AI 是“专家杠杆”，而非“外行捷径”——Aaron Levie 谈 AI 真实生产力来源
一句话看懂：Box 的 CEO Aaron Levie 在 X 上发帖认为，AI 最有效的用法是作为已有专业领域的“力量倍增器”，只有专家才能驾驭 AI 产出高质量成果，而缺乏判断力和兴趣的“第三类人”只能制造大量低效的“垃圾内容”。这一观点与剑桥学者 Henry Shevlin 的“内化知识是 AI 时代的创造性原材料”形成呼应。
事件核心：发生了什么
2026 年 7 月 24 日，云存储公司 Box 的 CEO Aaron Levie 在社交媒体上分享了他对 AI 生产力分化的判断。他提出，将用户对 AI 的使用分为三类：第一类是已有专业领域知识，AI 是杠杆；第二类是想快速学习新领域，AI 是加速器；第三类是没有判断力、也没有兴趣建立判断力的人，使用 AI 只会产生“slop”（大量低质量、无组织的输出），无法驱动有经济价值的生产活动。他强调，专家的价值不会因为 AI 而降低——恰恰相反，拥有领域判断力的专家能用 AI 产出更高质的作品，并能及时纠正 agent 模型出现的偏离。同时，剑桥大学学者 Henry Shevlin 也指出，学生不应因为有了搜索引擎和 LLM 就放弃记忆知识：内化的事实不仅充当了识别胡扯的过滤器，也是进行创造性联想的基本原料。外部知识只是惰性数据。
为什么重要
Levie 的论断直接挑战了一部分“AI 让每个人都能成为专家”的乐观叙事：AI 的确大幅降低了创作和执行的门槛，但最终的产出质量仍然强烈依赖于使用者的专业判断、审美和纠错能力。这对 AI 工具的市场定位产生了实际影响——如果缺乏领域判断的使用者只能产出低价值内容，那么 AI 产品设计就应该优先服务专家用户，而非一味追求用户规模。同时，Shevlin 的观点也提醒了教育和技术哲学：内化知识并非过时，而是 LLM 时代更稀缺的“高带宽”认知资源。这二者共同指向一个结论：未来 AI 的市场分化将使“know how”型专家比以往更有价值，而非被取代。
对用户/开发者/创作者的影响
对创作者和开发者而言，核心启示是：不要认为 AI 能替代你建立判断力的过程。无论是使用 AI 进行设计、编程还是内容创作，专家的“正确方向”是确保 AI 输出质量的核心。缺乏代码美学判断的开发者很难用 AI 写出可维护的代码；没有设计直觉的创作者同样难以用图像生成模型产出具备美感的作品。更深一层，这对 AI 工具的设计提出了新要求：未来的 agent 和 copilot 产品需要留有人在回路中的“纠正”与“调整”接口，而不仅仅是“交给 AI 完成”。对开发者来说，这也意味着产品定位不应仅强调“AI 能做一切”，而应明确“专家+AI = 生产力的指数增长”。
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
值得观察的动态有三：第一，各家商用 AI 产品是否会调整定价策略，从“按量付费”转向“按专业场景付费”？例如，为垂直领域专家设计的高阶内部版本。第二，教育机构是否会重新调整教学方向，强化“领域知识内化+AI 协作”的课程模式，而非完全转向 prompt engineering 的教学。第三，Levie 本人所在的 Box 是否会基于这一判断推出面向专家用户的 AI 功能模块——比如面向企业文档、合同、设计链路的专业 agent 控制层。
