一句话看懂：Box CEO Aaron Levie 在 X 上判断，AI agent 的企业落地目前呈极端两极分化：编程及相关任务已经跑通，其余知识工作几乎还在起跑线，因为大多数工作流需要被重新设计，而不是加一个聊天窗口就能解决。
事件核心：发生了什么
2026 年 10 月，Aaron Levie 在 X 上回应了一组关于“AI 是否已经主流化”的争论。他的判断是：当前 agent 采用率高度双峰化——编程和编程相邻任务（代码生成、调试、测试、文档）已经真实起量，其余领域则明显滞后。
即便在编程内部，分化也很明显：目前公开信息显示，只有一小部分开发者会让后台 agent 并行处理多个项目，大多数人仍是“一对一”与 agent 协作。
至于编程之外的知识工作，Levie 认为真正的 agent 化仍处于极早期。他给出的原因不是模型能力，而是工作流本身需要推倒重来：数据要重新接线，决策的责任归属和问责机制要重建，治理与合规范式要调整，安全体系也要升级。他也因此认为，未来 agent 的采用规模可能比现在再高两个数量级。
为什么重要
这解释了当前 AI 商业化的一个核心落差：模型和 API 的能力曲线很陡，但企业内部的流程改造曲线很平。编程之所以先跑通，是因为代码本身可验证、可回滚、反馈周期短；而合同审批、财务对账、客服升级等流程牵涉多方权限、责任归属和审计要求，agent 一旦做决策，谁来担责就成了比模型准确率更棘手的问题。
对厂商而言，这意味着单纯卖 token 或推理算力的天花板，取决于客户愿不愿意重做流程。对闭源和开源模型公司来说，谁能在工具调用、权限控制、审计日志上给出更完整的企业级方案，谁才更可能吃到下一波预算。
对用户/开发者/创作者的影响
开发者的现实机会仍在编程及其邻近场景：把 agent 接入 CI、代码审查、测试生成，是眼下投入产出比最高的方向。企业采购方则需要先梳理哪些流程具备“可验证、低责任风险”的特征，再逐步引入 agent，而不是先买工具再找场景。创作者和普通知识工作者短期内更可能受益于研究、草稿、整理类辅助，而非端到端的自动执行。
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
一是企业级 agent 平台在权限、审计和责任划分上的产品进展；二是编程之外是否出现可复制的标杆流程，例如客服或运维；三是模型厂商的定价与计费方式是否从 token 转向按任务或按结果收费。
