一句话看懂：Box CEO Aaron Levie 提出，当 AI 模型在行业内广泛共享，且所有公司都能获得顶尖智能时，企业的核心竞争优势将不再是模型本身，而是对数据和 AI 工作流的整合效率。这一观点直指“AI 能否被转化为持续商业竞争力”的深层问题。
事件核心：发生了什么
2026年7月9日，Box 首席执行官 Aaron Levie 在 X 平台发表长篇观点，核心论点如下：若人工智能模型在法律、金融、医疗、生命科学等行业的训练中均使用最优数据集，且这些模型的智能水平对所有参与者均等开放，那么企业未来的差异化竞争将从“拥有智能”转向“如何使用智能”。Levie 认为，模型、企业自有数据、工作流连接及员工交互构成一个正反馈循环，且各企业在这一循环上的执行差异将导致回报差距随时间放大。该帖文获得超5.8万次浏览，并引发了关于 AI 价值捕获问题的讨论——即技术创造巨大价值，但企业能否真正从投入中获得盈利回报。
为什么重要
Levie 的论断触及 AI 行业商业化阶段的本质矛盾：当前开源与闭源模型的能力差距快速缩小，API 价格持续下降，导致“模型即商品化”趋势明显。如果智能本身成为基础设施，那么过去依靠“独家模型能力”建立的护城河将迅速消失。长期来看，在垂直行业中，竞争优势将取决于三个要素：一是企业能否围绕自身业务流程构建私有且持续增长的数据资产；二是能否将这些数据与 AI 模型深度整合形成自动化工作流；三是员工能否借助该体系创造真实业务价值。这解释了为什么 Alex Karp 等科技公司高管担忧购买 AI 服务可能导致知识产权外泄——因为数据而非模型本身，正在成为新一代核心资产。
对用户/开发者/创作者的影响
企业采购与决策者：在选择 AI 解决方案时，应优先评估供应商的数据隔离、私有化部署及接口可定制化能力，而非仅关注模型基准分数。长期来看，绑定单一模型厂商的风险可能高于收益。开发者与初创团队：构建垂直应用时，核心壁垒应放在“数据管道”和“工作流自动化”上，而非训练通用大模型。能否为一个细分行业设计出比通用工具效率高数倍的定制工作流，将决定产品的存活率。创作者与内容生产者：随着模型生成能力普及，原创数据（如专业语料、用户行为序列、行业知识库）的价值将上升。纯粹依赖公共公开数据训练的模型，其输出结果可能因缺乏独特性而难以形成竞争优势。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1. 数据所有权争议加剧：预计将有更多企业寻求“数据不出域”的私有化 AI 部署方案，AWS、Azure 及各大云厂商的 MaaS 产品的数据隔离条款将成为选型关键。2. 工作流集成产品涌现：Slack、Notion、Salesforce 等平台将加速推出“AI + 工作流”的一站式方案，以争夺企业数据入口。3. 垂直行业差异化建模：可能出现针对特定行业（如医疗病历、法律判例）的微调模型服务商，其核心竞争力在于“行业知识图谱”而非模型基础架构。4. 监管关注点转移：若数据成为竞争优势核心，各国数据跨境流动法规和 AI 训练数据的知识产权保护规则可能迎来新一轮调整。
