会议实现了 ，有人去改 ，搞定了。此刻的问题是 ，每个工程师的每一个提醒词都涉及到这些决策：这个工作要不要设计成长时运行 ？要不要并行化 ？你对浪费词元的容忍度是几多 ？此刻我的答案是 ，我们应该多浪费一些词元 ，由于那意味着我们在尝试新器材。你的工程掌管人应该欣喜地看到你同时跑十个尝试吗——固然90%的词元被"浪费"了 ，但你会从当选出一条成功蹊径 ？还是要通知团队 ，先齐全设计好系统再去执行 ？以录造这期节主张此刻为例 ，各人此刻在为新的Cloud Code Max打算产生的词元限度而抓狂 ，三个提醒词就被卡住了。这将是一个极度真实的话题 ，直到我们真正可能扩建数据中心容量为止。Steven Sinofsky：那是另一个问题了。如果我们建了更多容量 ，价值会降落 ，由于此刻的高价是有限供给造成的。但——Steven Sinofsky：这件事终于会解决 ，我为那些此刻必须马上做出决定的人感应同情——这周哪十七幼我不能再用词元了 ，或者每幼我揣着一张词元卡列队打饭。但你知路 ，就像我们以前在号令行工具里输出号令运行功夫 ，以便知路有没有变好或变慢——这所有 ，这些问题 ，都终将隐没。毫无疑难。Aaron Levie：功夫框架上 ，我百分之百赞成。Steven Sinofsky：最底子的原因是必要做Benioff那种算术：若是你付给一个企业销售人员一百万美元一年 ，那他的工具值几多钱 ？若是你付给一个工程师X美元一年 ，那他的工具在某个功夫点就是齐全值得投入的。这不会成为一个问题。若是短期存在产能瓶颈 ，那是一个分歧的问题 ，是供给驱动的价值 ，而不是说我们始终都要做这种成本预算操练。Aaron Levie：我以为大数定律会解决这个问题 ，由于最终会有足够多的工程师使用足够多的推算资源。但我们此刻处于一个过渡阶段——两年前大无数人以为AI支出就是一个谈天机械人 ，了局他们错了 ，我们试图提醒他们 ，但他们还是错了。Steven Sinofsky：他们错了 ，是由于他们只看到了这个特定的利用场景。但就像真空管那个例子——已经有人以为达科他州会被真空管仓库覆盖 ，还有穿戴轮滑鞋的工人沿着走廊飞奔更换真空管 ，以支持二战的运算需要。而后有人说 ，不然用晶体管 ？我们也会在AI领域迎来属于BB电子"晶体管时刻" ，可能是供给端的扩张 ，也可能是算法层面的底子性突破 ，或者是硬件的刷新——好多事件都可能扭转这个当下时刻。我以为 ，此刻每幼我都把眼光锁死在词元上 ，这是一件出格奇怪的事件——就像昔时IBM的大型机时期 ，各人都在看推算能力（MIPS） ，直到某天有人指出 ，IBM每年都在以更少的钱卖出更多的推算能力（MIPS） ，而他们自己还没意识到 ，还在按MIPS定价 ，直到有人通知他们 ，他们已经站在一条下行的曲线上——由于他们出产MIPS的快率 ，快于他们收费的快率。同样的事件肯定会产生。我就这么说。Martin Casado：听起来极度有信念。Steven Sinofsky：对 ，听起来就像是我知路自己在说什么一样。Aaron Levie：我可能应该相信这一点。
