2026 年 4 月，一篇长文在 X 上迅速走红。
这是 Box CEO Aaron Levie 在密集拜访数十位大型企业 AI 负责人后写下的观察。他发现，未来的工作流需要围绕 Agent 来设计，而不是人类。
Aaron Levie 在 X 上发布的长文（上下滑动查看）
2005 年，Levie 从 USC 辍学，和从小一起长大的朋友 Dylan Smith 在一间狭小公寓里创办了 Box。那时 iPhone 还没有问世，YouTube 刚刚上线，大多数人依旧靠 U 盘拷文件、用邮件附件传资料。云技术听起来既新鲜又不太靠谱：网速慢，浏览器笨拙，IT 部门对「把数据放到别人的服务器上」这件事充满戒备。
但 Levie 的判断很简单：未来所有数据都会上云，人们会希望随时随地访问自己的文件。
今天看，这是常识。但在当时，这更像一句危险的预言。为了让企业客户接受 Box，他花了大量时间反复解释为什么云端比本地服务器更安全，为什么未来工作流一定会跨设备、跨系统流动。
后来很多人复盘 Box 的故事，会把它视作 SaaS 时代最经典的公司之一。但今天 Levie 谈起 Agent、API、Tokenmaxxing 时，底层逻辑其实没有变。
他始终笃定一件事：技术浪潮真正改变世界时，被重构的不只是工具，而是整个工作流。
过去，人们需要亲手打开文件夹、点击按钮、上传文档；未来，Agent 会在后台跨越 ERP、CRM、文档系统和数据库自动完成这一切。
真正重要的不再是界面里有多少按钮，而是谁能成为 Agent 工作流的首选。软件正在走向「Headless」，没有界面，只剩接口。
在 Levie 看来，未来 Token 的预算一定会从 IT 支出中被单独拆出来，成为新的组织生产力预算。
当年 Box 想成为「文件最适合存放的地方」。
今天，Levie 更希望它成为「Agent 最喜欢工作的地方」。
- 一个大型就业机会正在诞生：新岗位 Agent 运营官将创造 50-100 万个就业机会，核心工作是深入传统企业，为 Agent 而非为人重新设计业务流程，帮助受监管的大型企业真正释放 AI 红利。
- 软件的价值从「界面」迁移到「业务逻辑」：从 SaaS 到 Agent，业务逻辑不会变。真正变化的是用户和工作流交互的方式。以前是 GUI，现在可能只是你在跟一个 Agent 对话。当 Agent 替代人类完成大量点击操作后，产品核心竞争力不再是前端功能的堆砌，而是稳健且专有的 API。
- Token 预算正从 IT 支出变为业务支出：企业的 AI Token 分配应与最高价值产出环节挂钩并分层配给。未来 Token 预算不再受限于传统 IT 预算，而是可以直接切入业务线的运营支出。
- 打造成功 Agent 产品的关键是 API：AI Agent 时代，真正能提升价值的不再只是产品本身，而是掌握核心工作流和数据，拥有足够好的 API，成为未来 Agent 工作流的首选平台。
一个全新的职业机会
Harry Stebbings：Aaron，很高兴你来到节目。在开始之前，我想先聊聊 Dwarkesh Patel 采访黄仁勋那期播客，你怎么看？
Aaron Levie：我觉得这期节目很能反映一个人看待 AI 的方式。我大概认同黄仁勋 80% 的观点，我自己的逻辑也跟他挺像的。
黄仁勋提了一个特别重要的观点：如果只是因为 AI 会替代一部分工作，我们就把大家吓得不敢去学工程、不敢去学医疗，那是在自讨苦吃。
现在的 AI 依然需要人类审核。哪怕你不用逐行检查每个细节，也还是需要人在更高层面做判断。我们没有把人类踢出整个决策链条，只是改变了人类的入口。
Harry Stebbings：五年后，Box 的工程师数量会更多还是更少？
Aaron Levie：会更多。我觉得大家在这个问题上都太短视、太局限、太自我了，总把科技行业当作整个世界。
但如果你真的去和那些农业机械巨头、银行、制药公司聊聊，问他们：「你们现在的工程师够吗？够支撑整个行业未来全面自动化吗？」
他们都会告诉你：「远远不够。」
因大量的任务自动化需求，软件工程师的职位正在增加
Claude Code、Codex 这一类产品真正重要的地方在于，它们第一次让传统企业也拥有了接近硅谷的工程能力。
我们一直默认只有科技公司需要大量工程师，但科技行业可能也就占 GDP 的 8-15%。如果剩下的 85% 也能像科技公司那样拥有强大的工程能力，会发生什么？
未来一个计算机专业毕业生，可能不会第一时间去 Google，而是去 John Deere（全球领先的农机巨头）、Caterpillar（建筑工程机械巨头）。你的技术在这些行业一样成立。你不再只是做一个带几个按钮的软件，而是在为未来的农业、制药和工业系统开发 AI。
这件事已经开始发生了。
《金融时报》最近有篇很有意思的文章，说律师们现在正被客户发来的 AI 生成内容淹没。客户会说：「帮我审一下这份合同」「看看这个 memo 和 case」。
但真正的瓶颈在于，能够完成最终审核的专业律师数量还是有限的。
生成法律文本现在变容易了，但真正进入法庭、申请专利、完成实际法律流程，这些事情一点也没变简单。
这也是我和大多人不一样的观点。
Harry Stebbings：但我们确实已经看到一些初级法律岗位开始消失了。
Aaron Levie：这是另一个层面的问题。也就是，当 AI 自动化掉那些传统初级任务之后，我们该怎么培养下一代从业者。
我完全同意这是个真实的问题，但它和自动化之后依然存在的系统瓶颈是两件事。
两周前我和一家客户聊，他们在做病人转诊自动化。不管你是预约放射科、专家门诊还是其它流程，现在理论上都可以自动化了。你不用再打一周电话去排队。
但结果呢？流程自动化了，医生排期还是要等 18 个月。真正的瓶颈其实是医疗系统本身的承载能力，是医生数量，是组织内部真正能提供服务的人力。
也许未来你确实不会想把职业生涯押在医疗行业的一线客服岗位上，但与此同时，又会出现大量新的工作机会。
自动化会暴露出更多新的约束条件，我们最后反而需要更多人去解决这些问题。
很多行业过去之所以看不见真正的瓶颈，只是因为整个流程太慢、太依赖人工，问题被掩盖了。
Harry Stebbings：你觉得五年后会出现哪些现在还不存在的新职业？
Aaron Levie：我觉得现在已经开始出现一个未来可能创造 50-100 万就业机会的新角色：Agent 运营官 （Agent Operator）。
做这个岗位的人需要有技术背景，要真正懂 AI。他们得理解 MCP、CLI，会给 AI 写 Skills，也知道 AGENTS.md 是怎么工作的。
这些人会深入营销、法务、运营、研究等各种团队，核心任务只有一个：让整个组织真正通过 Agent 获得生产力提升。
现实世界里有个很多 AI 初创公司还没意识到的问题：
当你从零开始创业时，你可以随便设计工作流。哪怕做错了也没关系，因为团队小、没人监管、流程也简单。
但如果你进入一家财富 1000 强的制药公司、银行或咨询公司，情况完全不一样。这些企业高度监管，数据散落在不同系统里，员工的工作方式也早就固化了。
这时候，就需要有人站出来重新定义工作流。
而且是围绕 Agents 来设计，不是围绕人类来设计。
当你真的开始这么做，你会发现整个实施周期、组织结构、数据系统、流程管理，全都得跟着改变。
而且模型一更新，很多工作流可能立刻失效。因为 Agent 的 prompt 变了，语法格式变了，调用逻辑也变了。
所以这件事不是一次性工程，是长期维护、持续调优。它既需要很强的技术敏锐度，也需要对真实业务流程极深的理解。
如果你在一家技术基础很强的公司，你会慢慢发现：像手机 App 的 UI 软件，它的需求是有限的；但连接不同数据源、重构工作流、实现自动化的后台系统需求，几乎是无限的。
我觉得那才是真正巨大的机会。
AI 重构 SaaS 领域
Harry Stebbings：黄仁勋之前说，AI 不会杀死软件，反而会让需求爆炸式增长。这假设未来 AI 会在 15 个不同 SaaS 工具之间来回调度，而这些 SaaS 最后都变成了 Agent 的「数据库」。未来真的会是这样吗？如果是，SaaS 岂不毫无价值了？
Aaron Levie：我能理解这种观点。
有些软件过去的核心使用方式就是人类在界面里不停地点按钮。某种程度上，它的价值更多来自按钮，而不是底层 API。我说得有点简单了，但确实有一些工具，你一打开，里面有九十多个功能，用户每天就在各种菜单和按钮之间切换。
用户已经习惯了这套操作方式，所以软件的价值感，很大程度也建立在这种复杂交互之上。但当 Agent 替代大量点击操作后，价值就会更多转移到 API 上。
所以真正的问题变成了：你的 API 到底有多强？
这不是说你有多少个 API，而是这些 API 是否足够稳健、实用、专有，里面到底封装了多少业务逻辑，而不只是简单地调数据库取数据。
它是否能处理复杂权限？是否知道组织里谁能访问什么数据？是否能真正保证安全性？
所有软件背后当然都有数据库。你完全可以用一种很还原化的方式，把所有软件都理解成数据库。
但真正重要的是数据库之上的那层业务逻辑。
这些东西不会消失。
真正会变化的，是用户和工作流交互的方式。以前可能是 GUI，现在可能只是你在跟一个 Agent 对话。
我觉得未来更合理的模式是：后台有一个 Agent 在连接多个系统。
Aaron Levie 设想未来企业的新型组织架构图
用户甚至可能根本看不到一半正在发生的事情。Agent 已经在 ERP、CRM、HR 系统、文档系统之间默默完成大量工作了。
届时，你的软件价值就取决于：你的 API 设计得够不够好？是不是为 Agent 时代准备好了？以及你能不能围绕它建立合理的商业模式？
就像 ERP 系统，它现在当然远不只是数据库。它里面沉淀了大量关于供应链怎么自动化、财务流程怎么运转、组织怎么协同的业务逻辑。
我觉得我们过去把软件行业看得太单一了，好像它是一个巨大的统一行业。
更合理的方式可能是做一个四象限图，一边是业务逻辑的深度，一边是人类与 Agent 协作的程度。
因为只要还存在人机协作，你通常就还是需要某种界面，让用户能随时进入系统，查看 Agent 完成了什么工作。随着越来越多 Agent 开始使用软件，有很多软件反而会因此受益。
Agent 对这些工具的调用需求可能会远超人类用户过去的使用频率。
Harry Stebbings：哪些场景里，Agent 对工具的使用会超过人类？
Aaron Levie：一个很明显的例子就是非结构化数据。
Agent 会成为非结构化数据极其庞大的消费者和生产者。
它们会帮你生成新的合同，会生成营销素材，会帮你写报告。但当生成内容和审阅内容变得易如反掌，你依然需要一个底层系统，去管理、协调，并给这些工作流和 Agent 建立护栏。
我觉得接下来我们会看到非结构化数据的爆炸式增长。
Harry Stebbings：这真的会增加你们公司的价值吗？我之前也问过 monday.com 的联创 Eran Zinman：如果你最后只是变成一个被 Agent 调用的数据库，你怎么保留自己的价值？
Aaron Levie：这是现在全世界所有投资人都在问的问题。
对 Box 来说，一个很重要的点是，我们一直以来都非常重视 API，甚至某种程度上是 API First。
如果我告诉你 Box 去年的 API 调用量，你大概率会发现自己低估了一个量级。
我们系统里的 API 使用量其实早就超过用户在前端界面里的操作量了。
因为现实世界里，内容本来就在各种工作流和系统之间不断流动，就像 ERP 系统会自动生成文件，财富管理平台会让客户上传文档，发票处理流程会在后台自动运行。
很多时候，用户根本不知道背后是 Box 在工作。
这种「没有前端界面」的 Box 从公司成立第一天就已经存在了。在我看来，Agent 只是把这个趋势进一步放大而已。
这非常令人兴奋。我们已经知道怎么围绕它商业化了。现在唯一还不确定的是，一个 Agent 用户和过去一个真人用户，最终带来的收入结构会不会完全一样。
但我们很确定的一点是：如果调用量增长 100 倍、1000 倍，那对我们来说只会意味着更多机会。
这不一定适用于所有软件公司。但对 Box 来说，只要你不断生成文档、需要存储这些文档、需要保证安全、治理和长期合规，那最后都会变成更多数据进入我们的平台。
2026 年 1 月， Aaron Levie 谈 AI 时代企服软件的未来
Harry Stebbings：SaaStr 创始人 Jason Lemkin 说，AI 会让网络安全进入一个「黄金时代」，因为安全威胁会指数级上升。你会担心 AI 带来的系统漏洞和风险吗？有哪些大家现在还没真正意识到的安全问题？
Aaron Levie：我当然担心，但这不是什么新鲜事。
在我看来，从 AI 开始生成代码的那一刻起，就已经标明了代价。
因为只要 AI 能写代码，你立刻就会面临两个问题。
首先，你生成代码的速度会远远超过人类审核代码的能力。
自 2022 年 GitHub Copilot 问世，这个趋势就已经注定了。随着 AI 编写代码的比例从大部分到 90%、95%，整个世界会产生一个难以想象规模的代码量。
很多人理解的安全问题，还停留在 zero-day 漏洞、某个未修复组件，或者某个恶意 package。
但事实上，每一次新功能发布都意味着新的安全风险。
因为 AI 可能会觉得：「为了实现某个功能，我们需要打开这个端口。」但这个决定也许本来就不该做。
未来我们会进入一个全新的世界，因为 Agent 会越来越深地参与开发过程。另一方面，攻击者也会开始大规模使用 AI，尤其是开源模型。他们扫描全网、寻找漏洞的速度会比以前快得多。我们要同时面对两种新的风险。
而唯一的好消息是，Agent 也可以反过来帮我们审核代码、维护安全。
所以接下来会是一个非常动态、混乱的阶段。
Agent 既是问题的制造者，也是解决问题的方法。这也是为什么我觉得，未来 Agent Native 安全治理会是一个非常巨大的机会。
企业如何管理 Token 预算
Harry Stebbings：黄仁勋之前分享提到：未来每个工程师都应该把近一半薪水花在 Token 上。
Aaron Levie：我一直很喜欢黄仁勋那种宏大的视角和个人魅力。虽然具体数字他可能说得夸张了一点，但方向上我觉得他说得没错。未来，公司花在每个人身上的算力成本会远超大多数人的想象。
Harry Stebbings：你之前那条很火的推文里提到了企业内部的 Tokenmaxxing。我特别好奇，你会怎么建议 CIO 去思考 Token 分配和用量最大化？
Aaron Levie：这个问题确实棘手。
它的核心逻辑是：你的 Token 分配必须与公司价值产出最高的环节直接挂钩。
这是世界上最直白的一句话，但它确实成立。
现在之所以特别推崇 Tokenmaxxing，是因为一家公司的价值很大程度上就取决于你能生产多少软件。
如果你的目标是推动组织发生更多变化，希望每个人都持续交付，同时也想更快传播最佳实践，那 Tokenmaxxing 和各种排行榜确实会是一个很有意思的机制。
我不确定这件事是不是适用于所有行业，但我们确实看到了一些有趣的案例。
有家公司内部搞了一个很像《Shark Tank》的 pitch 活动。每个团队都得出来「融资」，为自己的 token 预算做陈述，然后公司像 VC 一样统一分配资源。
我不知道他们具体多久 review 一次，但我猜大概三个月或半年之后，他们会回头复盘：这笔 token 投入到底有没有带来原本期待的收益。
还有一家公司采用了一种更自然的分配方式。他们认为，大概 5% 的员工在做最核心、最有价值的事情；20% 的人在做次一级的重要工作；剩下的人更多是在处理日常效率工作。
他们对应的策略就是，给最核心的 5-10% 员工直接开放最好的模型和无限额度；给接下来的 20% 设置一些限制，或者给他们效率更高但成本更低的模型；剩下的人就用市场上最便宜的模型，因为 AI 对他们的生产力提升可能没那么颠覆。
我觉得现在所有公司都在摸索这件事。而硅谷有时候会有一种比较天真乐观的倾向，觉得所有企业都可以立刻进入 Tokenmaxxing。
但现实世界不是这样的。
真正的大公司有预算、有年度规划周期、有 EPS 指标，还得向华尔街负责。所以你不能突然说：「从今天开始，全公司无限 Token。」
因为那样公司全年财务目标可能直接就崩了。
你得等预算周期、等财报节点，同时弄清楚哪些团队最愿意尝试、哪些 use case 最有效。这是一个很自然、渐进的过程。
但未来 Token 的预算一定会从 IT 支出里迁移出来，变成真正的运营支出（OpEx）。
它不会再只是一个买 Salesforce license 还是买 token 的问题。未来真正的 tradeoff 会变成：「我是继续投下一轮营销 campaign，还是直接把这笔预算拿来做营销自动化？」
这会是完全不同层级的预算决策。
Harry Stebbings：当 Token 预算进入这个新的支出类别之后，会发生什么？
Aaron Levie：预算一定会增加。
过去几乎从未有一种企业技术可以不受 IT 预算限制。但现在第一次出现了一种技术，你可以直接进入业务部门，对他们说：「我现在能给你一个 Agent，它可以增强你的工作流，让你的团队效率提升 50%，可否从你的 OpEx 预算里拿 5% 来做这件事？」
这是过去从来没有过的入口。
我不觉得它会让全球技术支出直接增长 10 倍，但翻倍，我觉得是完全有可能的。
Agent 在企业的落地难点
Harry Stebbings：你会不会担心，我们现在看到的只是一个短暂的 18 个月需求爆发期，而这种需求未必会长期存在？
Aaron Levie：这当然有可能。也许我应该对这种风险更敏感一点，但至少现在，我会站在相反的一边。
部分原因是，我经历过一次完整的云计算扩散周期。我亲眼看过它早期那种非常陡峭的增长曲线。
当时你会觉得：「天啊，这东西已经火成这样了，怎么可能还能持续？」
结果 20 年过去了，它不仅持续了下来，规模还远超所有人最初的想象。
只要一项技术真的有效，它最后形成的市场往往都会比你预想更大。
对我来说，18 个月甚至都不是一个时间窗口，因为我认为 AI 的扩散速度会比硅谷想象得更慢。
这又回到了我前面说的新角色问题。现在的大多数企业，还远远不敢让一个 Agent 在没有人工审核的情况下，直接给所有客户生成完整的财务建议。
因为 SEC 很快就会找上门说：「你给客户提供了错误的财务建议，我们要吊销你的牌照。」
这种事会在各个行业不断发生。
所以为什么 AI 落地需要时间？因为监管、合规、安全团队，都得先把这一切弄明白。
这些事情本来就需要时间，急不来。
Harry Stebbings：Invisible 联创 Matt Fitzpatrick 之前说：如果没有 FDE（Forward Deployed Engineer，前瞻部署工程师），你根本不可能把 AI 产品卖进大型企业。这很有意思，因为现在大家都在讲 PLG，说先从小团队渗透，再慢慢进入企业。
Aaron Levie：我不觉得这两者互相矛盾。
Harry Stebbings：当你真正去看大型企业未来五年的 AI adoption，你会不会觉得 AI 服务公司反而才是最占优势的？
Aaron Levie：如果你说的是传统专业服务，我觉得答案是绝对的。
这个市场会比人们想象得更大、更持久，也更稳定。
我们总是太短视，总觉得 AI 会直接替代一切。但现实不是这样。就拿我最近使用最先进模型的体验来说，最后大概仍然有 15% 的内容需要我亲自修改。
我们离人类彻底退出工作流还差得非常远。
只要工作流里还存在人类，就一定会涉及大量真正的变革管理（Change Management）：人类应该在哪个环节介入？怎么审查 Agent 的工作结果？如何设计才能让人和 Agent 更高效地协作？以及，你到底该怎么把所有数据源真正连接起来？
如果你今天让一家 Fortune 500 的 Agent 去查一下「即将到期的合同中哪份风险最大」，它可能会需要在 10 个不同系统里找到合同数据。其中一半，可能还是根本无法和 Agent 配合的遗留系统。有些系统吞吐量很低，有些根本没法接入。数据可能还散落在网络共享文件夹中，或者锁在非常老旧的文档管理系统里。
你有一半的数据资产根本还没准备好进入 Agent 时代。
剩下那一半数据往往又是碎片化的。因为过去二十年里，员工一直在不断引入自己的工具。最后，Agent 很可能找到的是错误的文档、错误的合同、错误的数据。
以前人类不太在意这些，因为人总能凭经验找到正确的信息。
但 Agent 不行。
它们当然能搜索，但找到错误结果的概率可能和找到正确结果一样高。它们需要被精准引导，需要数据经过整理，需要真正理解工作流背后的上下文。
升级系统、整理数据、定义工作流、明确人类介入点，我刚刚描述的这一切已经足够让埃森哲在全球每一家企业里再干十年了。
或者说，这会成为下一代行业 AI 服务公司的巨大机会。
因为每一家组织，都必须经历这样一轮真正的变革管理。
每一次科技浪潮都带来了大量咨询和技术服务的新需求
Harry Stebbings：而且我们最终还是需要有人来背锅。这也是很多行业得以延续的原因。就像我找律师，不是因为我不会写 NDA，是因为如果出了问题你要负责。
Aaron Levie：没错。
一旦 AI 出了问题，你不可能跑去怪 Anthropic。如果你没法在出问题时责怪模型公司，你自己的组织内部就必须有人承担责任，否则客户不会再合作。
只要涉及责任承担，就一定需要主体意识与问责机制。
总得有人真正负责。
人类行为模式、合同法、监管体系，这些底层逻辑并没有因为 AI 而改变。
我们只是给了计算机一把「机关枪」，让它能以前所未有的速度生成信息、处理数据而已。
做一个真正好的 Agent 产品
Harry Stebbings：Jason Lemkin 之前质疑，目前还没有一家上市公司真正做出足够好的 Agent 产品。除了 Palantir，他觉得大家做的都只是 60 分的 Agent。你觉得这是为什么？
Aaron Levie：我不完全认同这个观点。因为至少在内容工作这个方向上，我会认为我们的 Agent 已经是最好的之一了。
但 AI 变化实在太快了。你必须以前所未有的方式深度接入整个技术生态。就拿我自己来说，我真正重要的信息来源已经不是过去那套体系了。两周后才发布的商业评论根本不会给你任何 alpha。
真正有价值的信息来自那些正在一线工作的实践者。比如某家 Agent 公司的工程师写了一篇长文，详细讲他们是怎么处理 memory、怎么搭建 harness。
如果你没有真正接入这个生态，你的团队就很难站在最前沿。
这是一种和过去完全不同的技术演进模式。
以前哪怕像 COVID 那样的大事件，我们当然也每天关注新闻，但那不是一个技术问题。而现在第一次出现了一种情况：技术变化速度快到你必须一周几次地持续响应。
Harry Stebbings：所以现在 CEO 的工作比以前难得多？
Aaron Levie：是的。
Harry Stebbings：因为技术领先优势的生命周期变得极短？
Aaron Levie：没错。
你现在会明显感受到一场海啸袭来，所以你只能拼命跑得更快。
与此同时，你要理解底层技术变化本身。有些变化会影响业务战略，有些会影响产品方向，有些会影响整个合作伙伴生态。因为那场海啸已经来了，你必须快速调整自己的动作，重新判断市场会往哪里走。
你还得成为客户通往未来的一座桥。因为客户同样不想被海啸直接拍碎，也希望能平稳地过渡到未来。
Harry Stebbings：你觉得 Agent 产品真的能显著提高收入吗？
Aaron Levie：可以。
去年我们推出了一个新的订阅方案，里面整合了最核心的工作流、业务自动化，以及应用开发的能力。Agent 是这一切的核心。
它能真正帮你自动化处理内容相关的工作。就像它可以读取文档并自动提取 metadata，也可以在工作流中自动处理信息。
去年，我们的营收增长已经出现了一次明显的拐点。
但大家现在依然还在观望。因为变化太快了，大家都想先看看整个行业最后会落在哪里。所以如果你今天是在做软件、基础设施或者 Agent，我觉得今年最重要的事情只有一个：疯狂执行，毫不停歇地执行。
Harry Stebbings：你会天天看股价吗？
Aaron Levie：会。
Harry Stebbings：每天都看？
Aaron Levie：对，我看得跟交易员一样勤。
Harry Stebbings：我好像还没见过哪个上市公司 CEO 不盯股价的。前两天我采访 Nevan 的 CEO Ariel Cohen，他说自己一天要看很多很多次。
Aaron Levie：绝对的。
我觉得我们现在正处于一个阶段：整个软件行业在资本市场里，依然被非常粗暴地当成同一个板块来看待。
我前面说过，Agent 会极大增强某些软件，但也会对另一些形成压力。这意味着，有些公司必须彻底转型，而有些公司则可以顺势起飞。
接下来一两年，你会开始看到真正的分化。
Harry Stebbings：我采访过很多上市公司 CEO。Jason Lemkin 在节目里说过：如果 Aaron Levie 都已经算 AI First 里最强的一批 CEO 了，而连他都还觉得有挑战……
Aaron Levie：这个问题挺复杂的。
但我觉得，现在还是有很多有创业思维或技术前瞻性的 CEO。他们未必是工程师出身，但本身就非常懂技术，非常深度投入。
我自己就有很多 Slack 和 WhatsApp 群，里面一到周末，一群上市公司 CEO 全在群里用 Claude Code 或 Codex 写东西。
这些 CEO 是真的全身心投入其中。他们能感受到技术变化，也绝不会允许自己的公司掉队。
当然，每一波技术浪潮都会有赢家和输家，我不觉得这次会例外。
但你唯一能做的，就是保持高度同频，然后硬着头皮一路走下去。
快问快答
Harry Stebbings：过去 12 个月里，你在哪件事上的观念转变最大？
Aaron Levie：比起三年前，我现在更加坚信软件正走向 Headless。
这归功于 Agent 在工具调用和跨系统搜索能力上的质变和惊人的准确性。
这种进化速度远超我的预期。
两三年前，如果你接入一个 Agent 并命令它：「去 Box 里找份文档处理一下。」它大概率会找错文件，而且根本没法解析并理解文件里的具体内容。那时，Headless 不是 Agent 落地的迫切需求。
但过去这一年，这些能力的爆发式增长让我彻底确信：作为软件平台，你必须坚持「Headless first」的策略。
Harry Stebbings：关于 AI 在企业的落地，大家普遍认同、但实际上大错特错的认知是什么？
Aaron Levie：大家普遍认为，AI 在 Coding 上取得的惊人突破能很快复制到其它知识工作领域。
这其实是对非 Coding 类工作的误读。
一方面是因为 Coding 本身有其特殊性，逻辑高度结构化；另一方面是因为其他类型的工作涉及的维度更广，运作模式也更复杂。
Harry Stebbings：OpenAI 和 Anthropic，你觉得谁会最终赢得企业级市场？
Aaron Levie：我无法预测未来是 OpenAI 占 60%、Anthropic 占 40%，还是反过来。
但无论如何，这个市场规模将是惊人的。
企业会采用多种系统，他们不希望被单一供应商绑架，不希望在技术栈里只有一种选择。万一哪家服务宕机、改了 API 或收费模式呢？
未来一定会是一个多供应商、多 AI 并存的世界。很难断定谁是唯一的赢家。
Harry Stebbings：在你看来，现在有哪些被市场低估、被大家抛弃了的公司，其实值得更多尊重？
Aaron Levie: Atlassian。
我觉得市场现在对它有点过度看空了。我理解市场背后的逻辑：很多人现在会觉得工程能力被 AI 通用化了，于是开始质疑 Atlassian 这类公司的价值。
但从我的视角来看，未来反倒会出现更多工程师。
这不意味着 Atlassian 的产品未来还会和今天长得一模一样。
它肯定需要演化。但如果你是一家帮助工程流程自动化的基础设施公司，我觉得这是个非常好的位置。你看 Linear 做得也非常棒，非常令人兴奋。
但这个市场足够大，不会只有一个赢家。
我觉得现在最重要的一件事是：你必须深度嵌入工作流，同时你必须拥有数据。
你的平台必须成为这类数据最适合存放的地方，也必须成为 Agent 最愿意处理这些数据的地方。如果你的平台不是首选，你的处境会非常危险。
这是我们所有软件公司如今共同的命题。
Harry Stebbings：所以 Agent 最喜欢工作的地方本质上是由优秀的 API 定义的。
Aaron Levie：优秀的 API、合理的定价体系，以及围绕 API 的整套配套能力。
如果你想搭建一个工作流，让 Agent 去处理符合 FINRA 合规要求的金融文件。所谓 FINRA 合规，意味着这些生成、查看或分享给客户的文件，在规定时间内都不能被删除或修改。
一方面，你的 API 必须对 Agent 极其友好。但另一方面，你还必须有完整的外围能力，确保企业最后能向监管机构或审计机构证明整个流程符合 FINRA 的要求。这样企业才会愿意把 Agent 工作流建立在 Box 这样的系统之上。
这件事会在各个行业发生。
Harry Stebbings：如果你今天是一名投资人，最让你兴奋的赛道是哪个？
Aaron Levie：我可能还是会重仓前沿科技。
那些能把硅谷实验室里的创新应用到企业真实工作场景中的公司，依然蕴含着巨大的商机。
无论那是垂直领域 AI，还是企业必需的新型工具。现在 Agent 可观测性和评估领域就正在诞生一批新公司。
比如 Braintrust，以前我们觉得只有开发 Agent 的人才需要评估工具（Evals），觉得那只是硅谷的一小块蛋糕 。但现在发现，全世界只要想把 Agent 接入业务流程的人，都需要评估工具。
因为你必须知道，你的 Agent 是不是突然就不干活了，或者生成的贷款发放文件逻辑全错了。
这不仅是一个不会被模型实验室垄断的领域，更是 Agent 化企业所需的一种全新基础设施。
我想未来会涌现出几十个这类细分赛道。
Harry Stebbings：最后我想聊点剧本之外的事。你是一位上市公司 CEO，压力大得惊人，但你婚姻美满，感情稳定。关于婚姻，你有什么好的建议吗？
Aaron Levie：我非常幸运能拥有这么优秀的妻子和家庭。
CEO 这个角色本身就是一件长期的苦差事，所以有一个强大的陪伴真的非常重要。
虽然现在挤不出太多时间，但我们尽量在忙碌之余寻找生活的乐趣。我们在一起 16 年了，她见证了我创业一路的跌宕起伏，她自己的工作也有一堆苦活累活。这些共同经历的瞬间很有意思。
Harry Stebbings：你真是我的偶像。2010 年，我 14 岁，我当时长大就想成为像你一样的人。
