当“智能体时代”来临：传统企业的转型、软件企业的末日与华尔街的“低估”

来源：市场资讯

（来源：网易科技）

当AI智能体取代人类成为企业软件的“主要用户”，传统SaaS的商业模式、API调用计费以及企业的算力成本结构，即将迎来一场指数级的颠覆与重构。

4月8日，a16z发布深度行业访谈的播客内容，播客主播Erik Torenberg对话知名云存储公司Box CEO Aaron Levie、前微软高管及知名投资人Steven Sinofsky，以及a16z合伙人Martin Casado，就“AI智能体”时代下的企业软件变革、算力成本激增以及华尔街的定价模型误区展开了激烈讨论。

（从左到右依次：Erik Torenberg、Steven Sinofsky、Aaron Levie、Martin Casado）

云存储公司Box CEO Aaron Levie提出了一个核心假设：

这意味着，软件的交互界面正从面向人类的UI（用户界面）转向面向AI的API（应用程序接口）、CLI（命令行界面）或计算机使用（Computer Use）。

企业级软件的逻辑，正在从“人类使用工具”演变为“智能体调用系统”。

然而，由于大型企业的合规摩擦与IT预算体系的僵化，AI在真实商业环境中的渗透速度或将不及预期，但其最终爆发的市场规模，将远远超出当前资本市场的测算。

打破华尔街的“零和思维”，SaaS商业模式的增量空间

在市场普遍担忧AI可能摧毁传统SaaS商业模式时，与会嘉宾给出了截然不同的研判，认为现有的财务模型完全算错了这笔账。

Steven Sinofsky直言，目前市场最大的误判在于华尔街的财务模型：

Steven Sinofsky直言不讳地指出，华尔街目前充斥着“固定的收入蛋糕和零和博弈思维”，他们仍旧用线性的增长曲线来论证GPU和Token（词元）的庞大支出。

Sinofsky将当下的AI类比为早期的PC和云计算时代。过去，市场认为云计算只是将本地服务器的预算转移到云端，却根本没有预料到“资源平权后，人们会消耗一千倍以上的计算资源”。

在AI时代，随着软件代码生成量的呈指数级暴增，以及移动端设备全面接入AI，算力资源的消耗将以惊人的速度扩张。

对于企业未来的业绩想象空间，Aaron Levie以Box自身的业务为例给出了乐观的指引：

当智能体主导决策时，它们将不受限于人类在微交易上的摩擦成本。Levie指出，在未来，智能体可能会为了完成一项深度研究任务而自动支付3美元去获取医疗数据，这将催生出全新的微支付与API调用变现模式。

当Agent数量激增1000倍，所有软件的接口将为机器而生

在业务和订单层面的前瞻指引上，企业软件（SaaS）的底层逻辑正在被彻底颠覆。

Aaron Levie强调：

未来的核心课题不再仅仅是研究人类的用户界面（UI），而是要研究Agent如何通过API、CLI（命令行界面）等方式与系统交互。

Martin Casado认为：

早期的AI是在企业软件上加个AI按钮，后来是让AI写代码，而现在的范式是：企业软件依然是企业软件，但AI智能体把企业软件当作计算机来使用。 AI智能体能够在阅读数据的同时，根据需要自行决定是调用现有的API，还是“实时编写代码”来完成特定操作。

这也意味着未来的软件商业模式将被重塑。

Aaron Levie认为未来的业务表现，将取决于你的AI智能体获取所需信息的能力。那些能提供高质量API、并妥善处理智能体身份和权限的软件公司，将获得巨大的增量收入，因为智能体处理数据和文件的频率将远超人类。

Steven Sinofsky则警告说：

算力预算与Token之争，CFO即将面临的“疯狂时刻”

随着AI用量的激增，企业未来的业绩指引和利润率表现将发生剧变。

过去的软件支出是资本支出或固定的运营支出，而在AI时代，底层资源变成了按量计费的Token词元。Aaron Levie强调：

Aaron Levie补充道：

在实际操作中，工程主管需要权衡是否允许开发人员并行运行大量可能浪费Token的智能体实验。这种弹性的、难以预测的算力消耗，与传统企业习惯的固定资本支出或可预测的运营支出形成了激烈冲突。

AI落地的现实阻碍，为什么硅谷的预期过于乐观？

尽管长期趋势确定，但Levie也向市场传递了一个清醒的现实预期：

阻碍AI在大型企业快速生成订单的核心问题在于系统集成与安全边界。在理想状态下，智能体可以无缝穿梭于各种系统之间，但现实中，赋予智能体与人类同等的系统访问权限带来了极大的合规风险。

Levie警告称：

Levie强调：

在建立起完善的AI安全标准和全新的访问控制层之前，大型企业的CIO们将保持谨慎，甚至会“封锁一切”。

这意味着，AI在软件行业的渗透率提升将呈现分化：没有历史包袱的初创公司将快速试错并全盘接入，而拥有庞大系统记录的传统大型企业则需要更长的消化周期。