Aftercasting
← a16z Show

Aaron Levie on Why Open AI Wins

2026-09-0534:21人工智能科技

这集讲什么

Box CEO Aaron Levie 力挺开放权重模型，认为封锁中国只会让美国 AI 更贵而中国更便宜，主张美国实验室应快速开源上一代模型以抢占基础设施生态，同时断言推理成本才是 AI 经济的真正战场。

值得看吗？

值得快速扫一遍：有时间戳议程与分节详解，可按兴趣跳听。

1-3要点

  • 封锁中国徒劳论 — 中国拥有 AI 三要素(人才/制造/数据),封锁只会倒逼自主化,结果是美国 AI 贵、世界 AI 便宜
  • Distillation 道德中立 — 用 API 输出训练模型 = 用互联网数据训练,无伦理红线,且蒸馏者已付费
  • 推理成本是真正战场 — 随 5 家美国厂商竞争,token 利润率必降至 20-40%,钱最终流向 GPU 基础设施

Aaron Levie on Why Open AI Wins｜深度中文详解

播出信息

背景

Jensen Huang（英伟达 CEO）近期签署了一封支持「开放权重模型」（open weights AI）的公开信，Box 等企业随后跟签。此举引发激烈争论：

  • 技术阵营：开放权重能加速创新、降低应用门槛
  • 国家安全阵营：中国开源模型（如 DeepSeek K3）冲击美国商业模式，distillation（蒸馏）疑似「偷模型」
  • 经济阵营：推理成本终将收敛，开放与封闭只是时间差而非零和博弈

本期嘉宾 Aaron Levie 是云内容管理平台 Box 的联合创始人兼 CEO，以犀利科技评论著称（Twitter @levie）。他从企业 AI 实战视角拆解：为何美国该拥抱开放权重、为何 Anthropic 永远不会开源、为何 AI 让 Box 敢接「多年期项目」。访谈期间 Opus 5 刚发布、OpenAI 遭黑客攻击余波未平，时间节点敏感。

节目结构 / 议程

🎧 · ▶️

1) 开场挑衅：封锁中国只会让 AI 更贵 — 00:00

2) Open Weights Letter：Jensen 签名的立场宣言 — 00:52

3) Distillation 辩论：训练 AI 的 AI 算不算偷窃？ — 03:23

4) 依赖中国模型的安全悖论 — 07:14

5) 为什么美国实验室该开源上一代模型 — 12:46

6) Opus 5 实测：知识工作的新标杆 — 18:23

7) AI 如何重塑 Box 的产品路线图 — 24:22

8) 模型路由层的战略价值 — 29:01

分节详解

1) 开场挑衅：封锁中国只会让 AI 更贵 — 00:00

🎧 · ▶️

💬 他们说了什么：
Aaron 开场即抛出反常识结论：「如果封锁中国，唯一结果就是美国 AI 很贵、世界其他地方 AI 很便宜，然后看看未来 5-10 年谁赢」。他认为中国拥有三大不可阻挡要素：顶尖 AI 人才、工业制造能力（芯片/fab）、可规模化的数据生产力（「雇 10 万人生成训练数据」）。结论：堵不如疏。

💡 为什么重要：
直接挑战华盛顿主流「技术脱钩」叙事。传统国安思路是「卡脖子」（芯片禁运、API 限流），但 Aaron 指出这会倒逼中国自主可控——反而加速美国失去基础设施标准制定权。这是企业视角对政策的逆向施压。

⚡ 争议点：

  • 乐观偏误？ 低估了美国在训练数据质量（英文互联网优势）、算法创新（Transformer 出自 Google）上的护城河
  • 道德盲区？ 未触及中国 AI 在监控、审查中的应用，纯经济理性可能忽视价值观竞争

2) Open Weights Letter：Jensen 签名的立场宣言 — 00:52

🎧 · ▶️

💬
Aaron 解读公开信两大核心：

  1. 开放权重驱动 AI 进步 — 更多创新、更多选项、可针对专有场景微调，且非零和游戏（不会挤压封闭模型市场）
  2. 美国需加倍投资开放模型 — 暗示当前中国（DeepSeek/Moonshot）在开源领域领先，美国需更多玩家
    Aaron 强调信中未直接支持中国模型，而是呼吁「美国自己做开放模型」，同时认可 distillation（蒸馏）的合理性。

💡
Jensen 作为 GPU 军火商签署此信意味深长——英伟达从推理芯片销售中获利，开放模型生态越繁荣、推理负载越分散，芯片需求越高。这是产业链利益倒逼政策的典型案例。Box 签署则代表企业用户立场：需要多模型选择来控制成本。

⚡

  • 罗夏测试 — Aaron 承认这封信是「看到什么取决于你是谁」，安全派读出风险、开放派读出机会
  • Distillation 模糊地带 — 信中认可蒸馏，但 OpenAI/Anthropic 视之为威胁（后文详述）

3) Distillation 辩论：训练 AI 的 AI 算不算偷窃？ — 03:23

🎧 · ▶️

💬
主持人问如何界定合法蒸馏与侵权。Aaron 的逻辑链：

  1. 对称性论证 — 如果 AI 可以用公开互联网训练，凭什么 AI 输出就不能被用来训练？Reddit 数据 vs Anthropic API 输出本质无区别
  2. 经济补偿已到位 — 蒸馏者需付费调用 API，「Anthropic 从蒸馏中赚的钱比多数人从原始训练数据中赚的还多」
  3. 未来会更模糊 — 如果所有人用 Fable 5 生成代码、代码上传 GitHub、下一代模型训练 GitHub，这和直接蒸馏有何本质差异？

他明确表态：没有伦理红线被跨越，这是正常商业行为。

💡
这是 AI 时代「公平使用」的新战场。传统版权法未涵盖「模型输出是否受保护」，Aaron 的观点若成立，将瓦解 OpenAI/Anthropic 的护城河——任何人都可通过 API 复刻智能。这也解释了为何 Anthropic 在 Fable 上设严格内容过滤（防生物武器查询），实为双重目的：安全+反蒸馏。

⚡

  • 忽略创新激励？ 如果蒸馏零成本，谁还愿砸数亿美元做原创训练？Aaron 未回应这一「公地悲剧」风险
  • API ToS 盲区 — Anthropic 条款可能明确禁止用输出训练竞品，这是合同问题而非伦理问题

4) 依赖中国模型的安全悖论 — 07:14

🎧 · ▶️

💬
主持人提出担忧：美国初创公司若依赖中国开源模型（DeepSeek K3），可能面临两大风险：

  1. 供给中断 — 中国突然停更开源模型
  2. 利润侵蚀 — 免费模型挤压美国商业模型毛利

Aaron 反驳：「那你想让 iPhone 卖 5000 美元而不是 1000 美元吗？」他认为替代方案只有一个：美国 AI 很贵 vs 世界 AI 很便宜，竞争结局显而易见。他重申 Jensen 观点：猫已经出袋（cat's out of the bag），中国已掌握训练能力，封锁无效。

💡
这是经济全球化在 AI 时代的复刻。类比制造业：美国若坚持「本土生产」iPhone，成本将数倍于中国供应链版本。Aaron 暗示 AI 正重演这一幕——拒绝低成本开源模型 = 自废武功。他押注应用层创新而非模型层保护主义。

⚡

  • 国家安全溢价 — iPhone 贵 5 倍或许不可接受,但 AI 若涉及国防/情报,溢价可能正当
  • 数据主权盲区 — 未讨论中国模型可能内嵌后门、数据回传风险（虽开源权重,但训练数据/流程不透明）

5) 为什么美国实验室该开源上一代模型 — 12:46

🎧 · ▶️

💬
Aaron 提出反直觉建议：OpenAI/Anthropic 应「快速跟进开源上一代模型」。核心逻辑：

  1. 推理成本是真正战场 — 随着 5 家美国厂商（OpenAI/Anthropic/Google/Meta/xAI）竞争,token 价格必然趋近基础设施成本,利润率从 70-90% 降至 20-40%
  2. 开源不改变经济结构 — 推理仍需大规模 GPU 集群,美元最终流向基础设施提供商;OpenAI 完全可以成为自家开源模型的首选推理服务商
  3. 生态锁定价值更高 — 开源上一代模型(如 GPT-5.6 发布时开源 GPT-4.8)可让更多用例留在自家生态,后训练(post-training)、主权云部署需求都会回流

他类比 Meta 的 Llama 策略,认为这不会削弱前沿模型收入。

💡
这是对「AI 护城河在哪」的根本性重构。传统观点认为模型权重是核心资产,Aaron 认为工作流集成、数据访问、行业调优才是壁垒。如果他是对的,Anthropic 坚持全封闭是战略失误——会被 Meta+中国开源联盟挤出中低端市场。

⚡

  • 时间差悖论 — Aaron 承认「短期内封闭模型肯定赚更多钱」,但呼吁拉长视角;问题是 VC 支持的实验室能否承受短期利润牺牲
  • Anthropic 的安全信仰 — Aaron 认为 Anthropic 永不开源是因「认定开放权重为重大安全风险」,这是价值观分歧而非商业计算

6) Opus 5 实测：知识工作的新标杆 — 18:23

🎧 · ▶️

💬
Box 过去 1-2 周内测 Opus 5,结论：

  • 相比 Opus 4.8 显著提升 — 尤其在两个维度：①深度领域理解(生命科学、法律、金融) ②大规模数据处理+工具调用
  • vs Fable 5.1 — 因价格差异(Opus 5 便宜一半),多数知识工作场景 Opus 5 更具帕累托优势;但 Fable 在高难度编码任务上仍碾压 Opus 4.8(未对比 Opus 5)
  • Fable 的致命伤 — 频繁降级到 Opus 4.8(触发安全过滤),导致生物科技公司「根本无法使用」,因为专业查询被误判为危险内容

Aaron 认为 Anthropic 需重新校准风险框架,当前过滤标准「在 AI 未来将是不可接受的」。

💡
这是企业 AI 实战第一手数据。Box 处理银行合同、药企研发文档、律所案卷,对模型的要求是「既要聪明又要合规」。Opus 5 胜出说明：

  • Anthropic 在结构化数据理解(表格、图表)上追平 OpenAI
  • 成本性能比正在成为企业选型关键(不再只看 benchmark)

Fable 降级问题暴露 Anthropic 两难:安全过严 → 丢失企业客户;放松 → 承担公关/监管风险。

⚡

  • Benchmark 失真？ Aaron 未给出 Opus 5 在编码任务上的对比,可能因 Box 内部测试偏向文档处理
  • 成本锚定偏误 — 2 倍价格差异在模型迭代中可能迅速消失,当前结论有时效性

7) AI 如何重塑 Box 的产品路线图 — 24:22

🎧 · ▶️

💬
主持人问:AI 是否让 Box 裁员或改变招聘标准? Aaron 的回答彻底相反:

  • 项目数量爆炸 — Box 当前有「数十个项目在 AI 之前绝不会启动」,因为过去只敢接 1-6 个月周期的项目;现在多年期项目压缩到可行,一周工作量的小需求变成「2 小时就完成」
  • 中间地带消失 — 以前因「太小不值得做」或「太大做不完」而积压的需求,现在都变成可选项
  • 招聘逻辑反转 — 不是「用 AI 替代人」,而是「野心扩大后财务约束变紧」;Aaron 想招更多工程师,只是受限于其他部门预算分配

他总结:「如果你认为已经不需要工程师,那你的产品路线图野心不够」。

💡
这是对「AI 失业潮」叙事的有力反驳。Aaron 描述的是生产力边界外扩而非替代:

  • 过去 10 人团队做 10 个项目 → 现在 10 人团队做 50 个项目
  • 关键瓶颈从「工程师时间」转向「战略优先级排序」

这也解释了为何 AI 公司疯狂招人(Anthropic/OpenAI 仍在扩张) — 天花板在上升,不是下降。

⚡

  • 幸存者偏差 — Box 是云服务公司,本身就是 AI 受益者;制造业、客服等行业可能呈现完全相反的数据
  • 估时 Bug — 主持人提到 AI 常把 3 小时项目估成「一个月」,说明模型对复杂度判断仍不可靠

8) 模型路由层的战略价值 — 29:01

🎧 · ▶️

💬
主持人指出:模型发布加速 → 企业不可能忠诚于单一供应商。Aaron 承认「我极度偏见于这个结论」,因为 Box 就是应用层玩家,但他给出三重论证:

  1. 模型差异化持续存在 — 5 家美国厂商(OpenAI/Anthropic/Google/Meta/xAI)各有所长,某些擅长推理、某些擅长成本优化、某些擅长编码;单一模型无法最优覆盖所有任务
  2. 应用层捕获工作流价值 — 路由层控制:任务拆解、数据访问、成本优化;企业用户不关心底层是 Fable 还是 GPT-5.6,只要「总体最便宜+最可靠」
  3. 缓解选择瘫痪 — 模型太多反而让企业不敢下注;路由层提供「投注对冲」,今天用 Fable 明天切 Grok 无需重构

他类比:Cursor/Cognition/Factory 等工具的价值在于「理解任务→选模型→编排流程」,而非模型本身。

💡
这是云计算 2.0 的卡位战。类比:

  • AWS/Azure/GCP = 基础模型层(卖算力)
  • Snowflake/Databricks = 应用层(卖工作流)

Aaron 押注后者捕获更多价值,因为客户粘性在数据+流程,不在算力。如果成立,Box/Notion/Salesforce 等 SaaS 将是 AI 时代赢家,OpenAI/Anthropic 沦为「可替换供应商」。

⚡

  • 模型差距可能缩小 — 如果 3 年后所有模型能力趋同(如当前 Opus 5 vs GPT-5.6),路由价值大幅下降
  • 垂直整合反击 — OpenAI 可能收购 Cursor,Anthropic 可能自建企业工作流,应用层不一定守得住

人物与机构

  • Aaron Levie — Box 联合创始人兼 CEO,云内容管理/企业 AI 领域,Twitter @levie
  • Jensen Huang — 英伟达 CEO,签署开放权重公开信,此前在 Dwarkesh 播客引发「封锁中国无效」争论
  • Anthropic — Claude 开发商,坚持封闭权重,Fable 5.1 因安全过滤频繁降级遭企业客户诟病
  • OpenAI / Meta / Google / xAI — 美国 AI 五巨头,Aaron 认为竞争将压低利润率
  • DeepSeek / Moonshot — 中国开源模型代表,K3 引发「依赖中国模型」的国安担忧
  • Cursor / Cognition / Factory — 应用层 AI 工具,Aaron 认为将从模型路由中获利

数字与证据

  • Token 利润率预测 — 从当前 70-90% 收敛至 20-40%(因 5 家厂商竞争)
  • Opus 5 vs 4.8 — Box 内测显示「显著提升」,尤其在领域理解+数据处理
  • Fable vs Opus 5 — Fable 贵 2 倍,编码任务更强但降级问题严重;Opus 5 在知识工作上性价比更高
  • 项目周期压缩 — 多年期 → 可行;一周 → 2 小时(Box 实测)
  • 中国数据生产力 — Aaron 提到「雇 10 万人生成训练数据」为可行方案

金句

  1. 「如果你认为已经不需要工程师,那你的产品路线图野心不够」
  2. 「Anthropic 从蒸馏中赚的钱,比多数人从原始训练数据中赚的还多」
  3. 「你是在跟一个醒来不是 loser 的人对话」(引用 Jensen 对 Dwarkesh 的回应)
  4. 「开源 AI 不意味着我能在笔记本上跑 Fable — 钱最终还是流向 GPU 集群」
  5. 「猫已经出袋了,中国不会因为你封锁就放弃 AI」
  6. 「美国 AI 很贵 vs 世界 AI 很便宜,然后看看谁赢 — 这不是个难题」

洞见与延伸背景

Jensen-Dwarkesh 访谈的罗夏效应

Aaron 提到这场播客是「世代级内容」,观众分裂为两派:

  • Jensen 派 — 认为封锁中国会倒逼其自主,美国应参与中国基建(卖芯片)来延缓其独立
  • Dwarkesh 派 — 质疑 Jensen 立场(英伟达从中国订单获利),认为技术脱钩虽痛苦但必要

Anthropic 的「Constitutional AI」困境

Fable 降级问题源于 Anthropic 的核心哲学:通过「宪法式」规则防止滥用。但这导致:

  • 生物科技查询(「CRISPR 编辑 TP53 基因」)被误判为生物武器研发
  • 法律文档(涉枪支/毒品案件)触发过滤
    Aaron 认为这是过度安全主义,但 Anthropic 可能认为短期客户流失好过长期监管风暴。

应用层价值捕获的历史先例

Aaron 的「路由层价值论」类比:

  • 云计算时代 — AWS/Azure 卖算力,Snowflake/Databricks 卖数据工作流,后者市值曾超前者
  • 移动时代 — 高通卖芯片,苹果/Google 卖生态,后者利润率 10 倍于前者

但反例同样存在:OpenAI 若收购 Cursor,垂直整合可能逆转价值分配。

中国 AI 的「非对称优势」

Aaron 未明说但暗示的要素:

  • 数据生产成本 — 中国可用 1/10 成本雇标注员,GPT-4 级模型的人类反馈成本可能仅为美国的 15%
  • 芯片自主化 — 虽当前受 ASML 光刻机限制,但华为 Mate 60 证明 7nm 可绕过禁令
  • 举国体制 — DeepSeek 背后有政府背书,可承受长期亏损抢占生态

争议与需核实

  1. 「Anthropic 从蒸馏赚的比训练数据提供者多」 — 缺乏具体数据,Reddit 向 OpenAI 收取的训练费 vs API 调用费对比未知
  2. 「中国可雇 10 万人生成数据」 — 忽略了数据质量差异,众包标注 ≠ 专家级推理数据
  3. 「5 家厂商竞争必压低利润率」 — 前提是模型同质化,但若出现 AGI 级突破(某家遥遥领先),垄断利润可能维持
  4. 「开源不影响前沿模型收入」 — Meta 的 Llama 策略尚未完全证明商业可持续性(推理服务收入远低于模型研发成本)
  5. Fable 降级频率 — Aaron 称「生物公司根本无法使用」,但未给出触发率数据,可能是个别案例放大

行动建议

对企业决策者

  • 多模型策略 — 不要 All-in 单一供应商,建立模型路由能力(参考 Box 同时测试 Opus/Fable/GPT)
  • 成本优化优先 — 在非关键任务上降级到便宜模型,前沿模型仅用于核心场景
  • 关注开源生态 — 跟踪 Llama/DeepSeek 等开源模型,评估私有部署可行性(尤其主权云需求)

对 AI 创业者

  • 押注应用层 — 如 Aaron 所言,模型层利润率将被压缩,价值在工作流+数据集成
  • 行业垂直化 — 通用模型路由已红海(Martian/Unify),深耕法律/医疗/金融等领域更有壁垒
  • 准备模型切换 — 架构设计时避免硬绑定单一 API,为模型替换预留接口

对政策制定者

  • 重新评估封锁策略 — Aaron 的论证若成立,芯片禁运可能适得其反,考虑「控制节奏」而非「完全切断」
  • 支持美国开源模型 — 通过 NIST/NSF 资助本土开放权重项目,对抗中国生态扩张
  • 细化风险框架 — Anthropic 呼吁的「多层级能力测试」需政府主导,避免各家标准割裂

来源

  • 播客：Aftercasting（a16z 出品）
  • 嘉宾：Aaron Levie（@levie）
  • 发布日期：2026-09-05
  • 参考访谈：Jensen Huang on Dwarkesh Podcast（封锁中国争议源头）
  • 相关事件：
    • Open Weights Letter（Jensen/Box 等签署）
    • Opus 5 发布（访谈前 1-2 周）
    • OpenAI 遭黑客攻击（访谈当周,00:32:49 提及）