一句话看懂：Box CEO Aaron Levie 提醒开发者，不要只按当前 AI 能力做产品规划，而应按未来几个数量级的算力与模型能力提升来布局，最好选择今天“勉强可行”但长期“接近不可能”的方向。
事件核心：发生了什么
9 月 8 日，Box 首席执行官 Aaron Levie 在社交平台 X 上连续发文，讨论 AI 快速进步背景下的产品构建策略。他指出，开发者应假设未来可用的大模型能力或 token 处理量将提升至少几个数量级，并以此为前提做产品愿景规划。Levie 的观点是对另一位 X 用户 Will Brown 推文的回应。Brown 的原话是：“太多人在构建 ‘前 AGI 公司’，而不是 ‘后 AGI 公司’。” 这条推文在 X 上获得约 5.5 万次浏览。Levie 进一步解释，目前最好的机会是那些“今天勉强能实现价值，但完整使命在当下技术条件下几乎不可能完成”的方向。他认为，很多有价值的产品要么需要数量级更高的数据处理能力而当前经济上几不可行，要么依赖的模型能力仍处在极早期阶段——而这些恰恰是应该投入构建的场景。
为什么重要
Levie 的提醒本质上指向一个被许多团队忽略的规划误区：以当前模型能力和 token 成本为锚点设计产品，很可能在两年内就会被技术迭代淘汰。他提倡的是一种“能力冗余”式的前瞻思维——用 10 倍、100 倍甚至更高的未来能力增长幅度来反推今天的产品架构和场景选择。这种思路对行业有两个直接冲击：第一，那些因为推理成本过高或模型能力不足而被搁置的应用场景，可能重新具备立项价值；第二，创业团队如果只做基于现有大模型 API 的浅层封装，容易被模型厂商的功能升级直接覆盖。Levie 的潜台词是，真正的壁垒在于提前押注那些需要更大算力、更成熟模型才能完全兑现的“远期正确”方向。
对用户/开发者/创作者的影响
对开发者而言，这条建议意味着产品规划时不应把目光局限在 GPT-4o、Claude 3.5 Sonnet 或 Gemini 1.5 Pro 当前的能力边界上。更务实的做法是评估两三年后更强大的开源或闭源模型可能解锁什么，并选择那些届时能形成数据和场景积累的方向。对大模型 API 的重度使用者，这同样提示关注 token 成本下降曲线——今天看似昂贵的多模态长文档分析、全量代码库理解或实时视频推理，未来可能成为默认功能。对 AI 应用创业者，Levie 的判断支持一个略显反直觉的结论：被许多人视为“太早”或“不现实”的项目，可能恰恰是现在唯一值得做的项目。当然，他也强调要先在当下用“勉强可行”的技术向客户交付可见价值，而不是纯粹为未来画饼。
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
Levie 这一表态背后有几个可追踪的观察点。一是模型能力的代际跨越速度是否真的能支撑他的“几个数量级”假设，未来 12-18 个月发布的旗舰大模型能否在最核心的推理、长上下文和 agent 能力上远超当前水平。二是推理成本的下降幅度——如果 token 价格按他暗示的速度走低，哪些等待算力降本才敢启动的数据密集型应用会率先出现商业案例。三是开发者生态的反应；是否会有更多团队调整产品路线图，从“适配今天最强模型”转向“赌下一代模型的边界能力”，以及这种做法在融资和客户沟通层面是否会形成新的叙事压力。
