未来软件的用户将不是人...

未来软件的用户将不是人... 未来软件的用户将不是人... Modified March 15 我觉得成果制最有意思。你想，现在我们用 AI 工具基本都是按月付费或者按 token 收钱，但未来可能变成"帮你省了多少钱就收你多少钱"。支付行业媒体 PYMNTS 有句话总结得特别好："SaaS 的授权时代卖的是工具使用权，AI 时代卖的是软件实际完成的事。" NBA 达拉斯独行侠老板、亿万富翁投资人 Mark Cuban 说得更远：不只是定价要变，软件本身的形态都要变。"Software is dead because everything's going to be customized to your unique utilization."（ 软件已死，因为一切都将根据你的独特使用方式来定制。 ）过去企业买软件，得让自己的流程去适应软件的框架。AI 时代反过来了，模型会根据每家公司的具体业务实时调整。 这个我有体感： 我用 Claude Code 做内容，它记住了我的写作风格、我的发布流程、我常用的格式。时间越长，它越懂我,以后所有软件可能都会变成这样。 谁能帮这些公司把 AI 落地，谁就抓住了下一波最大的机会。 Agent 需要自己的电脑、邮箱和钱包 这个我之前完全没想过。 Levie 打了个比方：人类员工入职第一天会收到什么？公司邮箱、一台电脑、各种系统的账号权限。Agent 也需要这些，但规模完全不同，一家公司可能同时运行几千个 Agent。 他的判断更大胆： 下一个 AWS 级别的公司，将建立在"服务器集群是为 Agent 而不是为应用程序服务"这个理念上。 围绕这个判断，一批新公司正在崛起。我最近关注到好几个： 计算环境，也就是 Agent 的"电脑"：专门做 Agent 沙盒的创业公司 E2B，200 毫秒就能启动一个沙盒，88% 的财富 100 强在用，已经跑了 5 亿多个沙盒。Manus 的联合创始人说他们用 E2B "给 Agent 一台完整的虚拟电脑，配备 27 种不同工具"。 搜索，也就是 Agent 的"眼睛"：Agent 搜索引擎 Exa 的公司搜索准确率 62%，是通用搜索引擎 Brave 36% 的近两倍。前端部署平台 Vercel 的 CEO 说"Exa 就像 Perplexity 即服务"。 通信，也就是 Agent 的"邮箱"：YC 孵化的 AgentMail 能毫秒级创建新收件箱，已经发了 2000 多万封邮件。传统企业邮箱 14 美元一个，Agent 要几千个，成本扛不住。 支付，也就是 Agent 的"钱包"：通过 Stripe 或 Coinbase，Agent 可以自主付款、控制预算。微交易的真实用例可能终于来了。 你看，Agent 不只需要一个"大脑"（语言模型），它像人一样也需要的是一整套生活设施，就像人需要办公室、邮箱、银行卡一样。 这个赛道目前还很早期，值得持续关注。 但别太嗨，有几个现实必须面对 Levie 自己都承认：企业里 80% 的工作根本没有文档化，Agent 读不到。他的原话："6 万 token 的工作窗口，面对 5000 万页信息。"这差距太大了，就算上下文窗口无限大，计算成本也扛不住。 全球四大会计师事务所之一的 Deloitte 更直接："完全替代企业应用至少还要 5 年以上。" 2026 年更多是实验和加速采用阶段。 我自己的体感也是这样。我每天用 AI 工具，效率确实提升了很多，但遇到需要"懂行"的事情，AI 还是经常犯傻。它能帮你干活，但不能帮你判断该不该干这个活。 有意思的是， 5 到 20 人的小团队反而跑得最快。 这些白纸一张的小公司已经按全新方式运转了：写 prompt → Agent 在后台跑 → review 输出结果，天然就是 prompt driven 的。 大公司面对的困境完全不同： 沉重的"部落知识"、缺乏文档的既有流程、分散在几十个系统里的数据。 Levie 在 Box 内部的做法是：先给员工吃定心丸（"不是为了裁人，是为了提高产出"），每周五全员 demo AI 用法互相学习，然后开始倒逼团队重新思考时间线（"为什么三周的项目不能两天完成？"）。 消耗制定价的风险也不能忽视。收入跟用量挂钩，用量波动，收入就波动。华尔街最喜欢的"可预测经常性收入"就没了，这对 SaaS 公司的估值是个大问题。 Agent 的治理问题也几乎还是空白。Levie 在文章里也写了："Agents require a significant amount of oversight, lack privacy protections, can't be held accountable for their actions, and are hard to audit when things go wrong."（Agent 需要大量监督，缺乏隐私保护，无法为自己的行为负责，出了问题很难发现。） Agent 犯了错，是开发它的公司负责，还是部署它的公司，还是给它下指令的那个人？目前没有答案。 兄弟们，你已经是 Agent 经理了 Levie 在一期播客里说了句让我印象很深的话："The role of the knowledge worker is fundamentally changing, because you are now a manager of agents. That is a completely different level of work."（知识工作者的角色正在根本性地改变，因为你现在是 Agent 的经理，这是一种完全不同层次的工作。） 他说这可能是 "人类历史上任何知识工作者岗位经历过的最大的一次转变"。 我想了想，确实是这样。我每天用 Claude Code 写东西，本质上就是在"管理"多个 Agent。我告诉它做什么，它去执行，我检查结果，给反馈，让它改。跟带一个新员工没什么区别，只是这个员工不需要睡觉，也不会跟你抱怨加班。 以前我自己干活，现在我"指挥"AI 干活 从执行者变成了管理者 这个转变已经在发生了，只是大多数人还没意识到 Levie 还提到了 Jevons 悖论。当某个东西变便宜了，人们不会少用，反而会用更多。以前做一份市场调研要花几万块，现在 Agent 花几百块就能搞定。结果不是"省钱了"，而是"以前不值得做的事，现在都要做了"。 这个我太有感触了。以前写一篇深度文章，光是素材采集和背景调研就要大半天。现在 Agent 帮我抓网页、读论文、整理数据，我把时间花在判断和写作上就行。以前一天写一篇就不错了，现在产出翻了好几倍。 科技媒体 Every.to 创始人 Dan Shipper 举了个更生动的例子：他用 GPT 做了一次"二次法律审查"，结果发现了专业律师遗漏的、价值数十万美元的合同问题。这种审查在以前根本买不起，现在几美元就能做。 Photoshop 出现的时候，人们说平面设计师完了。结果呢？设计师数量翻了好几倍。Excel 出现的时候，人们说会计完了。结果呢？会计从业者比以前更多。AI 正在重复同样的剧本，只是速度更快、范围更广。 但人类真正不可替代的东西，不只是"还需要人做判断"。Dan Shipper 把它叫做"隐性知识"（tacit knowledge）： 你在一个行业待了 15 年，积累的直觉、对潜规则的理解、对模糊地带的判断，这些东西没有写在任何文档里，也无法被训练进任何模型。 Levie 举了个例子：你在走廊里跟同事随口聊了两句，突然意识到另一个项目可以复用你正在做的技术。这种灵感来自你在物理世界中的存在，Agent 可能无法复制。 "Jobs are not tasks. Jobs are a collection of tasks."（岗位不等于任务，岗位是一系列任务的集合。）AI 非常擅长自动化单个任务，但最终，我们仍然需要一个人把 Agent 完成的各个任务整合进更大的工作流，转化为真正的价值。 这个人就是你。而你最大的竞争优势，恰恰是你在现实世界中积累的那些无法数字化的东西。 说说我的感受 软件行业正在经历一场物种替换。产品的核心用户从人变成了 Agent，定价从按人头变成按用量，基础设施从为人类设计变成为 Agent 设计。 但最让我触动的是 Levie 说的"你已经是 Agent 经理了" 这事已经在发生了，不是未来 每天用 Claude Code、用 Cursor、用各种 AI 工具的我们，其实已经在做"Agent 经理"这个岗位了。一个人加上一群 Agent，产出可以和一个小团队持平。但前提是，你得是一个好经理。 只是还没人给它发工资... 本文参考：Aaron Levie "Building for trillions of agents" | https://x.com/levie/status/2030714592238956960 播客来源：Every.to "How Box Is Building an AI first Company—Without Cutting Jobs" | Latent.Space "Every Agent Needs a Box" 数据来源：Deloitte TMT Predictions 2026 | PYMNTS.com | Maxio | Gartner Mark Cuban 观点来源：Benzinga "Mark Cuban Says 'Software Is Dead'" End. 感 谢 阅 读 点赞，转发，关注关注关注↓↓ PYMNTS.com 我觉得成果制最有意思。你想，现在我们用 AI 工具基本都是按月付费或者按 token 收钱，但未来可能变成"帮你省了多少钱就收你多少钱"。支付行业媒体 PYMNTS 有句话总结得特别好："SaaS 的授权时代卖的是工具使用权，AI 时代卖的是软件实际完成的事。" NBA 达拉斯独行侠老板、亿万富翁投资人 Mark Cuban 说得更远：不只是定价要变，软件本身的形态都要变。"Software is dead because everything's going to be customized to your unique utilization."（ 软件已死，因为一切都将根据你的独特使用方式来定制。 ）过去企业买软件，得让自己的流程去适应软件的框架。AI 时代反过来了，模型会根据每家公司的具体业务实时调整。 这个我有体感： 我用 Claude Code 做内容，它记住了我的写作风格、我的发布流程、我常用的格式。时间越长，它越懂我,以后所有软件可能都会变成这样。 谁能帮这些公司把 AI 落地，谁就抓住了下一波最大的机会。 Agent 需要自己的电脑、邮箱和钱包 这个我之前完全没想过。 Levie 打了个比方：人类员工入职第一天会收到什么？公司邮箱、一台电脑、各种系统的账号权限。Agent 也需要这些，但规模完全不同，一家公司可能同时运行几千个 Agent。 他的判断更大胆： 下一个 AWS 级别的公司，将建立在"服务器集群是为 Agent 而不是为应用程序服务"这个理念上。 围绕这个判断，一批新公司正在崛起。我最近关注到好几个： 计算环境，也就是 Agent 的"电脑"：专门做 Agent 沙盒的创业公司 E2B，200 毫秒就能启动一个沙盒，88% 的财富 100 强在用，已经跑了 5 亿多个沙盒。Manus 的联合创始人说他们用 E2B "给 Agent 一台完整的虚拟电脑，配备 27 种不同工具"。 搜索，也就是 Agent 的"眼睛"：Agent 搜索引擎 Exa 的公司搜索准确率 62%，是通用搜索引擎 Brave 36% 的近两倍。前端部署平台 Vercel 的 CEO 说"Exa 就像 Perplexity 即服务"。 通信，也就是 Agent 的"邮箱"：YC 孵化的 AgentMail 能毫秒级创建新收件箱，已经发了 2000 多万封邮件。传统企业邮箱 14 美元一个，Agent 要几千个，成本扛不住。 支付，也就是 Agent 的"钱包"：通过 Stripe 或 Coinbase，Agent 可以自主付款、控制预算。微交易的真实用例可能终于来了。 你看，Agent 不只需要一个"大脑"（语言模型），它像人一样也需要的是一整套生活设施，就像人需要办公室、邮箱、银行卡一样。 这个赛道目前还很早期，值得持续关注。 但别太嗨，有几个现实必须面对 Levie 自己都承认：企业里 80% 的工作根本没有文档化，Agent 读不到。他的原话："6 万 token 的工作窗口，面对 5000 万页信息。"这差距太大了，就算上下文窗口无限大，计算成本也扛不住。 全球四大会计师事务所之一的 Deloitte 更直接："完全替代企业应用至少还要 5 年以上。" 2026 年更多是实验和加速采用阶段。 我自己的体感也是这样。我每天用 AI 工具，效率确实提升了很多，但遇到需要"懂行"的事情，AI 还是经常犯傻。它能帮你干活，但不能帮你判断该不该干这个活。 有意思的是， 5 到 20 人的小团队反而跑得最快。 这些白纸一张的小公司已经按全新方式运转了：写 prompt → Agent 在后台跑 → review 输出结果，天然就是 prompt driven 的。 大公司面对的困境完全不同： 沉重的"部落知识"、缺乏文档的既有流程、分散在几十个系统里的数据。 Levie 在 Box 内部的做法是：先给员工吃定心丸（"不是为了裁人，是为了提高产出"），每周五全员 demo AI 用法互相学习，然后开始倒逼团队重新思考时间线（"为什么三周的项目不能两天完成？"）。 消耗制定价的风险也不能忽视。收入跟用量挂钩，用量波动，收入就波动。华尔街最喜欢的"可预测经常性收入"就没了，这对 SaaS 公司的估值是个大问题。 Agent 的治理问题也几乎还是空白。Levie 在文章里也写了："Agents require a significant amount of oversight, lack privacy protections, can't be held accountable for their actions, and are hard to audit when things go wrong."（Agent 需要大量监督，缺乏隐私保护，无法为自己的行为负责，出了问题很难发现。） Agent 犯了错，是开发它的公司负责，还是部署它的公司，还是给它下指令的那个人？目前没有答案。 兄弟们，你已经是 Agent 经理了 Levie 在一期播客里说了句让我印象很深的话："The role of the knowledge worker is fundamentally changing, because you are now a manager of agents. That is a completely different level of work."（知识工作者的角色正在根本性地改变，因为你现在是 Agent 的经理，这是一种完全不同层次的工作。） 他说这可能是 "人类历史上任何知识工作者岗位经历过的最大的一次转变"。 我想了想，确实是这样。我每天用 Claude Code 写东西，本质上就是在"管理"多个 Agent。我告诉它做什么，它去执行，我检查结果，给反馈，让它改。跟带一个新员工没什么区别，只是这个员工不需要睡觉，也不会跟你抱怨加班。 以前我自己干活，现在我"指挥"AI 干活 从执行者变成了管理者 这个转变已经在发生了，只是大多数人还没意识到 Levie 还提到了 Jevons 悖论。当某个东西变便宜了，人们不会少用，反而会用更多。以前做一份市场调研要花几万块，现在 Agent 花几百块就能搞定。结果不是"省钱了"，而是"以前不值得做的事，现在都要做了"。 这个我太有感触了。以前写一篇深度文章，光是素材采集和背景调研就要大半天。现在 Agent 帮我抓网页、读论文、整理数据，我把时间花在判断和写作上就行。以前一天写一篇就不错了，现在产出翻了好几倍。 科技媒体 Every.to 创始人 Dan Shipper 举了个更生动的例子：他用 GPT 做了一次"二次法律审查"，结果发现了专业律师遗漏的、价值数十万美元的合同问题。这种审查在以前根本买不起，现在几美元就能做。 Photoshop 出现的时候，人们说平面设计师完了。结果呢？设计师数量翻了好几倍。Excel 出现的时候，人们说会计完了。结果呢？会计从业者比以前更多。AI 正在重复同样的剧本，只是速度更快、范围更广。 但人类真正不可替代的东西，不只是"还需要人做判断"。Dan Shipper 把它叫做"隐性知识"（tacit knowledge）： 你在一个行业待了 15 年，积累的直觉、对潜规则的理解、对模糊地带的判断，这些东西没有写在任何文档里，也无法被训练进任何模型。 Levie 举了个例子：你在走廊里跟同事随口聊了两句，突然意识到另一个项目可以复用你正在做的技术。这种灵感来自你在物理世界中的存在，Agent 可能无法复制。 "Jobs are not tasks. Jobs are a collection of tasks."（岗位不等于任务，岗位是一系列任务的集合。）AI 非常擅长自动化单个任务，但最终，我们仍然需要一个人把 Agent 完成的各个任务整合进更大的工作流，转化为真正的价值。 这个人就是你。而你最大的竞争优势，恰恰是你在现实世界中积累的那些无法数字化的东西。 说说我的感受 软件行业正在经历一场物种替换。产品的核心用户从人变成了 Agent，定价从按人头变成按用量，基础设施从为人类设计变成为 Agent 设计。 但最让我触动的是 Levie 说的"你已经是 Agent 经理了" 这事已经在发生了，不是未来 每天用 Claude Code、用 Cursor、用各种 AI 工具的我们，其实已经在做"Agent 经理"这个岗位了。一个人加上一群 Agent，产出可以和一个小团队持平。但前提是，你得是一个好经理。 只是还没人给它发工资... 本文参考：Aaron Levie "Building for trillions of agents" | https://x.com/levie/status/2030714592238956960 播客来源：Every.to "How Box Is Building an AI first Company—Without Cutting Jobs" | Latent.Space "Every Agent Needs a Box" 数据来源：Deloitte TMT Predictions 2026 | PYMNTS.com | Maxio | Gartner Mark Cuban 观点来源：Benzinga "Mark Cuban Says 'Software Is Dead'" PYMNTS.com End. 感 谢 阅 读 点赞，转发，关注关注关注↓↓ 🔗 原文链接： https://mp.weixin.qq.com/s/2JaFH4Mk... https://mp.weixin.qq.com/s/2JaFH4Mk... 小互 小互 小互AI2026年3月14日 09:34 安徽 Box CEO :未来软件的用户不是人 🔥 Box 的 CEO Aaron Levie 写了篇长文，标题直接叫"Building for trillions of agents"（为万亿个 Agent 而建）。 我每天刷大量 AI 相关的内容，各种"AI 将改变一切"的文章看麻了。 但这个不一样，这哥们不是 AI 评论家，是一家年收入 12 亿美元的企业软件公司 CEO，每天要面对真实客户的真实需求。 他的核心观点就一句话： 未来软件最大的用户群，不是人类，是 Agent。一家公司里 Agent 的数量可能是员工的 100 到 1000 倍，全球加起来会有数万亿个。 兄弟们，数万亿啊... Agent 已经不只是写代码了 去年底开始，编码 Agent 突然能跑很长的任务了，不用你一直盯着。Claude Code、Devin、Codex、Cursor 这些大家都知道。 但最近几个月变化更大。 Claude Code的火爆、Claude Cowork 能帮你处理日常工作，Perplexity Computer 能操作你的电脑，Manus 被 Meta 20 亿美元买走，OpenClaw 更猛，一个人做的开源项目，上线一个多月直接冲上 GitHub 榜一，日活 300 万，直接被 OpenAI 收。 前两天我还写了 OpenClaw 的安装教程... 把小龙虾接入钉钉AI表格 可以接管你的工作... 把小龙虾接入钉钉AI表格 可以接管你的工作... 装好小龙虾之后：小学生都会的完整配置指南 装好小龙虾之后：小学生都会的完整配置指南 这些 Agent 已经不是聊天机器人了。它们有自己的计算环境，能写代码跑代码，能调 API，有文件系统，有长期记忆。 Levie 说得很直白： Agent 会被部署到审合同、做客服、查财务、搞医学研究、做销售演示...基本上所有知识工作都会被覆盖。 很多人把 Agent 理解成"更聪明的聊天机器人"，但我最近深度体验之后的感觉，完全不是一回事。它更像是一个真正的高级"数字员工"，有自己的工位、自己的工具、自己的记忆。 说实话，我现在每天用 Claude Code，已经有点这个感觉了，它不是在"回答问题"，是在真正的"帮我干活"。（这篇文章就是它写的...） 我已经使用 Claude Code 在开发我自己的产品，而我之前还是个开发小白... Levie 拉了一条技术演进线：大型机、PC、移动互联网、云计算，每一次浪潮的采用都需要 5 到 10 年。 AI 的采用曲线被压缩到了两年以内，而且改变的不是某个部门的某个流程，是每一个员工每天的工作方式。 没有 API，你对 Agent 就是隐形的 这个观点让我挺震动的。 Levie 引用了硅谷创业教父 Paul Graham 的经典名言"Make something people want"（做人们想要的东西），然后改了一个字："Make something agents want"（做 Agent 想要的东西）。 为什么？因为 Agent 不会像人一样打开网页、点按钮、填表单。它通过 API 来用你的软件。你的产品没有 API？对 Agent 来说你就是不存在的。 Levie 说了一句话我觉得特别狠："Agents won't be going to your webinar or seeing your ad. They will simply use the best tools available."（ Agent 不会去看你的广告，不会参加你的线上讲座，它只会用最好的工具。 ） 你想想，传统获客方式（内容营销、广告、展会）在 Agent 面前全部失效。唯一的获客渠道变成了：产品本身好不好用，API 够不够友好。硅谷最知名的创业孵化器 YC 的合伙人 Jared Friedman 还补了一刀：大多数工具连通过 API 注册账户都不支持。也就是说 Agent 想用你的服务，连门都进不去... 这让我想到之前写的 Claude MCP 协议的事。当时很多人觉得 MCP 只是个技术协议，没什么大不了。现在看，MCP 本质上就是在解决这个问题，让 Agent 能连接各种工具。这不是什么技术细节，是关乎软件生死存亡的事。 按人头收费的时代要结束了 这部分很硬核... Levie 的逻辑很清楚：一个 Agent 可以干原来五个人的活，起草合同、对账发票、生成营销文案、处理客服工单。按人头收费的话，客户从 100 人缩到 20 人，你的收入直接掉 80%。但实际上你的软件处理的工作量可能翻了三倍。 全球最大的 IT 研究机构 Gartner 的数据印证了这个判断：70% 的企业到 2026 年将转向使用量计费。83% 的 AI 原生 SaaS 公司已经在用消耗制了。 Levie 认为行业在摸索三条路：消耗制，按 API 调用次数和 token 数量收费，用多少付多少。积分制，客户买一池子积分按需分配，营销平台 HubSpot 和人力资源巨头 Workday 都在搞。成果制，最激进的路，不按用量收，按结果收，Agent 帮你多批了多少贷款，按这个结算。