企业与大模型的临界点：从狂热拥抱到清醒驾驭

当CEO在CNBC直播中说AI行业“疯了”

2026年7月1日，Palantir CEO Alex Karp出现在CNBC演播室。他没有谈财报，没讲技术路线，而是用近乎失控的语气指出一个被集体回避的事实：企业正以惊人速度将核心运营数据交给模型供应商，换来的是难以衡量的商业回报——而代价，是正在流失的数据主权、业务理解权，甚至未来竞争壁垒。

他说，美国大量企业CEO对OpenAI和Anthropic“暴怒”，不是因为模型不好，而是因为合作模式正在反噬自身。主持人质疑这是否是“甩锅”，Karp只回应：“不，我只是在陈述事实。”当天Palantir股价上涨9%。市场用真金白银投下了一票：这不是情绪宣泄，而是一次集体觉醒的信号。

从“先用起来”到“这笔账算得过来吗？”

2024年初，企业对AI的态度是“不能掉队”。CIO们顶着压力把大模型塞进客服、代码、营销、设计等所有环节，决策逻辑是技术恐慌驱动的——怕被淘汰，而非想清楚为什么用。

2025年，“全面铺开”成为关键词。AI不再只是demo或内部实验，而是嵌入采购审批、供应链预测、合规审查等真实业务流。但进入2026年，一种冷静的转向悄然发生：Salesforce调研显示，仅一半IT领导者对自己公司的数据基础设施有信心支撑AI落地；NTT DATA直接用“撞墙”形容当前困境——数据隐私与主权要求，已构成架构性瓶颈。

Karp将其概括为从“tokenmaxxing”（无脑消耗token）转向追问ROI。这不是否定大模型，而是行业终于走过了狂热期，开始用理性眼光审视最根本的问题：我交出去的东西，和我拿回来的东西，这笔账到底算得过来吗？

当合作伙伴，悄悄变成了竞争对手

2026年4月，Figma与Anthropic的合作关系戛然而止。此前双方正联合开发“Code to Canvas”功能，将Claude生成的代码无缝接入Figma设计流程。4月14日，Anthropic首席产品官突然辞去Figma董事席位；三天后，Anthropic发布Claude Design——一款用自然语言直接生成交互原型、PPT和营销物料的AI工具，精准切入Figma最核心的设计工作流。

Figma股价单日下跌近8%。更值得警惕的是：包括Adobe、Canva在内的多家设计工具厂商，均未提前获知该产品发布。它们曾长期向Anthropic开放真实用户行为、设计流程细节与高频痛点——这些数据，成了Claude Design快速成型的关键燃料。

这不是孤例。科技史反复验证一条铁律：平台一旦掌握足够多的场景数据与用户理解，就会向上游侵蚀。亚马逊用电商数据打造自有品牌，微软借操作系统入口整合办公与通讯，Google用搜索结果直接回答问题，挤压Yelp等垂直服务商。而大模型让这条铁律变得前所未有的凶猛——每一次API调用、每一条业务数据输入，都在加速模型供应商对你领地的理解与复制。

AI时代的“洛希极限”

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被撕碎的临界距离。今天，大模型就是那颗大质量星体；每一家企业都想借其引力加速提效、降本、创新。但靠得太近，你的数据、know-how、对用户需求的深度认知，就会在合作中持续流向中心。

这个临界点，中国企业同样无法回避。虽然整体节奏略晚于美国——国内72%的企业已完成AI智能体试点，平均部署在3.5个业务场景中——但挑战重心已从“缺算力、缺数据”，转向“效果不达预期”和“ROI不明确”。换句话说，中国企业的“AI清醒期”已经到来。

越来越多的企业发现，真正的焦虑并非来自“模型公司抢我生意”，而是在把AI真正塞进业务之后，不得不重新回答一个问题：在AI时代，我的核心价值到底是什么？

谁掌控“AI地基”？

第一个关键能力，是数据与业务逻辑的运行主权。Karp反复强调的核心观点正是：最敏感的运营数据，不该流入第三方模型黑箱。Palantir将自己定位为“主权AI”的应用层——模型可以开源、可以借用，但数据必须留在企业自己的围墙内，部署必须运行在可控基础设施之上。

这并非技术洁癖。金山办公WPS 365产研负责人黄伟杰直言：“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，私有云与本地部署占比已从54%升至69%。“数据不出域”正从一句合规口号，变成CTO选型的第一道门槛。

Karp称之为“商品化认知”（commodity cognition）：当模型能力趋于收敛，真正的差异化价值不在模型本身，而在如何将模型能力与企业特定场景深度绑定。Palantir与NVIDIA合作推出的“主权AI引擎”，正是这一逻辑的产品化——用开源模型+本体论层+治理框架，在完全可控环境中运行AI，确保数据零外泄。其2026年Q1营收同比增长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，更难量化，却更为本质：当AI接管执行层，组织里还需要什么样的人？

已有企业踩过这个坑：AI效率远超人工后，第一反应是“砍人”。但组织变薄后，一个隐蔽危机浮现——AI所执行的，本质上是过去人在旧环境里沉淀下来的“最佳实践”。当市场、用户、规则已变，AI仍在忠实地复刻旧逻辑，而组织中已无人能感知变化、推动进化。

这不是反对用AI替代执行，而是提醒：当AI填满执行层，企业反而更需要能“指挥AI”的人。这类角色需具备全局业务理解力，能判断AI输出是否仍适配现实，能在AI给出的“最优解”之外看到新可能。一些先行企业已意识到，真正的竞争力，不在于“用AI替代了多少人”，而在于“你的人能否驾驭AI做出以前做不到的事”。如果只是让AI在历史数据中持续循环，组织就等于被锁死在过去的某个快照里。

行业需要“新AI公司”

过去两年，隐含假设是：AI时代的价值终将集中于模型公司。这个假设正在瓦解。当模型能力趋同，“离模型越近越值钱”的逻辑就失效了。企业真正需要的，是一整套生态：回应数据主权焦虑、保护竞争壁垒不被虹吸、让AI深度嵌入业务又不失控。

几个方向已清晰浮现：
• “主权AI基础设施”正成为真实赛道。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系统与敏感数据之间构建“主权控制层”，精细管控谁可访问、何时访问、访问什么。
• “AI网关”与编排中间层，正成为企业AI架构刚需。当企业同时调用OpenAI、Anthropic、开源模型与自研模型，统一的路由、成本控制、权限治理与审计，必须由独立中间层承担——它不性感，却是从“用AI”走向“管好AI”的关键。
• 垂直行业的AI解决方案，正从“套壳GPT”走向“深度绑定”。真正站得住脚的，是那些深谙行业know-how、将AI能力与业务逻辑熔铸一体的产品。其价值锚点不在模型，而在行业认知——这恰是大模型公司最难通过训练获取的护城河。
• 围绕“指挥AI”的新型服务也在兴起：AI时代的组织变革咨询、人才能力重塑、流程重设计，正成为真实增长需求。

一个只有模型层的产业是脆弱的。真正健康、可持续的AI生态，必然是立体的：有人做模型，有人建主权地基，有人搭网关与治理，有人深耕垂直应用，有人重塑组织能力。每一层，都在回应企业从“拥抱”走向“驾驭”的真实诉求。而找到那条安全轨道，从来不是企业单打独斗的事——当整个生态开始长出模型之外的力量，企业才真正有了不被撕碎的底气。