Aaron Levie：为什么创业公司在 AI 时代将胜出

封面

摘要

Box 联合创始人兼 CEO Aaron Levie 在 Y Combinator 的炉边谈话中，结合自身从云转型到 AI 转型的二十年起落经历，系统阐述了为什么 AI 时代是创业公司的黄金窗口。他指出，企业中存在大量"必要但不具战略性"的工作，AI 智能体（Agent）正是解放这些工作的完美工具——不是取代人类，而是释放人类去做更具战略性的创新。与云时代需要说服客户不同，AI 时代人人已深信其未来，关键在于谁能交付安全、可靠、可信的解决方案。Levie 提出了"名词与动词"框架：三年前消费和企业的核心需求似乎都已被现有公司满足，但 AI 创造了全新的"名词与动词"——那些以前只能由人完成的专业服务，现在首次可以通过软件交付，这正是创业公司的历史性机会。在商业模式方面，他从按席位（Per-seat）的 SaaS 定价转向按消费量（Consumption-based）的新范式，并深入讨论了 AI 产品的定价逻辑——客户付费的不是底层智能 Token，而是之上的工作流软件与领域专长。他还引入了 Geoffrey Moore 的"核心与上下文"（Core vs. Context）框架，解释了为什么企业不会自建所有软件。最后，Levie 给出了三条核心建议：读三本书（《创新者的窘境》《跨越鸿沟》《蓝海战略》）、组建优秀创始团队、乘 AI 之风——这个窗口期只有两三年，下一次这样的机会可能要等十到二十年。

开篇：AI 不是来抢工作的

Aaron Levie 开场即点明核心观点：媒体大量报道"AI 要来抢我们的工作"，但媒体并不了解大公司内部有多少时间花在"必要但不具战略性"的事务上。AI 智能体恰恰是为这些事务而生的——有大量软件以前从未涉足的工作，AI 智能体现已蓄势待发。这就是机会所在。现在是关键时刻，这个窗口将会关闭。从大约一年前到未来三年左右的时间，将是下一批伟大公司诞生的时期。

重逢与回忆：与 Sam Altman 的早年交集

访谈从一个温馨的回忆开始。主持人翻出了自己创业项目 Bump 的旧邮箱，找到了与 box.net（Box 早期域名）的往来邮件。当年他们三人——主持人、Aaron Levie 和一个叫 Sam Altman 的人——会约在 Mountain View 碰面吃早午餐。有趣的是，邮件中已有"Sam 大概又不会出现了"的吐槽。

从云转型到 AI 转型：Box 的二十年起落

云时代的起点

Box 成立于 2005 年，那是一个互联网速度极慢、浏览器很差、没有 iPhone 和 Android、Chrome 尚未诞生的时代。创始团队的最初洞察是：随着互联网加速和移动设备普及，人们会希望从任何地方访问自己的数据。Box 最初的定位是消费级/准专业用户市场（Prosumer），但增长非常缓慢——第一周可能只有十个人注册。

获得 Mark Cuban 和天使投资人的早期融资后，团队从大学辍学，推出免费增值模式（Freemium Model），增长开始加速。随后他们面临了一个关键岔路口：继续做消费市场还是转向企业市场？

关键转折：消费到企业

团队的判断是：消费市场将极难与那些免费提供存储的科技巨头竞争——它们会将存储嵌入操作系统或社交网络，变现几乎不可能。因此决定转向企业市场，以比传统巨头更便宜、更快速、更便捷的定位竞争。

时机极其幸运——移动和云计算两股力量协同推动了企业 IT 架构的范式转变。当 Box 在安全性和功能上超越传统服务时，企业向云端迁移需要分享和访问数据的方案，Box 成为了越来越自然的选择。

云转型 vs AI 转型的关键差异

云时代早期，Box 需要说服客户"云计算是未来，把数据交给我们是安全的"，很多人不信，导致整个客户群体中有些细分市场根本无法赢得订单。AI 时代完全不同——企业界已经普遍接受了 AI 是未来这一前提。

Levie 分析了这种差异的原因：云计算没有经历过数十年的社会级讨论，它是突然出现的，对 IT 部门来说很可怕（要把自己管理的服务器交给 AWS 或微软管理），而 CEO 或营销负责人并不关心基础设施的交付方式，没有人推动 IT 部门上云。AI 则完全不同——科幻文学百年来一直在讲述机器人和人工智能的故事，自动驾驶、Watson 上 Jeopardy、Siri 和 Alexa 等产品让 AI 深入大众意识。当营销负责人亲自体验 ChatGPT 并发现它可能写出比自己团队更好的营销文案时，不再需要说服他们 AI 是未来，问题变成了如何实施安全、可靠、与数据兼容且可信赖的 AI 方案。

非结构化数据的价值革命

两种数据类型

Levie 指出世界上有两种关键数据类型：

企业数据的真实分布

在企业中，绝大多数数据是非结构化的——正是这些内容构成了 Box 存储的海量数据。然而在两年前，你对这些文件无法自动化任何操作。你可以在数据库中查询"请找出所有超过某个数值的记录"，但你无法对自己的文件提出问题——因为计算机无法阅读和理解这些文档。

AI 智能体彻底改变了这一点。突然之间，文件夹中所有数据变得对企业极具价值——现在可以向这些数据提问，可以围绕这些数据自动化工作流。Box 的愿景是：将所有这些信息转化为一种新型企业资产或知识集合，让公司可以据此运营。在"为企业的几乎每个任务或职能提供 AI 智能体"这一方向上，将涌现大量创业机会。

AI 不会取代人类，而是释放人类

企业时间的分配真相

Levie 请听众想象走进一家公司，让所有人列出他们整天在做什么，然后评估这些工作的价值：发送的每封邮件、查找信息的时间、阅读文档并提取数据的手动工作 vs 真正高影响力的工作（与客户在一起、实现产品突破、支持客户深度使用产品）。这个比例揭示了一个残酷事实：公司中大部分时间花在了不具战略性的事务上——必要，但不具战略性。

释放而非替代

如果能解放公司去做战略性工作、而非那些不具差异化的非战略性事务，多数公司实际上有一大堆想做的事情：更多突破性创新、更多客户时间、更多营销活动、主动而非被动地服务客户。

Levie 解释了为什么媒体的理解有偏差——他们不在大公司内部，看不到员工在"必要但不战略性"的活动上花了多少时间。当他告诉企业客户"如果让 AI 智能体做这些工作会怎样"时，他们的眼睛会亮起来——因为他们意识到可以释放自己和员工的时间去做更有趣的事，或者开始着手那些因经济上不可行而从未启动的战略性工作。

未来的工作将是今天尚未启动的工作

Levie 提出了一个深刻判断：十年后完成的大部分工作，将是今天处于"因为请人做不划算而从未启动"类别中的工作。比如 Box 内部发布广告活动时，只会翻译成三到五种语言覆盖主要市场——因为全面翻译所有区域市场太昂贵。当 AI 智能体只需将广告文案翻译成一百种语言时，公司就会增长更多、覆盖更多市场、服务更多客户。智能体正是突破"人力时间"这一瓶颈的关键。

亚马逊裁员与创业公司的机遇

主持人提到亚马逊宣布因 AI 未来几年将减少员工数量。Levie 回应（他一小时前才看到这个消息片段）：对于亚马逊这样拥有数十万到低百万级员工的公司来说，如果 AI 智能体不能增强这一规模，那可能是公司运营出了问题。

但关键转折在于：想象一家 50 人的公司，因 AI 突然能像 500 人公司一样运作。这家公司会更快成为 100 人公司吗？Levie 认为答案是肯定的——因为这家 50 人公司能进入更多市场、更好服务客户、更快研究客户需求、更迅速构建功能（借助 Cursor、Windsurf、Replit 等工具）。在 AI 后的世界，这样的公司会在人力端增长更快。

媒体关注的是亚马逊这样的大公司裁员新闻，但对于成千上万的创业公司和中小企业来说，AI 带来的是前所未有的杠杆效应。

新的名词与动词：创业公司的历史性机会

三年前的悲观与今天的乐观

三年前（约 2022 年），Levie 做了一个思想实验：列出生活中所有"名词与动词"——吃、睡、旅行、观看、娱乐等，大约 50 个词。他逐一检查：相比 15 年前（约 2008 年），这些问题是否已被解决？

2008 年时，几乎所有这些问题体验都很差——获取食物很麻烦，听音乐要非法下载。到了 2022 年，问题大多已解决：食物 20 分钟送到（DoorDash）、音乐在 Spotify 上、电影有 Netflix/YouTube。消费端创业变得困难，因为核心"名词与动词"已被占据。企业端同样如此——薪酬（Gusto）、CRM（Salesforce）、邮件、日历，每个问题都有成熟的在位者或规模化创业公司。

AI 创造了全新的名词与动词

Levie 认为今天是他大约十年来首次极度确信：存在一组新的"名词与动词"，创业公司处于正确的位置去创造下一代解决方案，因为 AI 对格局的改变足以创造这些机会。这些不总是最明显的东西——不会只是"带 AI 的 CRM"，因为 Marc Benioff 会让 Salesforce 做 AI CRM。但有大量软件以前从未涉足的工作，AI 智能体终于可以去做——这就是机会集合。哪些专业服务或工作类别以前没有在位技术，而 AI 智能体终于可以去解决？未来几年将诞生上百家 50—200 亿美元级别的创业公司，它们找到了新的"名词与动词"组合——比如某种法律工作加上 AI 智能体，历史上首次可以通过软件交付，而以前只能由人完成。

商业模式的变革：从按席位到按消费

传统 SaaS 的天花板

在 AI 出现之前，SaaS 公司唯一的变现策略是：有多少人需要我软件的许可证（Seat）？你被人口规模上限锁死——如果我卖律师软件，一家公司只有多少律师，就只能卖多少许可证，这极大限制了可寻址市场（Addressable Market）。

智能体颠覆了这一模型

AI 智能体彻底打破了这一限制，因为智能体可以在软件中包含该岗位职能的劳动量。你可以对客户说："我知道你只有三名律师，但我的智能体能做相当于无限律师的工作量。"定价不再基于与法律相关的人类数量，而是基于法律相关的工作量。

新的定价范例

举例：人工审查合同每份 5—10 美元，AI 智能体成本仅 10 美分，向客户收费 2 美元——客户节省 80%，你获得可观利润，且客户付费没有上限（取决于有多少合同需要审查）。

新的商业模式是某种形式的按消费量（Consumption-based）计费，但需要注意保持收入的经常性（Recurring Revenue）。纯按消费付费的风险是客户集中使用后第二年不再续费——因此需要设计某种订阅费+消费量的组合模式。

AI 产品的定价逻辑

主持人追问：如果成本仅 10 美分，客户真的愿意付 2 美元吗？

Levie 用 Box 自身的例子解释：他不会透露具体数字，但 Box 存储文件的底层成本低得令人惊讶——客户以为 Box 是存储公司，但实际上客户付费的是存储之上的所有软件。同理，客户最终不会只为智能 Token 付费，而是为 Token 之上的工作流软件、AI 智能体的独特上下文、连接能力、数据访问权限等付费——这些才能在底层 AI Token 成本之上获得有意义的溢价。

主持人以 Google Photos 为例佐证：当提出构建 Google Photos 时，很多人反对——存储是商品化市场，有亚马逊，怎么赚钱？结果是 90% 以上的毛利率。

供侧通缩经济学：科技行业的结构性优势

Levie 指出，科技行业是最具供侧通缩经济学（Deflationary Economics on the Supply Side）的行业之一——这意味着原材料随时间推移越来越便宜。你不需要像许多其他行业那样持续提价，而是能不断获得效率提升。即使 Dropbox 在无限竞争的环境中十年，仍然每年产生约十亿美元现金流——没有任何经济学家能理解这一点。存储在商品化，为什么人们仍然每月支付 10 美元？因为有使用习惯、数据网络效应、用户体验等形成的隐性切换成本。只要定价不过于贪婪、持续创新，即使在高竞争环境下也能保持客户。

核心与上下文：企业为何不会自建所有软件

主持人提出一个关键问题：如果 AI 越来越强，为什么企业不直接命令 AI 智能体自建所有软件，而不需要购买 Box 这样的产品？

Levie 引入了 Geoffrey Moore 的"核心与上下文"（Core vs. Context）框架——出自经典商业著作《跨越鸿沟》（Crossing the Chasm），Levie 推荐的另一本是《创新者的窘境》（Innovator's Dilemma）。

框架解析

每家公司都需要区分什么是核心业务、什么是上下文业务。以迪士尼为例：核心业务是设计令人惊叹的 IP 和角色，上下文业务是 HR 系统。迪士尼需要在让 Pixar 强大的技术方面做到极致，但不需要在运行 HR 部门的技术上创新——迪士尼的价值主张与"是否按时付薪"无关，只需要按时付薪即可。

为什么自建软件不可持续

大多数公司不会为每个定制需求自建软件。即使现在能自建 HR 系统、与 Workday 谈判降价——但三年后出现 Bug，付错了员工的工资，你不想半夜叫 IT 团队来修。你需要的是一家你可以起诉或切换到竞品的公司——你起诉不了内部 IT 团队，也起诉不了 Anthropic。对上下文事务，你承担不起那种责任，也得不到做好的额外收益。

Levie 读到 Clara 等公司自建系统的报道，认为有趣但终将无用——除了作为谈资，大多数公司不会这么做。但他仍然看好定制软件，因为企业核心业务确实有定制软件的需求，Replit、Cursor、Windsurf 等工具在这方面非常有用。

给年轻人的三条核心建议

Levie 为台下的大学生、研究生和应届毕业生给出了创业建议：

一、读三本书

如果你真正内化这些书中的思想，并进军 B2B 市场，你将比任何从零开始的创业公司强十倍——你将拥有思考市场、颠覆、哪些在位者脆弱哪些不脆弱的框架。

二、组建优秀的创始团队

虽然会有独立创始人，但尽量拉上一个朋友——哪怕是最不懂技术的朋友。与人一起奋斗更有乐趣，也能一起扛过更艰难的时刻。

三、乘 AI 之风

不要低估市场顺风（Tailwind）的重要性。如果你的市场没有被 AI 真正变革，就不要碰——你在对抗不必要的逆风。去 AI 从根本上改变经济学或实际流程的市场。现在是关键时刻，这个窗口将在两三年后关闭。也许不是第一次尝试就能成功，但在这个窗口期——大约一年前到未来三年左右——下一批数百家伟大公司将诞生。这样的窗口每十到二十年才出现一次，所以现在必须雄心勃勃。

观众问答

存储领域是否有 AI 创新空间？

观众问：在 Box 的核心存储业务中，AI 是否有作为？存储领域是否有新兴创业公司？

Levie 认为：字面意义上的数据存储已经是相当成熟的问题。AI 可能辅助数据生命周期管理——预测哪些数据需要高速访问、哪些可以归档。但真正的变革在堆栈上层：人们如何使用数据？如何将文档转化为新型知识产权或企业价值？

生命的意义

一位 24 岁的游戏设计师问：生命的意义是什么？

Levie 坦诚回答：你正处于全力奋斗的年纪，现在不需要思考"生命的意义"。你的 20 多岁就应该埋头苦干。随着时间推移，你会逐渐理解：你在地球上的有限年里，当然想尽可能产生影响力——能否以某种方式帮助社会？这是成就感的一部分。另一部分是更个人化的——孩子、家庭。但现在，把这个问题先放一放，对所有人友善，尽可能帮助世界，五年后再回来看。现在是你纯粹奋斗的窗口期。

企业软件与设计

观众问：在 AI 使开发更快的时代，工艺与优秀设计是否成为 SaaS 公司更大的差异化因素？但企业产品的动机似乎只是交付价值，如何看待？

Levie 承认企业软件历史上确实没有好的设计——因为购买软件的人往往不在乎设计，只需要解决特定实用任务。但一些公司如 Slack、Figma 自愿优先考虑优秀设计，这已成为趋势。他强烈建议构建外观和体验出色的企业软件——即使客户并不因此额外付费，但构建好软件本身更有乐趣。有些客户会在意，有些不会，但你对自己产出的感受会好得多。

面对在位者的竞争策略

来自中国的创业者在过去十年建了一家独角兽公司，计划来美国重新创业，问：如果在 HR AI 领域创业，如何应对 Workday 拥有大量用户数据的竞争优势？

Levie 的建议是：永远高估竞争对手的能力，然后在他们拥有这些能力的世界中制定你的策略。具体策略包括：

Levie 重申他对创业公司的看多——在位者只会为自己的现有安装基础提供智能体，这意味着大量在位者尚未覆盖的市场将充满创业机会。

关于 Glean（企业知识管理公司），Levie 表示欣赏，但认为企业知识管理仍将有多种不同方法值得探索。