7月1日，Palantir CEO Alex Karp 在 CNBC 演播室的一席话，像一块投入静水的巨石，激起层层涟漪。

他直言 AI 行业“effing insane”，指出美国企业高管对 OpenAI 和 Anthropic 已是“livid”——不是因为技术不行，而是因为一种越来越清晰的失衡感：企业持续为 token 付费，却将最核心的运营数据、业务逻辑、用户洞察源源不断地输入第三方模型黑箱；换来的，却是一笔难以核算的账。

这不是情绪宣泄。当一家千亿美元市值公司的掌舵人，在全国性直播中直指行业症结，而市场当天以股价上涨9%回应，说明某种共识已悄然成型——狂热退潮，清醒上岸。

从“先用起来”到“算得过来吗？”

2024年初，企业AI策略是四个字：“先用起来”。不问ROI，不设边界，唯恐掉队。技术恐慌驱动决策，CIO们把大模型塞进客服、代码、营销、设计……能插就插，先占位再说。

到了2025年，“全面铺开”成为主旋律。AI不再只是demo或内部实验，而是真正嵌入采购、生产、交付等核心流程。但进入2026年，风向变了。Salesforce调研显示，仅半数IT负责人对自己的数据基础设施有信心；NTT DATA用“撞墙”形容当前困局——数据主权、隐私合规、本地化部署要求，正构成结构性瓶颈；Gartner预测，到2027年，35%的国家将依赖区域化AI平台，而今天这一比例仅为5%。

Karp把这种转变提炼为一个词：“tokenmaxxing”的终结。企业开始追问：我交出去的，和拿回来的，到底值不值？这不是反对AI，而是告别天真——从“有没有”转向“好不好”，从“快不快”转向“稳不稳”。

当合作伙伴，悄悄成了对手

更值得警惕的，不是账算不清，而是身份在变。

2026年4月，Anthropic首席产品官突然辞去Figma董事会席位；三天后，Claude Design发布——一款用自然语言生成交互原型、PPT与营销物料的AI设计工具，精准切入Figma最核心战场。Figma股价当日下跌近8%。

没有预告，没有协商。合作多年的设计类公司，包括Adobe、Canva，均未获知该产品动向。他们意识到：自己长期输送的场景数据、工作流细节、用户痛点，早已被模型方深度消化，并反向构建出更具侵入性的竞品。

这并非孤例。亚马逊用平台数据打造自有品牌，微软借操作系统入口收编办公与通讯，Google以搜索结果直接回答问题，挤压垂直服务商生存空间。科技行业的铁律始终未变：平台一旦掌握足够数据与用户理解，必然向上游侵蚀。

大模型时代，这条铁律被加速了。每一次API调用、每一条业务数据输入，都在帮模型供应商更快、更深地“读懂你”。你的领地，正在成为它的训练场。

洛希极限：企业与大模型的安全距离

天文学中，“洛希极限”指小天体靠近大质量星体时，因潮汐力超过自身引力而解体的临界距离。这个比喻，正切中当下企业的现实困境。

大模型是那颗巨恒星。企业渴望借其引力加速，却也在靠近过程中被持续剥离——数据流出、know-how沉淀、用户洞察转移。真正的挑战，不再是“要不要用AI”，而是“怎么用，才不会被吞噬”。

中国企业的节奏虽略晚于美国，但路径高度相似。联想联合IDC今年3月调研显示：72%的国内企业已完成智能体试点并投入正式使用，平均部署在3.5个业务场景；但挑战重心已从“缺算力、缺数据”，转向“效果不达预期”与“ROI不明确”。中国企业，同样步入“AI清醒期”。

谁掌控AI的地基？

清醒之后的第一个行动，是重建控制权。

Karp反复强调的核心，正是“数据主权”：最敏感的运营数据，不能流入第三方黑箱。Palantir定位为“主权AI应用层”——模型可用别人的，但数据必须留在自己的围墙内，部署必须基于可控基础设施。

这在中国企业中引发强烈共鸣。金山办公WPS 365产研负责人黄伟杰说：“今天企业缺的不是硬件和模型，而是一个安全的AI应用层。”IDC数据显示，企业AI算力部署中，公有云占比持续下降，私有云与本地部署总占比已从54%升至69%。“数据不出域”，正从合规口号，变成CTO选型的第一道门槛。

Karp称之为“商品化认知（commodity cognition）”：模型能力正快速收敛，真正差异不在参数多少，而在如何把通用能力，锚定于特定业务场景。Palantir与NVIDIA合作推出的“主权AI引擎”，正是这一逻辑的产品化——开源模型+本体论层+治理框架，让AI在完全可控环境中运行，数据零外泄。其2026年Q1营收16.3亿美元、同比增长85%，印证了市场对这条路径的认可。

别把组织，变成一台复读机

第二个关键能力，关乎人——不是执行者，而是“指挥者”。

一些先行企业已踩过坑：当AI在某环节效率远超人工，第一反应常是“砍人”。但组织变薄后，隐性风险浮现——AI所执行的，本质是过去人类经验凝结的“最佳实践”。当市场、用户、环境已变，AI仍在忠实地复刻旧逻辑，而组织里已无人感知变化、推动进化。

高效重复过去，不等于面向未来。真正的竞争力，不在于“AI替代了多少人”，而在于“人能否驾驭AI做出以前做不到的事”。这需要一类新角色：懂全局、能判断、敢质疑——能在AI给出的“最优解”之外，看见新可能；能在历史数据的循环之外，推动业务向前跃迁。

当技术壁垒被AI拉平，“人的判断力”与“组织的进化能力”，反而成为最难复制的核心资产。

行业需要的，不是更多模型公司

过去两年，隐含假设是：AI价值终将集中于模型层，离模型越近，价值越高。这个假设，正在瓦解。

模型正快速商品化。真正的价值洼地，在于回应企业真实焦虑的生态层：数据主权如何保障？竞争壁垒如何不被虹吸？AI如何嵌入业务又不失控？

几个方向已显轮廓：
• “主权AI基础设施”成为真金白银赛道。仅2026年上半年，欧洲三家相关公司融资超118亿美元；伦敦Valarian刚获5000万美元A轮，专注在AI系统与敏感数据间加装“主权控制层”，精细管控谁可访问、何时访问、访问什么。
• “AI网关”与编排中间件，正成为企业AI架构刚需。当OpenAI、Anthropic、开源模型、自研模型并存，统一路由、成本控制、权限治理与审计，必须由一层中立、可控的中间层承担。
• 垂直行业AI应用，正从“套壳GPT”走向“深扎Know-How”。价值锚点不在模型本身，而在对行业逻辑的深刻理解——这是大模型公司无法靠训练习得的护城河。
• 围绕“指挥AI”的新型服务市场正在萌芽：AI时代的组织变革咨询、人才重塑、流程重设计，需求正快速释放。

一个健康的AI产业，不该只有模型层。它需要立体生态：有人做模型，有人建主权底座，有人搭治理网关，有人深耕垂直场景，有人赋能组织进化。每一层，都对应着企业从“拥抱AI”迈向“驾驭AI”的真实跃迁。

回到洛希极限的隐喻——找到那条安全轨道，从来不是单靠企业自身就能完成的事。当整个生态开始长出模型之外的力量，企业才真正拥有了不被撕碎的底气。