企业AI觉醒：当模型供应商成为对手，如何跨越“洛希极限”？
从“Token狂热”到商业清醒：一场关于控制权的博弈
2024年初，企业对人工智能的态度可以用“盲目乐观”来概括。当时，无论是科技巨头还是传统行业，几乎都陷入了一种技术恐慌驱动的决策困境：生怕在AI革命中掉队。这种焦虑促使企业不顾投资回报率（ROI），不计成本地将大模型嵌入各个业务环节，从客服自动化到代码生成，试图通过海量的Token消耗来换取技术的“入场券”。然而，到了2025年，这种“全面铺开”的策略开始遭遇瓶颈。随着应用深度的增加，企业逐渐意识到，单纯依靠API调用和外部模型服务，不仅无法形成真正的竞争壁垒，反而在核心运营数据的流向和安全性上暴露出巨大的隐患。
进入2026年，行业情绪发生了根本性的转折。Palantir CEO Alex Karp在CNBC节目中的直言不讳，成为这一转折点的标志性事件。他批评美国企业正在干一件“荒唐”的事：一边为Token疯狂付费，一边将最核心的运营数据拱手让给模型供应商，而换回的商業价值却微乎其微。Karp指出，许多CEO对OpenAI和Anthropic等模型供应商感到“暴怒”，因为市场正在经历一场从“Token最大化”向“价值最小化”认知的纠偏。Palantir股价在言论发布后单日上涨9%，这一市场反应表明，投资者和企业管理者普遍认同这一观点：企业与大模型的关系，正面临前所未有的信任危机和商业博弈。
这种危机并非情绪宣泄，而是基于严峻的数据佐证。Salesforce的调研显示，仅有一半的IT领导者对自家数据基础设施支撑AI落地的能力充满信心。NTT DATA的报告更直接使用了“撞墙”一词，指出数据隐私和主权要求已成为架构性瓶颈。Gartner预测，到2027年，依赖区域化AI平台的企业比例将从目前的5%激增至35%。这意味着，过去的“上头”阶段已经结束，行业正式进入“不天真”的理性审视期。企业开始追问一个根本性问题：在AI生态中，我交付了什么，又真正拿回了什么？
合作伙伴的背叛：当AI服务商变成直接竞争对手
如果说Karp的批评揭示了商业模式的风险，那么近期发生的一系列商业事件则展示了更直接的威胁：你的AI合作伙伴，很可能正在利用你提供的场景和数据，打造取代你的产品。
2026年4月，Figma与Anthropic的合作破裂成为了一个典型案例。在此之前，两家公司曾紧密合作开发“Code to Canvas”功能，旨在将Claude生成的代码无缝集成到Figma的设计流程中。然而，Anthropic首席产品官Mike Krieger在4月中旬突然辞去Figma董事会席位，随即Anthropic发布了Claude Design——一款能够直接通过自然语言生成交互原型、PPT和营销物料的工具。这款产品在功能上精准对标Figma的核心业务，导致Figma股价当日下跌近8%。更令业界震惊的是，在Claude Design发布前，包括Adobe、Canva在内的多家长期合作伙伴均未收到任何通知。
这一事件暴露了大模型时代一个危险的结构性陷阱：当你与AI公司深度合作时，你不仅开放了市场入口，更在无形中交出了对自身场景、用户需求和业务逻辑的深刻洞察。Anthropic之所以能快速推出Claude Design，正是得益于其在与设计工具合作过程中积累的对设计师工作流的深度理解。
这种“平台侵蚀”并非新鲜事，但在大模型时代被加速了。亚马逊利用平台数据推出自有品牌蚕食第三方卖家，微软通过操作系统和浏览器垄断办公市场，Google通过搜索结果边缘化垂直搜索引擎，这些历史剧本正在以更快速度重演。大模型作为一种“理解加速器”，使得模型供应商能够以前所未有的速度吸收用户数据，并转化为自身的竞争优势。传统的平台积累需要数年甚至数十年，而大模型只需通过数百万次的API调用和场景适配，就能迅速构建起替代客户产品的能力。这种不对称的竞争关系，使得许多传统企业在AI转型中陷入了“资敌”的困境。
跨越“洛希极限”：企业AI应用的安全边界
天文学中的“洛希极限”概念，恰如其分地描述了当前企业与大模型的关系。当一个天体离大质量星体过近，潮汐力会超过其自身引力，导致天体解体。对于企业而言，大模型就是那颗巨大的星体，它提供了巨大的引力加速——提效、降本、创新。但如果靠得太近，企业的核心资产——数据、Know-how、用户理解——就会在合作过程中被剥离，最终被“撕碎”。
这一现象在中国企业中同样显现。联想联合IDC的调研显示，中国72%的企业已完成智能体试点，但挑战重心已从“缺算力、缺数据”转向“应用效果不达预期”和“ROI不明确”。中国企业正在进入与美国企业相似的“AI清醒期”。企业与大模型共舞的边界在哪里？答案在于重新定义核心竞争力和数据主权。
首先，企业和模型供应商的关系需要重新校准。模型本身的质量正在趋于收敛，各大厂商在基础能力上的差距逐渐缩小。真正的差异化价值不再位于模型层，而在于如何将模型能力与企业特定场景深度绑定。如果企业仅仅停留在调用API的层面，无异于在别人的地基上盖楼，随时面临被“虹吸”的风险。因此，识别并坚守那些大模型公司难以通过训练获得的、深植于行业Know-how中的壁垒，是企业生存的关键。
掌控“AI地基”：数据主权与私有化部署的崛起
在“洛希极限”之外，企业必须构建自己的安全轨道。这一轨道的核心，是对数据主权和AI基础设施的绝对掌控。
Palantir提出的“主权AI”理念正在成为行业共识。其核心逻辑是：模型可以使用第三方的开源或商业闭源模型，但数据必须留在企业自己的围墙内，部署必须在可控的基础设施上。这一观点得到了市场的热烈回应，Palantir 2026年第一季度营收同比增长85%，验证了“私有化大脑”赛道的巨大潜力。
在中国市场，这一趋势同样显著。金山办公WPS 365产研负责人黄伟杰指出，当前企业缺的不是硬件或模型，而是一个安全的AI应用层。IDC数据显示，企业AI算力部署中，公有云占比下降，私有云和本地部署占比从54%提升至69%。“数据不出域”已从合规口号变为CTO选型的首要条件。这表明，企业正在从技术洁癖转向理性选择：只有将数据保留在本地或私有云中，才能确保核心业务逻辑不被泄露，确保AI应用的可控性和安全性。
此外，围绕“主权AI基础设施”的投资也在爆发。2026年上半年，欧洲多家主权AI基础设施公司融资总额超过118亿美元。这些公司致力于在AI系统和敏感数据之间建立“主权控制层”，解决数据访问权限、审计追踪和合规性问题。这一基础设施层的崛起，为企业在大模型时代提供了必要的防护盾，使得企业能够在利用AI能力的同时，守住数据和业务的底线。
组织进化：从“人力替代”到“智能驾驭”
在技术层面确立主权后，企业面临的另一个严峻挑战是组织能力的重构。许多企业陷入了一个误区：认为AI的价值在于替代人力，从而大幅削减组织架构。然而，这种做法可能导致组织“空心化”，丧失对市场和环境变化的敏感度。
AI的本质是执行过去凝结的最佳实践。当AI接管了大部分执行环节，如果组织中缺乏能够感知变化、判断方向并驱动创新的人才，企业就会陷入“高效地重复过去”的陷阱。环境变了，市场变了，AI仍忠实地执行旧逻辑，而组织失去了进化的能力。
因此，AI时代的组织变革不应是简单的“减法”，而应是“乘法”。企业需要从“用AI替代人”转向“让人驾驭AI”。这意味着招聘和培养具有全局视野、能够判断AI产出质量、并能在AI提供的“最优解”之外发现新可能性的“指挥官”型人才。真正的竞争力不再是“替代了多少人”，而是“能否通过AI实现以前无法做到的创新”。
一些领先企业已经开始实践这一转变。它们不再单纯追求AI的工具属性，而是将其作为组织进化的催化剂。通过重塑流程、优化人才结构，企业将AI融入到决策和创新的核心环节中，从而在保持执行效率的同时，保留了组织的敏锐性和创造力。这种“人机协同”的新范式，将成为企业在大模型时代最难以被复制的核心壁垒。
构建立体生态：超越“模型独大”的产业格局
过去两年，行业隐含的假设是“离模型越近，价值越高”。然而，随着模型能力的商品化和企业需求的深化，这一假设正在被打破。一个只有模型公司独大的产业结构，不仅对企业不健康，也制约了AI产业的长远发展。企业需要的不再是单一的模型，而是一套能够回应数据主权焦虑、保护竞争壁垒、并将AI无缝嵌入业务的生态系统。
这一生态系统的构建正在催生新的商业机会和价值锚点。首先是“主权AI基础设施”和“AI网关/编排中间层”的兴起。当企业同时使用多种模型时，如何统一路由、控制成本、治理权限和审计，成为了关键痛点。Palantir等公司通过提供重型的治理框架，已经证明了这一层的基础设施价值；而更轻量级的解决方案也将拥有广阔空间。
其次，垂直行业的AI解决方案正在从“套壳”走向“深入”。真正有生命力的应用，是那些深度理解行业Know-how、将AI能力与行业逻辑紧密绑定的产品。这类公司的价值在于行业认知，这正是通用大模型难以通过训练获得的优势。
最后，围绕AI时代的组织变革咨询、人才培养和流程重设计，也形成了一个新兴的服务市场。随着企业意识到“人的判断力”和“组织的进化能力”的重要性，相关服务需求正在快速增长。
回到“洛希极限”的隐喻，企业寻找安全轨道的过程，不仅是技术架构的调整，更是商业逻辑和组织能力的全面重构。当整个产业生态开始长出模型之外的力量——稳固的基础设施、深度的垂直应用、进化的组织能力——企业才真正拥有了不被大模型撕碎的底气。这场博弈没有终点，只有不断进化的平衡。