Box 執行長 Aaron Levie：擋住中國的結果，是美國用貴的 AI，全世界用便宜的
TL;DR
- Jensen Huang 發起的開放權重（open-weight，模型參數公開讓人下載自行部署）公開信，Box 是連署者之一。Aaron Levie 的核心論點是：開放權重跟封閉模型不是零和，它只是把 AI 能做的事情變多。
- 關於蒸餾（distillation，用一個模型的輸出去訓練另一個模型），他的立場很直白：如果你認同模型可以拿整個公開網路來訓練，就很難主張「拿模型輸出來訓練」是踩線的。而且蒸餾的人還得付 API 費用，Anthropic 從蒸餾者身上收到的錢，比原始訓練資料的作者拿到的多太多了。
- 對於「太依賴中國開源模型」的國安焦慮，他的反問是：那替代方案是什麼？美國用昂貴的 AI，其他國家用便宜的 AI，然後看未來五到十年誰比較有競爭力？
- AI 這門生意的收銀機在推論（inference）。他預估 token 的毛利會從七八成往三四成收斂，而開不開源都改變不了「錢最後流進基礎設施」這件事。
- 他認為封閉實驗室應該考慮「快速跟進式開源」：把上一代前沿模型開放出來，反而會讓更多使用情境留在自己的生態系裡。
- Box 沒有因為 AI 少請工程師。反而是因為「多年才做得完」的專案變成幾個月、「一週但不值得做」的專案變成兩小時，整個產品路線圖被撐大了。
- 模型路由（model routing）會變成企業的預設選擇，價值會沉澱在懂資料、懂流程的應用層。
這集在二〇二六年九月五日播出的 a16z Podcast，來源是他們在 X 上的直播節目 MTS（Monitoring the Situation），主持人是 Theo Jaffee 跟 Sofia Puccini，這節目基本上是矽谷科技圈的即時反應站，什麼新聞剛炸開就抓人來聊。
來賓是 Aaron Levie，Box 的共同創辦人兼執行長。Box 是一家企業內容雲端公司，二〇〇五年成立，二〇一五年在紐約證券交易所掛牌，客戶大量集中在《財星》五百大企業，做的事情是幫大公司管文件、管權限、管協作，現在再加上一層 AI 功能。Levie 從公司成立到今天一直是執行長，這在美國科技業算稀有動物。他另一個身分是推特上的長青樹帳號，二十年來持續發表對產業的看法，通常帶點刻薄的幽默感。
會找他來聊開源，是因為那封由 Jensen Huang 發起、五十家公司連署的開放權重公開信，Box 是簽名的其中一家。這封信我之前在Jensen Huang 這輩子第一則推文，是為了保住開源模型寫過，這次換一個角度，聽企業軟體這一端的人怎麼算這筆帳。
那封信是一張羅夏克墨漬測驗
主持人問 Levie 對這封信的解讀，他笑說這封信有點像羅夏克墨漬測驗（Rorschach test，心理學上讓受測者看墨漬圖案，每個人看到的東西不一樣），你原本站哪邊，就會從裡面看到什麼。
他自己看到兩件事。第一，開放權重之所以重要，是因為它真的推動了進步。你可以在上面繼續蓋東西、可以拿去針對自己的使用情境訓練、選擇變多。所以把它框成「跟封閉模型零和」根本是搞錯了，它做的事情是把 AI 的可用場景加法式地擴大。
第二，這封信隱含一個對美國的呼籲：本土需要更多開放權重的投入，需要更多公司站出來做這件事。它不是在說「我們必須支持中國正在發生的一切」。
他也給了對面陣營該有的尊重。如果把商業利益放一邊，確實有人是真心從安全角度擔心開放權重在未來某個能力水準之後會出事。他不同意，但覺得這是個健康的辯論。
蒸餾的倫理線，他畫不出來
主持人問了一個很尖銳的問題：怎麼區分「正常的商業行為式蒸餾」跟「已經構成民事或刑事違法的蒸餾」？
Levie 的回答是他不知道那條線在哪，而且他覺得畫不出來。
你很難一邊主張 AI 模型可以拿整個公開網路來訓練，一邊主張另一個 AI 模型不能拿 AI 模型的輸出來訓練。
他補了一句很誠實的話：如果他自己在經營一間實驗室，他會用盡一切技術手段去防堵蒸餾，會找出每一個防禦機制。但那是商業自保，不等於他能站上道德高地說對方越線了，因為那個論證回頭會打到自己原始訓練資料的來源。大部分人的資料被拿去訓練時，根本沒有機會選擇要不要參與。可能藏在某個服務條款的細字裡，但實質上整個產業就是預設「世界上的公開知識會被訓練進模型」。那這份知識來自 Reddit 還是來自 Anthropic，差別在哪？
還有一個經常被忽略的細節：蒸餾的人得付 API 錢。Anthropic 從蒸餾者身上收到的授權費用，比原始訓練資料的任何一個貢獻者拿到的都多。他還舉了一個思想實驗：一個人開一萬個帳號打 API 去蒐集輸出，跟我們所有人用 Fable 或 GPT-5.6 生出程式碼、然後這些程式碼全部進了公開的 repo 被別人拿去訓練，這兩件事在本質上有什麼差別？
我覺得這個類比是這集最鋒利的一段。整個蒸餾爭議之所以吵不出結論，就是因為大家想在一條連續光譜上硬切一刀，而切的位置只反映立場，不反映原則。
「擋住中國然後我們就贏了」，這個假設站不住
另一種擔憂是國安角度：現在大部分開放權重模型來自中國，如果美國新創生態系太依賴，哪天對方停止釋出，或是用低價把美國公司的毛利壓垮，就麻煩了。
Levie 說這些都是好論點，但接著問：那你要怎麼辦？
他打了一個比方。有人主張 iPhone 應該賣五千美金而不是一千美金，因為我們不該依賴中國的製造能力。好，那把這個邏輯推到底，你等於是在主張「美國用很貴的 AI，世界上其他人用很便宜的 AI」，然後我們來看接下來五到十年誰比較有競爭力。
他提到那場 Jensen Huang 上 Dwarkesh Patel 節目的訪談，說那也是一次羅夏克測驗：有些人看完覺得主持人問得對、就該這樣質問 Jensen；有些人看完覺得主持人怎麼聽不懂 Jensen 在說什麼。他自己屬於後者。
Jensen 的核心邏輯是這樣：如果你封鎖中國，中國不會因此放棄 AI。他們把 AI 當成國家級的戰略項目，而且原料齊全。人才不用說，網路上那些梗圖都在講，美國實驗室裡的中國籍研究員可能還比中國實驗室裡的多，這代表那邊生產頂尖人才的能力是實打實的。工業產能、晶圓廠的長期建設能力也在。訓練資料更不是問題，真要生資料，在中國雇十萬個人去產出，量大到你無法想像。
所以推演下去，中國成為 AI 強權不是什麼複雜的推論。而一旦他們夠強、全世界採用了他們的模型跟架構，對美國長期而言在經濟上就是壞消息。Jensen 的主張是與其用限制去加速這件事發生，不如參與那個基礎設施的建構。模型反正會被訓練出來，差別只在跑在誰的硬體堆疊上，而那個硬體堆疊最後會被部署進各國的主權雲。
Levie 的結論是：所有「開放權重有風險」或「基礎設施外流有風險」的論述，都建立在一個前提上，就是我們的領先幅度大到無法追趕。而從 Kimi K3 這類模型的進展看起來，那個差距在縮小，不是在擴大。
這門生意的收銀機在推論
聊到經濟結構，Levie 給了一個我覺得最值得記下來的判斷：AI 的賺錢點在推論，錢最後一定會流向基礎設施那一層。
他推演的邏輯是這樣。如果世界上只有一兩家實驗室，訓練有真正可專利、可保護、沒人知道的秘密，那你確實可以把整個堆疊封起來多收幾層。但現在美國有三到五家把「擁有領先模型」視為生存問題的玩家，那市場競爭會逼著 token 的價格往基礎設施成本收斂。
注意他沒說收斂到零。他明確講不相信毛利會消失，但會從七八成、九成，掉到基礎設施成本之上的兩三成、四成。
如果這是真的，那開源就不是在放棄收入。你可以是那個開放模型的首選部署基礎設施，可以是那個模型的後訓練環境提供者，可以是企業眼中「部署這個開放模型最安全的品牌」。營收其實差不多，因為你賺的還是推論那筆錢。
他甚至給了一個具體建議：像 OpenAI 這種公司，如果用穩定的節奏把上一代前沿模型開源出來當作快速跟進，反而會讓自己的前沿模型更有競爭力，因為更多使用情境會留在自己的生態系裡，而且那些開放模型的推論你自己也能接。
畢竟開源不代表你可以在筆電上跑 Fable。GPU 叢集的錢還是得付，只是付給誰的問題。這一點跟 Factory 共同創辦人在「最聰明的模型其實是最便宜的」裡算的那筆帳可以對著看，兩邊都在講同一件事：把 AI 當生意看，模型本身的可替換性比大家以為的高很多。
那為什麼實驗室不這麼做？Levie 給了兩個原因。
一是時間尺度。明天發一個封閉模型、逼所有流量走我的 API，帳面上就是賺比較多，這毫無疑問。要相信開源能變現，你的時間軸得拉得夠長，長到你接受「每個任務的 token 成本反正會被壓下來」這個前提。
二是 Anthropic 特殊。他猜 Anthropic 根本不是在做市佔率的商業計算，他們是真心認為這是重大安全風險，認為必須有一個實體控制 token 的流向，才能處理 prompt injection（提示詞注入攻擊）、才能根據查詢內容路由到不同模型。這在開放權重的環境下做不到。所以他覺得 Anthropic 大概永遠不會開源，這跟這家公司成立的初衷綁在一起。
Opus 5 好用，但有個很煩的毛病
Box 用 Opus 5 跑了大概一兩週的評測。Levie 說是很棒的模型，比 Opus 4.8 有明顯躍進，而 4.8 在發表當下已經是同級最強。
他順帶解釋了企業場景需要什麼。Box 處理的是各行各業的公司資料：財務文件、合約、行銷素材、研究資料，客戶橫跨生技、律師事務所、大型銀行。所以企業要的模型有兩個軸線，一個是深度的領域理解，模型得真的懂生技、懂法律；另一個是橫向的硬功夫，能處理大量資料、會用工具、有分析能力。Opus 5 在這兩條軸上都往前走。
但接著他講了一件比較少人談的實務問題。Fable 有個毛病是會把請求往下推到 4.8，在某些能力上退回去。麻煩的地方在於你事前不知道會不會被推。比如你的程式碼在處理權限跟存取控制，模型可能因此觸發某種安全警覺，然後你就拿不到 Fable 等級的智慧了。他說他聽過生技領域的人根本沒辦法用 Fable，因為被降級的頻率太高。
他對 Anthropic 提出的那套「跟政府一起訂多層級風險框架」是欣賞的，但也丟出一個問題：誰有資格決定那個風險框架？我們怎麼確認那些被判定的風險是真的風險？他的判斷是，如果把 Fable 現在的降級行為當作 AI 的長期常態，那沒有人會想用 AI。現在把模型鎖得這麼緊，時間點太早了。
AI 沒有讓 Box 少請工程師，反而路線圖被撐大
主持人問 AI 怎麼影響 Box 的軟體工程團隊，是多請人還是少請人。
他說他對軟體工程還是非常樂觀，而且 Box 用模型的方式就是「做比以前多得多的事」。
他描述了一個只有天天在開產品規劃會議的人才體感得到的差異。以前的專案會落在一個中間帶：一到六個月做得完的東西。太小的你不做，因為不值得；太大的你也不做，因為太難。結果所有東西都卡在那個中間帶。
現在兩邊的門都打開了。原本要好幾年的專案，不再是好幾年。原本「大概要一週，但沒那麼要緊」所以永遠躺在待辦清單最底下的東西，現在兩小時就做完。他說 Box 現在有好幾十個專案，如果沒有 AI 根本不會啟動，連燈都不會點亮。
如果你覺得你已經不需要軟體工程師了，那只代表你的產品路線圖不夠有野心。
他說他能加人就加人，現在的限制反而是財務，因為公司還有其他部門要成長要招人。
中間有個很好笑的橋段。主持人說 coding agent 估工時嚴重高估，動不動說「這是一個月的專案」，結果三小時就做完了。Levie 接：那是因為它是拿我們所有人 AI 出現之前的 Slack 訊息訓練的，裡面的工程師說這要兩年。所以模型被訓練成對專案時程極度保守。
模型路由會變成預設
最後聊到，模型發表的頻率變得這麼高，企業對單一供應商的忠誠已經撐不住了。
Levie 先自嘲他在這題上偏見很重。他的邏輯是：越是需要多個模型來完成一組任務，價值就越會累積到那個「懂任務、能拿到資料、能處理流程」的那一層，也就是應用層，也就是 Box 坐的位置。
他點名這是 Cognition、Factory、Cursor、Replit 這些公司共同期待的結局：有很多模型，各有所長，有些是成本調校過的工作馬，有些是超級前沿的協調者，而你必須組合使用才能有效率或有成本效益地完成任務。他認為現在走的就是這條時間線。
美國現在有五家可信的模型玩家：OpenAI、Anthropic、Google、Meta，以及 SpaceX。這五家同時在做兩件事，把智慧的成本往下壓，把前沿往上推。
模型路由真正解決的問題其實有點心理層面。企業面對一堆互相超車的模型會陷入分析癱瘓，遲遲不敢押注在單一模型家族或單一夥伴上。應用層給的解脫是：你不用選。先把流程跑起來、把資料整理好，哪天想用 Fable 就用，想用 GPT-5.6 就用，想路由到 Grok 4.5 也行。這個角度看，路由層反而加速了 AI 的擴散。Stripe 花七十億美金買下 OpenRouter 這件事，我在Syntax.fm 那集的筆記裡整理過，跟 Levie 這裡講的是同一個賭注。
而純橫向的模型很難深入法律、金融、醫療，不是模型做不到，是模型周圍那套裝置不在那裡：它得拿到對的資料，得用對的方式嵌進流程裡。
這集我聽完最有感的其實不是開源那段，是他講產品路線圖那段。大部分公司討論 AI 的方式是「我可以少請幾個人」，而他討論的方式是「我原本不敢碰的東西現在可以碰了」。同一個工具，兩種算法，五年後會長成完全不同的公司。
至於開源這場架，我的判斷跟他接近但沒那麼樂觀。他的推論成立的前提是模型的毛利真的會被競爭壓到三四成，如果哪一家在能力上跑出一個真正拉不回的差距，這整套「開不開源反正錢都流到推論」的算式就會失效。這件事我自己也還在觀察，但至少現在看起來，追趕的速度比拉開的速度快。
如果這篇對你有幫助，這類產業筆記我都會持續放在 wilsonhuang.xyz，訂閱一下就不會漏掉。
Sources:
推薦閱讀
喜歡這篇文章嗎？
訂閱電子報，每週收到精選技術文章與產業洞察，直送你的信箱。
💌 隨時可以取消訂閱，不會收到垃圾郵件