The New Startup Playbook | Box CEO Aaron Levie｜深度中文详解

播出信息

• 日期：2026-10-25
• 时长：2064 秒（34 分 24 秒）
• 音频：收听本集
• YouTube：无本集专属链接
• Episode：节目页面

背景

Aaron Levie 自 2005 年起经营 Box。他用当年四名创始人在改造过的车库里写代码、制作营销材料、管理服务器的经历，对照今天能够并行调用 AI 智能体的创业团队。本集讨论的不只是开发提速，还包括如何选择智能体的分工、寻找值得自动化的职业流程，以及产品做成之后如何卖出去。

总结分析

Levie 认为，这一轮 AI 对创业方式的改变，比他经历过的前几轮技术变化更深：早期团队过去受限于创始人能在键盘前工作多少小时，如今则可以让多个智能体在后台执行任务，由人负责定义目标、审阅结果和整合产出。这使小公司有机会在速度与资源投入上挑战大公司；后者虽然也能购买同样的工具，却可能被既有代码库、文档不足和组织流程拖慢。不过，他并未把当前智能体描绘成可靠的「虚拟员工」：它们仍会犯错，反复尝试、审查与协调本身会形成新瓶颈。

当执行变便宜，稀缺的能力随之上移。创始人需要知道市场究竟缺什么，把工作写成清楚的规格，并判断智能体产出是否真的符合用户需求。Levie 由此提出一个创业搜索方法：按行业与岗位交叉寻找高成本、需求可能受价格压抑的知识工作，再深入观察实际流程，开发专门智能体。这是机会地图，不是每个格子都能成立的商业计划；市场规模、准确率和付费意愿仍要逐一验证。

他最鲜明的保留意见落在分发上。AI 可以让许多团队更快做出相似产品，却不会自动让客户发现、信任并采购它们。消费产品仍要解决传播问题，企业产品仍要建立销售与客户关系。于是，新创业剧本并非「用 AI 代替一切」，而是在产品供给激增时，同时提高判断质量与分发能力。

节目结构 / 议程

1. 从 2005 年 Box 到 AI 原生团队 — 01:10 🎧
2. 创始人从执行者变成智能体管理者 — 05:01 🎧
3. 规格、品味与专业化智能体 — 09:52 🎧
4. 知识工作的智能体市场与组织改造 — 13:46 🎧
5. 从行业岗位矩阵寻找创业题目 — 19:48 🎧
6. 消费与企业机会，以及不变的分发难题 — 26:10 🎧

分节详解

1) 从 2005 年 Box 到 AI 原生团队 — 01:10 🎧

💬 他们说了什么：Levie 回忆，2005 年他与同伴在大学三年级中途辍学创业，当时约 20 岁就辍学做公司的情况仍相对少见。他认为，1995 年与 2005 年的创业公司在日常运作上相当相似；相比之下，今天的 AI 优先团队变化最大：一个 3 人、5 人或 10 人的团队，有可能做出过去 50 人、100 人甚至 200 人团队的产出。

💡 为什么重要：如果这种产出杠杆能够持续，融资、招聘和产品迭代的先后顺序都会变化。小团队不必等组织扩张完毕，才尝试较大范围的产品工作。

⚡ 争议点：这些人数对比是 Levie 对趋势的判断，并非节目提供的可核验生产率统计。「产出」也不等于质量、收入或长期维护能力。

2) 创始人从执行者变成智能体管理者 — 05:01 🎧

💬 Box 创业初期的 4 人团队，进展几乎取决于各自在键盘前能写多少代码、文案并处理多少服务器事务。Levie 说，如今有创始人称自己每天审阅智能体写出的数千行代码；人从亲自制作，转向启动、协调、审阅和整合多个后台智能体。他认为，若智能体能稳定生成符合代码库规范的高质量代码，小公司可能获得约 10 倍工程能力。

💡 竞争的限制因素从「谁能投入更多人时」转向「谁能更好地拆解任务并验收结果」。已有大量固定流程的大公司未必能同速调整，这给小公司留下时间窗口。

⚡ Levie 同时强调智能体会犯错，有时需要像「拉老虎机」一样反复试验。每天审阅数千行代码是其转述的个案；审阅速度也不能直接视为有效软件交付速度。

3) 规格、品味与专业化智能体 — 09:52 🎧

💬 Levie 观察到，团队越来越重视先写清规格，再让智能体执行。快速拼出原型不再那么稀缺；更有价值的是明确要做什么、判断市场机会，以及把产品做得好用、好看。他也区分了「专业化」与「每件事买一个工具」：可以在同一套工具中设置负责不同代码区域或流程的子智能体，以缓解单一智能体处理过多上下文的问题。

💡 规格不是交给模型的一纸命令，而是团队把产品判断转化为可执行、可审查任务的接口。智能体分工则让责任范围和验收标准更清楚。

⚡ 他没有给出通用的智能体架构，认为不同团队和工具的最佳实践仍在形成。清楚的规格能减少歧义，但不能替代对真实用户的验证。

4) 知识工作的智能体市场与组织改造 — 13:46 🎧

💬 Levie 把编码智能体视为先行案例，提到 Replit、Cursor、Windsurf、Lovable 和 Cognition，并推测生命科学、医疗、法律、咨询等领域也会出现执行知识工作的智能体。他估计，AI 编码领域可能容纳数百亿美元乃至数千亿美元的新公司市值。与约一年前常见的 10%—20%辅助式效率提升相比，他从一些先进团队听到的智能体杠杆已是可能达到 3 倍、5 倍或 10 倍。

💡 如果智能体能执行过去缺乏软件支持的具体工作，新进入者竞争的对象就不只是旧软件厂商，也可能包括以人工交付为主的服务商。但要复制小团队的用法，成熟企业可能需要改造代码文档、工具栈和工程流程。

⚡ 市场估值与效率倍数均是访谈中的估计或观察，不是本集证明的行业结果。现有服务还涉及合规、责任与客户信任，不能仅凭生成速度判断能否被替代。

5) 从行业岗位矩阵寻找创业题目 — 19:48 🎧

💬 若从零寻找题目，Levie 建议把「行业 × 岗位」列成矩阵；他设想其中可能有约 5000 个格子，再挑选自己懂、合伙人懂，或能够进场观察的工作。他认为可能出现数百家市值达到 10 亿、50 亿或 100 亿美元量级的岗位智能体公司。他用法律审查举例：若某类高端工作从每小时 1000—2000 美元降到智能体每小时 5—10 美元，原先负担不起的需求可能浮现；用人需投入 10 万—30 万美元，而某些智能体可能以约 1000 美元的门槛开始试用。

💡 这个方法把抽象的「做行业 AI」变成可调查的问题：谁在做哪项工作、为何昂贵、谁批准预算、价格下降后会新增多少需求。Levie 特别赞同先亲自做过、或跟随专家观察目标工作，再尝试自动化。

⚡ 矩阵规模、潜在公司数量和价格案例都属于设想，不能当作市场测算。低价可能释放需求，也可能因为质量要求、责任归属或采购门槛而难以转化为收入。

6) 消费与企业机会，以及不变的分发难题 — 26:10 🎧

💬 Levie 不否认消费级 AI 机会，但更看好模型能力继续提升带来的企业生产率市场。他借「化学能力从本科生提升到研究生」说明：普通消费者可能感受不明显，生命科学企业却可能受益很大。到了分发，他的判断更保守：新平台或许带来新渠道，但消费产品仍须解决传播，企业产品仍须建立销售体系；面向技术用户时，还可能结合产品驱动增长（PLG）与销售。他提醒，做出优秀智能体不代表客户会自动到来，一次热门视频也不等于持久的分发能力。

💡 当产品制作成本下降，竞争者也更容易出现。能否持续接触目标社群、获得信任并完成采购，可能比一次发布时的热度更决定公司能走多远。

⚡ 「未来 AI 进步主要由企业吸收」及「分发模式不会根本改变」都是 Levie 的预测。新的智能体平台若改变用户寻找和购买软件的方式，这两项判断都可能需要修正。

人物与机构

• Aaron Levie：Box CEO，本集受访者；以创业和经营 Box 的经验讨论 AI 智能体对新公司的影响。
• Box：Levie 自 2005 年起经营的公司，是他比较早期创业方式与当前团队实践的参照。
• a16z：本集节目的发布方。
• Replit、Cursor、Windsurf、Lovable、Cognition：Levie 提及的 AI 编码相关公司，用作讨论新市场机会的例子。
• Jared Friedman：Levie 提到其建议：先深入做或观察想交给智能体执行的工作。
• Dario Amodei、Anthropic：Levie 引用其关于模型能力提升对专业工作更有价值的观点，并据此展开企业市场判断。

金句

以下为依据英文发言所作的中文意译：

「如果你做出来，他们也未必会来。」——Aaron Levie，谈产品与分发

「瓶颈不再只是你写了多少代码，而是你如何审阅、协调和整合智能体的工作。」——Aaron Levie

「真正的溢价在于：你是否想清楚了要做什么，它是不是一个好主意。」——Aaron Levie

洞见与延伸背景

Levie 的论述可以拆成两种不同的杠杆。供给侧杠杆是小团队用智能体更快产出；需求侧杠杆是某项服务变便宜后，原本未被满足的需求开始出现。前者需要衡量可用产出和返工成本，后者需要检验客户是否真的增加使用，而不能只比较人工与模型的标价。

这也解释了他为何同时强调岗位知识和分发：懂流程帮助团队做出可用产品，懂客户所在的社群与采购路径才有机会把它交到用户手中。两者之间还隔着准确性、合规、集成和信任，尤其在法律、医疗及受监管行业更是如此。

争议与需核实

• 效率倍数：3—10 倍杠杆及小团队对标大团队的说法，需要以同口径的质量、维护成本和交付周期检验。
• 市场预测：数百家公司、约 5000 个机会格子及编码智能体的潜在市值，均是 Levie 的推演，并非已实现规模。
• 价格与新增需求：法律审查的小时价格、代理成本和需求扩张只是说明机制的例子；实际报价、可承担任务及客户采购意愿需按细分市场核实。
• 成熟企业的反应速度：既有流程可能造成迟滞，但大公司也拥有客户、数据和预算；创业窗口的长度尚不确定。
• 分发是否不变：智能体平台和新入口可能改变发现与采购行为，应持续观察，而非把现有销售方式视作定论。

行动建议

1. 选一个具体岗位，而不是先选一个宽泛行业：访谈从业者，记录任务步骤、异常情况、审批人和现有成本。
2. 先做一段可审查的流程：为智能体写明输入、输出、质量标准与人工接管条件，记录返工率。
3. 同时验证产品与需求：分别测算节省的时间、客户愿付价格，以及降价是否真的带来新增使用。
4. 尽早设计分发：确认目标客户在哪里交流、由谁采购、如何试用；不要把发布热度当成销售渠道。

来源

• 本集 Episode 页面
• 本集音频
• 英文转写来源：asr:transcribe-svc:job_833fe1ee777e。时间点依据转写标记；涉及预测、估值及案例数字时，本文按受访者表述呈现。