A16z

本文整理自 YouTube 视频《Box CEO on AI Agents & Why Enterprise Can’t Keep Up | a16z》，由有道龙虾总结和发布。 硅谷现在谈 AI，很容易把一切说得像已经解决了。 模型越来越强，agent 会用工具，会写代码，会操作电脑。于是很多人自然得出结论：企业里的知识工作很快会被自动化，SaaS 会被替代，工程师会变少，咨询公司和系统集成商也该退场。 但 Aaron Levie、Steven Sinofsky 和 Martin Casado 这场对话给了一个更贴近现实的版本：企业 AI 最大的阻碍，不是模型不会回答问题，而是系统太旧、权限太碎、数据太散、流程太复杂。 AI 可以让人更快地产生软件和信息，但它不会自动把一家运行了十年、几万人使用、堆满遗留系统的大公司变得清爽。 真正的企业 AI 落地，难在 integration。 硅谷和真实企业之间，有一道工作方式鸿沟 Aaron Levie 说，他现在的工作有点像“把现实带到硅谷，再把硅谷带回现实”。 这句话背后，是他在企业客户那里看到的巨大落差。 在硅谷，尤其是工程师群体里，人们使用 AI agent 的条件太好了：技术能力强，能读懂错误，能自己选工具，能调试环境，能接受新范式；更重要的是，代码任务天然适合模型，因为代码可验证，反馈循环清楚。 但企业里大多数知识工作不是这样。 普通员工技术门槛更低，数据分散在多个系统里，流程沉淀了多年，权限经常不清楚，历史系统很多，安全和合规要求也更重。你不能简单把 coding agent 的成功经验搬过去，然后期待财务、法务、客服、采购、人力都同样提速。 这不是政府和科技行业那种“互相听不懂”的差异，而是工作流和技术环境本身就不同。 所以 AI 从硅谷扩散到整个知识工作世界，会需要几年时间。不是因为模型不够酷，而是因为企业要把旧系统、旧流程、旧权限和新 agent 接起来。 “95% 企业 AI 项目失败”这类说法，问题出在定义 Martin Casado 提到，类似 MIT “95% 大公司 AI 项目失败”的统计，其实很容易误导。 如果说大公司里没人有效使用 AI，那显然不对。很多员工已经在用 ChatGPT、Claude、Copilot 这类工具提高个人效率。...

美国活力 (American Dynamism) 核能复兴：AI (人工智能) 数据中心对能源的需求将激增，这将推动核能的重新兴起，不仅会重启废弃的核电厂，还将加速新型核反应堆的开发。 硬件与软件结合：在制造业、机器人技术和工业自动化领域，能够同时掌握硬件与软件的工程师需求快速增长。 太空技术突破：星舰 (Starship) 的可重复使用设计，将支持更大规模的货物运输，从数据中心设备到生物医学实验室都能被送入太空。 生物与健康 (Bio + Health) 聚焦常见疾病：受 GLP-1 药物成功启发，生物技术公司将重新将注意力放在重大疾病的治疗上。 健康技术平民化：AI 和可穿戴设备将使患者能够直接获取健康数据和个性化的医疗建议。 AI 驱动的医疗支持：通过自动化管理行政工作，AI 将帮助解决医疗行业的人员短缺问题。 消费领域 (Consumer) AI 专业化视频：视频生成技术将更加专注于特定领域，提供高质量、定制化的内容。 AI 个性化存储：人们可以利用 AI 深入分析自己的数字数据，从而获得更加个性化的洞察。 个性化 AI 助手：AI 将学习用户的写作习惯和工作流程，提供量身定制的服务。 智能数据分析：AI 将帮助整合非结构化数据和定量分析，为决策提供更多支持。 加密技术 (Crypto) AI 钱包管理：未来 AI 系统将能自主管理加密货币资产，包括交易和安全管理。 自治聊天机器人：去中心化的自治聊天机器人将以独立实体的形式，提供多样化服务。 数字身份验证：新技术将帮助人们在 AI 主导的数字化环境中验证真实身份。 加密分发平台：全新的加密应用商店将为用户提供更多选择。 企业与金融科技 (Enterprise + Fintech) AI 合规服务：基于法规优化的大语言模型 (LLM) 将显著简化企业的合规流程。 服务行业升级：AI 技术将推动服务型企业实现规模化和高效率的增长。 新型用户体验：围绕 AI 应用设计的创新型 UI 和 UX 界面将逐渐成为主流。 游戏 (Games) AI 叙事新时代：借助 AI 技术，未来将出现类似 Pixar 的互动式叙事内容。 智能化虚拟伙伴：AI 驱动的虚拟伙伴将通过情感互动提供更吸引人的体验。 匿名创作者平台：AI 将支持匿名创作，同时保护创作者的隐私。 成长期技术 (Growth-stage Tech) 搜索行业变革：随着 AI 聊天机器人抢占市场，Google 的搜索主导地位可能被动摇。 智能销售回归：AI 自动化将激发销售代表的需求，并带来新的招聘浪潮。 基础设施 (Infrastructure) AI 计算中心竞赛：国家间将展开竞争，加速建设支持 AI 应用的大型计算中心。 边缘 AI 模型崛起：小型、设备端 AI 模型将在更多应用场景中占据主导。 AI 推理能力进步：尽管存在限制，AI 在数学、物理和编程领域仍将取得巨大突破。