agent 从对话走向后台 swarm
来自 Aaron Levie · 期号 2026-10-15
摘要
Box CEO Aaron Levie 认为，AI 的使用方式正在经历第二次跃迁。 第一阶段是 chatbot：人提问、AI 回答，效率提升受限于人处理信息的速度。 第二阶段是后台 agent：把任务交给 agent 去跑，人不用全程盯着。Levie 说，从对话到后台自主执行，token 消耗量将是现在的 100 到 1000 倍。 再下一步是 agent swarm：同时派出多个 agent 处理同一问题的不同部分，或者让 agent 去调用其他 agent。保护代码库、审计文档、检查基础设施——这些工作大部分是新增的，不是替代现有岗位。 Levie 认为模型能力在持续提升、成本在持续下降，剩下的瓶颈只是算力够不够。
深读
导读 Box CEO Aaron Levie 用一篇短文勾勒了 AI 在企业中从对话式助手到后台自主 agent、再到 agent swarm 的演进路径。核心观点是：第二阶段（后台 agent）的 token 消耗量将是当前 chatbot 阶段的 100 到 1000 倍，而由此产生的大量工作将是净新增的，而非替代现有岗位。对于关注 AI 落地形态和基础设施需求的人，这是一篇值得花几分钟读完的判断。 关键信息 - Levie 将 AI 使用方式分为三个阶段：chatbot（人提问、AI 回答）、后台 agent（把任务交给 agent 在后台自主执行）、agent swarm（同时派出多个 agent 处理同一问题的不同部分，或让 agent 调用其他 agent）。 - 从第一阶段到第二阶段，token 消耗量预计增长 100 到 1000 倍。 - Levie 认为当前知识工作的大部分步骤，如数据搬运、文档审查、代码安全扫描、日志模式分析、客户信息查询，都受限于人处理信息的速度，AI 已经大幅解锁了这些环节。 - agent swarm 的部署方式包括：由人触发、由工作流触发、由事件触发、以及由其他 agent 触发。 - Levie 明确表示，agent swarm 承担的大部分工作是净新增的，不是替代现有岗位，例如保护代码库、审计每一处变更、检查基础设施健壮性、逐文档排查风险等。 逐节讲解 从对话到后台自主执行 Levie 指出，当前大多数知识工作本质上受限于人处理信息的速度，搬运数据、审查文档、扫描代码安全漏洞、分析日志模式、查询客户信息，这些步骤构成了瓶颈。AI 的第一阶段（chatbot）只是让人更快地完成这些单个任务，但人仍然必须全程参与，并行能力受限于自身的带宽和上下文。 第二阶段的核心变化是：把任务交给 agent 在后台自主运行，人不再需要全程盯着。Levie 估算，这一跃迁带来的 token 消耗量将是当前 chatbot 阶段的 100 到 1000 倍。 agent swarm：同时派出多个 agent Levie 认为，随着模型能力持续快速提升，可以逐步把更复杂的问题交给 agent 处理，先是让一个 agent 独立解决更难的问题，然后让多个 agent 同时处理同一任务的不同部分。再下一步，就是能够向一个问题抛出任意数量的 agent，只说一句「完成了回来报告」。 他设想的场景包括：保护代码库、数据和系统；对每一次变更做质量保证；确保所有基础设施健壮且按预期运行；逐文档排查潜在风险；用远超当前规模的数据量做审计。Levie 强调，这些工作大部分是净新增的，不是替代现有岗位。 瓶颈：算力 Levie 认为，agent swarm 的落地依赖两个前提，模型持续变好、AI 成本持续下降，而这两个趋势都在发生。剩下的瓶颈只是算力…