一句话看懂：Box CEO Aaron Levie 指出，大模型能力突破只是AI落地的“上半场”，真正机会在“应用层”——如何把模型智能安全、合规、高效地接入企业现有系统和流程。他认为模型越强，对应用层依赖反而越大，独立垂直玩家大有可为。
事件核心：发生了什么
7月26日，Box CEO Aaron Levie 在 X 上发表长帖，阐述他对AI在企业级市场落地现状的判断。他明确反对“模型能力持续提升会减少中间层需求”的观点，认为智能本身不足以改造大多数业务流程，因为需要将智能与现实世界的反馈回路连接起来——包括对接ERP、CRM等企业系统，获取正确数据，设计人类决策所需的UX，建立可改善底层数据和模型的反馈机制，同时应对监管与合规挑战。
Levie以银行客户入职和法务合同审查为例，说明不同行业、不同场景的AI agent实现方式完全不同。他判断“应用型AI层”（applied AI layer）中很大一部分机会必然由独立公司把控，因为它们可以在每个行业深入扎根。
为什么重要
这篇文章截取了AI行业当前最核心的争议点：模型能力越来越强后，中间商/应用层是否会被“模型直出”取代？Levie 给出了否定答案，理由是可自动化的工作流越复杂，需要的系统集成、数据治理、合规适配就越多。这实际上为大量AI初创公司（尤其是垂直行业SaaS）提供了持续生存的论据，也解释了为什么微软、谷歌等平台方尚未能完全吃掉企业AI市场。对于投资和创业方向，Levie的观点意味着“纯模型层”和“纯应用层”之间仍有巨大价值洼地。
对用户/开发者/创作者的影响
企业技术采购者：选型时不能只看模型基准测试分数，而要看供应商能否提供完整的企业系统对接、数据安全合规方案以及行业特定工作流优化能力。Levie 的观点提醒，如果只买一个通用API，部署成本可能远高于定制应用层。
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。
开发者与AI工程团队：应重点投入构建“连接器”和“编排工具”，例如多系统数据管道、Agent 框架、可审计的决策记录。Levie 提到的“人类在流程不同步骤做决策”，意味着需要设计良好的UX界面，这是纯模型厂商容易忽视的工程领域。
创作者与独立开发者：将AI嵌入垂直场景（如合同审核、供应链协同）仍有窗口期。模型能力越强，能处理的流程复杂度越高，反而更需要懂行业Know-how的人去设计应用层，而不是被大模型替代。
值得关注的后续
1. 大模型厂商是否会亲自下场做行业应用层？目前 OpenAI、Google、Anthropic 均未深入垂直系统集成，但微软 Copilot 已经部分覆盖。Levie 的观点暗示完全由平台方吃下整个应用层难度极大。
2. 独立“AI应用公司”的代表案例：Levie 的 Box 本身就在做内容管理与AI的结合，可观察其合作伙伴或收购方向是否印证该判断。
3. 监管因素：Levie 特别提及“regulatory and compliance challenges”，在金融、生命科学、法律等领域，监管要求可能直接决定应用层设计范式，后续若出台AI责任法规，将加速专业化应用层公司的需求。
