硅谷在聊「AI 替代所有人」，C-suite 们在讨论怎么给 token 报销
Box CEO Aaron Levie 拜访了数十家大型企业 AI 负责人，揭示了硅谷叙事与 C-suite 现实之间的巨大落差。同期，AI agent 创业的 90% 失败率数据说明了同一件事：AI 已经真实有效，但有效比大多数人想的更难、更具体、更贵。
Box CEO Aaron Levie 最近拜访了数十家横跨银行、媒体、零售、医疗、咨询和科技的企业 AI 负责人。他把调研发现写成一条长推，标题很直白：1.3 million people reading what the C-suite actually thinks about AI versus what Twitter thinks about AI。
落差巨大。
企业端的真实对话
硅谷叙事：AI 让复杂的事变得简单，发布更快，代码更少，什么都能自动化。
企业现场：「我们正在想办法给 token 做预算。」
Levie 收集到的场景：1
- 一家公司为 AI 计算资源专门搭了「鲨鱼坦克」式内部竞争机制——各团队上台 pitch，抢夺算力预算
- 另一家公司在每个业务单元都配备了 AI 主管，并向一个中央协调团队汇报，只为解决跨职能协调问题
- 第三家在内部建了 AI「需求层次结构」，把 AI 用量分配到最高价值的工作流上
他们讨论的不是 AI 能不能用、是不是有效。是怎么付钱。
那个 chart 才是真正的故事
Levie 分享了一张图：企业买家对话中 AI 的出现频率。
- 业务流程自动化：80%
- 客户服务：75%
- 销售：55%
- 知识管理：50%
2025 年上半年到下半年，每个品类都在飙升。AI 不再是一个部门的事，而是出现在每一个部门的每一个对话里。问题从「我们该用 AI 吗？」变成了「怎么同时给所有团队买单？」
最反直觉的发现：没人在说裁员
Levie 的线索里最让人意外的一条：没有哪家企业在谈用 AI 替代岗位。
不是因为他们客气。而是主要用例根本不是替代职位，是做以前做不到的事。
- 处理在档案柜里积压了几十年的文件
- 自动化一直没人力解决的后台瓶颈
- 对大到任何团队都无法手动阅读的数据集做分析
Jevons 悖论在这里再度出现：AI 让任务变便宜 → 公司做更多任务 → 用人反而没减少 → 因为还需要有人来搭建、运营和调试那些正在自动化一切的系统。
Levie 的原话：「所有人的工作量都比以前更多。AI 现在并没有让任何人少做事。」
把这句话重读一遍。那个本应减少工作量的技术，让所有人的工作量都变多了。不是因为失败，是因为成功——它打开了太多新的可能性，每个团队现在跑的项目数比 AI 出现之前还要多。
「最强的 AI 用法，比以前的软件时代更技术性」
这是 Levie 留给硅谷的一条逆耳忠言：最有力的 agent 用法，比以前的软件时代更需要技术能力，而不是更少。
MCP、Skills、CLI、企业规模的 agent 编排、prompt engineering——这些不是拖拽工具。它们需要工程师。
那批「AI 会替代的工程师」，正是每家企业都在招来部署 AI 的人。
AI 没有消灭工程师。它把工程师从代码写手，升级成了系统架构师。
AI Agent 创业：90% 会死，而且创始人自己也清楚
如果说 Levie 的调研揭示了 AI 在大型企业的「复杂落地」，那 Shyamol Konwar 的长推则解剖了另一端的冰冷算术：AI agent 创业的淘汰赛正在血洗行业。2
他引用的数据：
| 数据点 | 来源 |
|---|---|
| AI 初创 92% 失败率，中位寿命 18 个月 | 847 家初创追踪研究 |
| 2024 年 966 家初创关闭，同比+25.6% | Carta 数据 |
| Seed 阶段失败率+102%，Series A+61% | Carta 数据 |
| EU AI Act 将>33% AI 初创列为高风险 | EU AI Act 分类 |
| 合规成本 $160k–$330k | 行业估算 |
| AI 幻觉在企业造成损失 $674 亿（2024 年） | MedRxiv + 行业研究 |
平台风险不再是理论。OpenAI 每一次发布都在静悄悄地消灭半数自动化初创公司。Reddit 上有创始人公开发帖：「我的初创被 OpenAI 干掉第二次了，现在怎么办？」
GPU 成本吃掉技术预算的 40-60%，早期 AI 初创平均毛利率只有 25%（而传统 SaaS 目标是 70-80%）。顶级 ML 工程师 2025 年年薪达 $20 万以上，最顶尖的 $26.5 万到 $35 万——种子阶段根本抢不过。
Konwar 的判断：「通用 agent 套上 GPT-4 加一层薄界面，已经死了。只是还没停止动」。
活下去的路只有一条：停止宣传你的模型，开始宣传你的护城河。数据、分发、深度工作流整合——这三件事之外的一切，都只是等着被吸收的功能。
两条推文，同一个信号
读完这两篇，背后是同一条逻辑：
AI 已经真实有效，但「有效」比大多数人想的更难、更具体、更贵。
大型企业在为 token 成本建预算机制；AI agent 初创正在以每年数百家的速度关闭。每个层面都在做的同一件事：想清楚「AI 对我有效的那部分」到底在哪里，并为此构建护城河——不管那个护城河是内部数据、企业工作流集成，还是一个不会被 OpenAI 下一次更新轻易复制的垂直用例。
「代理做支持，代理做外联，代理做研究，代理起草合同，人类审核、批准和掌舵」——Levie 引用的这段话，也许是对当前 AI 能到哪一步最准确的描述。不是机器接管了一切，是机器接管了那些可以被准确规定的事，而人类的工作向上移动了一级。
References
- 1
- 2
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.