Box's Aaron Levie: On Reinventing Yourself in the AI Age and Enterprise Diffusion

Box CEO Aaron Levie 说，模型和真实工作流之间隔着一道万亿美金级的鸿沟，应用层公司才是这轮 AI 最肥的机会。

所有人都在赌"一两个大模型吃掉 95% 的价值"，但 Box 创始人 Aaron Levie 押了相反的注：模型再聪明，也接不上银行、药企、律所那些又脏又乱的老系统。这期他讲清了这道鸿沟到底卡在哪、为什么"卖 token 的人不该同时管着你怎么用 token"，以及企业客户现在到底怎么选模型。

Levie 的核心判断是：模型能力再强，也接不上企业里那些又老又乱的实际流程，而这道缝就是应用层的机会。

• 模型只是起点，不是终点：企业要的是把模型能力接到自己工作流上的那座桥，而这座桥要处理五到十件很琐碎的事——连别的数据系统、等人审批、老系统没升级，这些都比"模型够不够聪明"更卡人。
• 历史一直在重演：AWS、GCP 创造了万亿市值，但没人能提前预测到 Snowflake、Databricks 会存在——因为基础设施做不了应用那层活。Levie 说模型和应用的关系会一模一样。
• 卖 token 的人不该管你怎么用 token：如果让模型厂商同时决定"哪个模型最适合你的任务"，它天然会偏向自家模型。真正该做这件事的，是"不在乎用哪家模型"的第三方公司。

Box 内部跑几百个测试，每个新模型都要过一遍，客户则按成本和准确率挑。

• Gemini 在文档场景意外地强：Levie 说模型表现基本和写代码的能力正相关，但有一个例外——Gemini 在 Box 的文档类任务上明显比它在写代码上的排名更好，可能是工具调用能力更强。
• 开源模型采用率"比你想的高，比企业想要的低"：Levie 估计三成以上的采用是出于"想试试 GLM"这种新鲜感，而不是真省钱。他还听说开源模型有时会突然在回答中间蹦出中文，这对银行来说很尴尬。
• 未来是混合调用：简单活派给便宜的开源模型，难的活才交给贵的大模型。可能出现"两边各花 50% 的钱，但开源模型处理了 10 倍的 token 量"的局面。

Levie 说，研究员想象的世界是"我能看到一切"，但真实企业里，隔壁同事在做一个竞争项目，两人之间不能有一份文件穿过。

• 权限墙是硬约束：一个律师只能看到自己手上那五个项目，任何跨墙的信息流动都不允许。这让"给每个人训一个专属模型"的想法变得极其复杂。
• 什么进上下文、什么进权重，是个待解的难题：Levie 说如果能选，理想状态是模型只保留推理能力，所有具体知识都走外部查询——但企业真正的护城河往往就是那些具体知识本身。
• Box Labs 在做应用层研究：这是 Box 的应用 AI 团队，重点是让 agent 在任意模型上都跑得好，长期会按客户或场景拆出专用能力。

"模型会极其值钱，但把模型带进银行、生命科学、医疗、政府这些真实工作流里，那会是一大堆软件。"

• 如果你在做 AI 应用，别跟模型厂商比"谁更聪明"，去比"谁更懂某个具体工作流里的脏活"——连数据、等人审批、处理老系统，这些才是护城河。
• 企业客户选模型时，成本和准确率是硬指标，但"新鲜感"也占三成以上。做产品时，给客户留一个"随便换模型"的开关，可能比默认绑死一家更受欢迎。