【對談】亞倫·萊維：模型補貼撐不久，AI真正戰場在應用層

這場談話有五個值得拿出來說的點。第一，萊維直接宣判：模型廠商撐不住補貼，應用層才是長期贏家。第二，他拿 Snowflake 和 Databricks 當前例，說明基礎設施不等於應用，歷史從來如此。第三，他把 AI 在職場的擴散速度說清楚了——編程以外的領域慢得多，原因很具體，不是什麼文化抵制。第四，他談了 Box 自己怎麼在客戶資料上建代理系統，以及為什麼用自己調校的代理明顯贏過直接呼叫通用 API。第五，他給了一句創業建議，幾乎可以直接當作現在這個時代的行動準則：能把技術送到客戶手上的人，才是贏家。合起來看，這不是一場技術展示，是一份產業地圖。

◎補貼是暫時的，應用層不是

萊維對模型廠商的補貼策略只給了一個字：暫時。他的邏輯很直接：這些公司遲早要上市，上市之後就得面對跟所有人一樣的獲利壓力，繼續用低於成本的價格賣 API 算子（token），股東不會答應。他唯一擔心的例外是 Meta，中國廠商，Nvidia 這類不需要靠推論費用賺錢的玩家——他們可以把算子價格打到地板，反正有別的盤算。但就算如此，結果反而對應用層有利：算子愈便宜，應用公司的利潤空間就愈大。他的結論是：不要只押一兩家模型廠商拿走九成價值，整個產業鏈都會有人賺錢，只是位置不同。

◎Snowflake 的教訓：基礎設施存在，應用照樣成立

有人說，大型模型廠商往上延伸做應用，應用公司就沒活路了。萊維的反駁是一個具體歷史案例：十年前 AWS 和 GCP 已經在處理資料，沒有人預測得到 Snowflake 和 Databricks 之後會各拿到幾百億美元的市值。原因很簡單——基礎設施做的是通用能力，但從通用能力到企業的實際工作流程，中間有一大段落差：要串接舊有系統，要處理權限與資安，要做變革管理，要有人懂那個產業的業務邏輯。這段落差，研究型的大型模型廠商既不擅長也沒有動力去填。AI 不會改變這個結構，它只是讓這段落差更值錢。

◎編程之外的擴散為何慢：不是文化問題

編程代理在 2026 年初幾乎是一夜之間被工程師全面採用。萊維把原因拆得很清楚：工程師的產出幾乎百分之百是文字（程式碼），模型在這上面被大量訓練，工程師自己就有能力排除系統問題，而且哪怕只提升一成效率，換算成薪資就是天大的報酬。換成業務代表或法律工作者，情況完全不同。業務代表的價值創造取決於客戶有沒有空，有沒有預算，願不願意見面——這些都是外部變數，再好的 AI 也加速不了。企業知識工作還有另一個現實障礙：資料根本不在一個容易對接代理的地方，權限管控複雜，舊有系統也不開放介面。萊維直說：矽谷要有心理準備，擴散比大家預期的慢很多，但正因為如此，有耐心做垂直整合的應用公司，機會就在那裡。

◎Box 的代理架構：為什麼自己調校贏過通用 API

Box 手上有數百億份企業文件，萊維說這是他們天然的籌碼。他們建了一套代理框架，把 Box 自己對搜尋行為，文件相關性判斷，權限結構的深度理解全部嵌進去，而不是直接把 API 丟給 Claude 或 OpenAI 了事。實測結果是在準確率和回應速度上都明顯好過直接呼叫通用 API。他也提到一個企業真實需求的例子：讓代理在背景持續監控文件是否符合公司治理政策——這是以前因為人力成本太高而從來沒人真正做到的事。這個例子說明的不只是功能，而是代理讓一整類過去「值得做但做不起」的工作變得可行。

◎能把技術送到客戶手上的人才是贏家

萊維給創業者的建議只有一個核心：現在不是比誰建得快，是比誰能把技術真正交到客戶手上。他很直接地說，這個時代的模型廠商已經讓兩個人就能做出五年前需要四十個人的產品，但交付能力，在客戶現場的執行力，對產業業務邏輯的理解，這些東西 AI 沒辦法自動幫你生出來。他的原話接近這樣：應用層有幾兆美元的機會就擺在那裡，搞清楚這件事的公司會贏，搞錯方向的就出局了。這不是鼓勵，是他對市場現實的直接判讀。

看完這場對談，有一件事值得帶走：AI 時代的護城河不是模型本身，而是把模型接進真實業務流程的那段工。這段工枯燥，費時，每個產業長得都不一樣——正因為如此，願意去做的人並不多，但做到的人就很難被取代。萊維自己押了二十年在這個方向，他對應用層的信心不是樂觀，是倖存者的篤定。