終于用上 AI 的公司，發(fā)現(xiàn)業(yè)務被大模型公司搶了

不僅要你的錢，而且要你的業(yè)務。

作者｜宇航猿

編輯｜靖宇

7 月 1 日，Palantir CEO Alex Karp 走進 CNBC 演播室，用一種近乎失控的語氣扔出了一顆炸彈。

他說 AI 行業(yè)「effing insane」（瘋了），他說美國企業(yè) CEO 們對 OpenAI 和 Anthropic「livid」（暴怒），他說企業(yè)正在干一件荒唐的事——一邊瘋狂地為 token 付費，一邊把自己最核心的運營數(shù)據(jù)拱手送給模型供應商。而換回來的商業(yè)價值，幾乎不可衡量。

主持人問他，這是不是在「甩鍋」。Karp 回了一句：「不，我只是在陳述事實?！?/p>

Palantir 當天股價漲了 9%。這個數(shù)字本身就是一種投票——市場認為，他說出了很多人想說但沒說出口的話。

這不是一個人的情緒宣泄。當一家市值超過千億美元的公司掌門人，在全國直播中對著整個大模型行業(yè)開炮，并且市場用真金白銀給出正反饋，這意味著一種集體情緒已經(jīng)到了臨界點。

過去兩年，所有人都在談論如何擁抱大模型。但現(xiàn)在，一個新的問題正在浮出水面——公司離大模型太近，會不會被它撕碎？

01

從「上頭」到「不天真」

回想 2024 年初，企業(yè)對大模型的態(tài)度可以用四個字概括——「先用起來」。

管它 ROI 不 ROI，管它數(shù)據(jù)流向哪里，總之不能掉隊。那時候的主流敘事是「AI 革命來了，不擁抱就會被淘汰」。各行各業(yè)的 CIO 和 CTO 們頂著巨大的壓力，把 AI 塞進每一個能塞的業(yè)務環(huán)節(jié)。這是一種典型的技術恐慌驅動的決策。

到了 2025 年，「全面鋪開」成了關鍵詞。企業(yè)開始認真地把大模型嵌入核心業(yè)務流程，不再只是做做 demo、搞搞內部 hackathon。從客服到代碼生成，從市場分析到產品設計，AI 滲透的深度和廣度都在指數(shù)級擴展。

但進入 2026 年，一種微妙的情緒轉變正在發(fā)生。

Salesforce 的調研數(shù)據(jù)顯示，只有一半的 IT 領導者對自己公司的數(shù)據(jù)基礎設施有信心支撐 AI 的成功落地。NTT DATA 今年 5 月發(fā)布的研究報告直接用了「撞墻」這個詞——企業(yè) AI 正在遭遇數(shù)據(jù)隱私和主權要求帶來的架構性瓶頸。Gartner 預測，到 2027 年將有 35% 的國家依賴區(qū)域化的 AI 平臺，而這個數(shù)字在今天只有 5%。

Karp 把這種轉變說得更直白。他說企業(yè)正在從無腦堆 token 消耗的「tokenmaxxing」轉向真正追問投資回報率。「基本觀點就是，別再把時間浪費在 token 上了?！?/p>

這不是在否定大模型，而是整個行業(yè)正在從「上頭」走向「不天真」。狂熱期過后，企業(yè)開始用一種更冷靜的眼光審視一個根本性問題——我交出去的東西，和我拿回來的東西，這筆賬算得過來嗎？

02

當合作伙伴變成競爭對手

Karp 的批評還停留在商業(yè)模式層面。但真正讓人后背發(fā)涼的，是另一種更直接的威脅——你的 AI 服務商，可能正在用你貢獻的數(shù)據(jù)和場景理解，來打造取代你的產品。

2026 年 4 月發(fā)生的事情，讓這種擔憂從理論變成了現(xiàn)實。

今年 2 月，F(xiàn)igma 和 Anthropic 還在聯(lián)手開發(fā)一項叫「Code to Canvas」的功能，把 Claude 生成的代碼無縫集成到 Figma 的設計流程中。兩家公司看起來是親密的合作伙伴。

4 月 14 日，Anthropic 首席產品官 Mike Krieger，悄悄辭去了 Figma 的董事會席位。

三天后，Anthropic 發(fā)布了 Claude Design——一款可以用自然語言直接生成交互原型、PPT 和營銷物料的 AI 設計工具，精準對標 Figma 的核心業(yè)務。

Figma 股價當天下跌了近 8%。

Fast Company 后來的報道里有一個細節(jié)很耐人尋味——Figma 和 Adobe、Canva 等公司都與 Anthropic 有多年的合作關系，但 Claude Design 發(fā)布之前，沒有人被通知。所有人都在措手不及中意識到，自己的 AI 合作伙伴，在眼皮底下變成了競爭對手。

這個故事之所以值得深思，是因為它暴露了大模型時代，一個比以往任何時候都更危險的結構性問題——當你和 AI 公司深度合作，你不僅交出了市場入口，還交出了自己的核心場景理解和用戶需求數(shù)據(jù)。

Anthropic 之所以能做出 Claude Design，很大程度上是因為它在與設計工具公司的合作中，深刻理解了設計師的工作流程和痛點。

但如果把視野拉遠，這并不是科技史上的新劇本。

亞馬遜從電商平臺做自有品牌，用平臺數(shù)據(jù)精準識別最賺錢的品類，然后推出自家產品蠶食第三方賣家。微軟從操作系統(tǒng)出發(fā)，把瀏覽器、辦公軟件、通訊工具逐個收編——Netscape 被殺死，Slack 被迫賣身。Google 從搜索引擎延伸，用搜索結果頁面直接回答用戶問題，讓 Yelp 和大量垂直信息服務商被邊緣化。

科技行業(yè)的鐵律從未改變——平臺一旦擁有足夠的數(shù)據(jù)和用戶理解，就會向上游侵蝕。

大模型時代，這條鐵律變得更加兇猛，因為傳統(tǒng)的平臺侵蝕還需要時間來積累理解，而大模型天然就是一個「理解加速器」。你的每一次 API 調用，每一條業(yè)務數(shù)據(jù)的輸入，都在幫助模型供應商更快、更深地理解你的領地。

03

AI 時代的「洛希極限」

天文學里有一個概念叫「洛希極限」——當一個天體離一顆大質量星體太近時，潮汐力會超過它自身的引力，天體會被撕碎。

這個比喻用來描述今天企業(yè)與大模型的關系，精準得令人不安。

大模型就是那顆大質量星體。每一家企業(yè)都想借助它的引力加速——提效、降本、創(chuàng)新。但問題是，當你靠得足夠近，你的「物質」就會開始被剝離。你的數(shù)據(jù)、 know-how、對用戶需求的理解，都會在合作過程中流向引力中心。

而公司如何能「與 AI 共舞」，而不被最終吞噬的邊界在哪里？

這個問題在美國已經(jīng)被擺上了桌面。但如果你覺得它離中國企業(yè)還很遠，那可能是一種錯覺。

中美企業(yè)在 AI 應用的節(jié)奏上存在差異，美國企業(yè)已經(jīng)進入大規(guī)模、深入業(yè)務的 AI 部署階段，而中國企業(yè)整體還在從試點走向規(guī)?；倪^程中。聯(lián)想聯(lián)合 IDC 今年 3 月發(fā)布的調研顯示，國內 72% 的企業(yè)已經(jīng)完成了智能體試點并投入正式使用，平均在 3.5 個場景中部署了 AI。但挑戰(zhàn)的重心也已經(jīng)從「缺算力、缺數(shù)據(jù)」轉變?yōu)椤笐眯Ч贿_預期」和「ROI 不明確」。

換句話說，中國企業(yè)正在進入和美國企業(yè)相似的「AI 清醒期」。

極客公園最近在跟不少創(chuàng)業(yè)者和有傳統(tǒng)業(yè)務的企業(yè)交流時，發(fā)現(xiàn)了一個有意思的現(xiàn)象——大家對這些問題的思考，很多時候并不是來自「擔心模型公司搶我的生意」這種直接的危機感，而是在把 AI 真正塞進業(yè)務之后，自然而然地開始重新定義「在 AI 時代，我的核心價值到底是什么」。

這種重新定義，最終會落到兩個關鍵能力上。

04

誰掌控「AI 地基」？

第一個，也是最現(xiàn)實的一個，和 Karp 講的高度一致——你的數(shù)據(jù)和業(yè)務邏輯，到底跑在誰的地基上？

Karp 在 CNBC 上反復強調的核心論點就是這個。企業(yè)最敏感的運營數(shù)據(jù)，不應該流入第三方模型供應商的黑箱。他把 Palantir 定位為提供「主權 AI」的應用層——模型可以用別人的，但數(shù)據(jù)必須留在自己的圍墻里，部署必須在自己可控的基礎設施上。

這不是偏執(zhí)，中國內企業(yè)的體感其實完全一致。金山辦公 WPS 365 的產研負責人黃偉杰，前不久說了一句很到位的話——「今天企業(yè)缺的不是硬件和模型，而是一個安全的 AI 應用層。」

IDC 的數(shù)據(jù)也印證了這個趨勢，企業(yè) AI 算力部署中，公有云的占比在下降，私有云和本地部署的總占比從 54% 提升到了 69%?！笖?shù)據(jù)不出域」正在從一句合規(guī)口號，變成 CTO 們選型時的第一道篩選條件。

Karp 把這個叫做「商品化認知 commodity cognition」。他的判斷是，模型本身的質量正在趨于收斂，真正的差異化價值不在模型層，而在把模型能力和企業(yè)特定場景綁定的應用層。Palantir 跟 NVIDIA 合作推出的「主權 AI 引擎」，就是這個邏輯的產品化——用開源模型加上 Palantir 自己的本體論層和治理框架，讓企業(yè)在完全可控的環(huán)境里跑 AI，數(shù)據(jù)一個字節(jié)都不出去。Palantir 2026 年第一季度營收 16.3 億美元、同比增長 85%，某種程度上就是市場對這條路徑投出的票。

這里面有一個值得關注的信號——未來那些幫助企業(yè)在「自己的地基上」跑 AI 的公司和解決方案，會更加吃香。在國內，「AI 私有化大腦」已經(jīng)成了一個真實的賽道，不少創(chuàng)業(yè)公司正在圍繞這個方向做產品。這不是技術潔癖，而是企業(yè)在想清楚之后做出的理性選擇。

05

別把組織變成一臺「復讀機」

第二個能力，更難被量化，但極客公園在跟企業(yè)交流中感受越來越強烈——當 AI 可以替代越來越多的執(zhí)行環(huán)節(jié)，組織里到底還需要什么樣的「人」？

已經(jīng)有一些跑得比較快的企業(yè)踩過這個坑。

當 AI 在某些環(huán)節(jié)的效率明顯超過人的時候，一個自然的想法就是「把人砍掉」。但組織變薄之后，一個隱蔽的問題開始浮現(xiàn)——AI 跑的那套東西，本質上是過去這些人在舊環(huán)境下凝結出來的「最佳實踐」。當環(huán)境變了，市場變了，用戶變了，AI 還在忠實地執(zhí)行那套舊邏輯，而組織里已經(jīng)沒有足夠的人去感知這些變化、去推動業(yè)務往前進化了。

說白了，一個被 AI 填滿但被人掏空的組織，很可能只是在高效地重復過去。

這不是說不該用 AI 替代執(zhí)行。而是說，當 AI 接管了越來越多的執(zhí)行層，企業(yè)反而更需要另一種人——不是傳統(tǒng)意義上那些執(zhí)行具體任務的人，而是能夠「指揮」AI 的人。這種角色需要理解業(yè)務的全局，能判斷 AI 產出的東西是否還適用于變化中的現(xiàn)實，能在 AI 給出的「最優(yōu)解」之外看到新的可能性。

一些走在前面的企業(yè)已經(jīng)開始認真思考這個問題了。它們發(fā)現(xiàn)，在有了 AI 之后，真正的競爭力不是「用 AI 替代了多少人」，而是「你的人能不能駕馭 AI 去做出以前做不到的事」。如果只是讓 AI 在歷史數(shù)據(jù)里持續(xù)自動化、持續(xù)循環(huán)，那你本質上就是被鎖死在過去的某個快照里了。

這個認知翻轉的重要性，可能不亞于數(shù)據(jù)主權。當 AI 把技術壁壘拉平，「人的判斷力」和「組織的進化能力」反而成了最難被復制的東西。有些公司已經(jīng)意識到了，有些還沒有。但這個分水嶺，很可能會在未來一兩年里變得非常清晰。

06

行業(yè)需要「新 AI 公司」

過去兩年，一個隱含的假設主導了整個行業(yè)——AI 時代的價值，最終會集中在模型公司手里。離模型越近的人，價值越高。

這個假設正在被動搖。

Karp 在 CNBC 上其實點破了一件事——模型本身正在變成商品化認知。當各家大模型的能力差距越來越小，真正的差異化就不在模型層了。一個只有模型公司獨大的產業(yè)結構，不僅對企業(yè)不健康，對整個 AI 產業(yè)的發(fā)展速度也是一種制約。

企業(yè)需要的，從來不是一個更強的模型。它們需要的是一整套生態(tài)——能回應數(shù)據(jù)主權的焦慮，能保護競爭壁壘不被「虹吸」，能讓 AI 真正嵌入業(yè)務又不失控。這種需求正在催生一個比「賣 token」復雜得多的市場。

幾個方向已經(jīng)有了清晰的信號。

「主權 AI 基礎設施」正在成為一個真實的、拿到大錢的賽道。這不是概念。僅 2026 年上半年，歐洲就有三家做主權 AI 基礎設施的公司（Nebius、nScale、AtlasEsge）合計融了超過 118 億美元。就在幾天前，倫敦的 Valarian 剛拿到 5000 萬美元的 A 輪，做的事情很具體——在 AI 系統(tǒng)和敏感數(shù)據(jù)之間加一層「主權控制層」，決定哪些 AI 可以碰哪些數(shù)據(jù)、在什么條件下碰。這種東西在兩年前根本不存在需求，現(xiàn)在政府和大企業(yè)排著隊要。

「AI 網(wǎng)關」和編排中間層，正在成為企業(yè) AI 架構里不可或缺的一環(huán)。當一家企業(yè)同時用著 OpenAI、Anthropic、開源模型、還有自己微調的專用模型，誰來做統(tǒng)一的路由、成本控制、權限治理和審計？這個位置在傳統(tǒng)軟件時代叫中間件，在 AI 時代叫網(wǎng)關或編排層。它不性感，但它是企業(yè)從「用 AI」走向「管好 AI」的關鍵基礎設施。Palantir 本質上做的就是這層東西，只不過它做到了最重的那個版本。更輕量的、面向不同規(guī)模企業(yè)的方案，空間巨大。

在應用層，垂直行業(yè)的 AI 解決方案也在從「套殼」走向「深入」。過去很多所謂的 AI 應用，說白了就是套了一層 GPT 的殼。但現(xiàn)在，真正能站住腳的，是那些深度理解特定行業(yè) know-how、把 AI 能力和行業(yè)邏輯緊密綁定的產品。這類公司的價值錨點不在模型，而在行業(yè)認知——這恰恰是大模型公司很難通過訓練獲得的東西。

甚至在「人」的層面，也在出現(xiàn)新的服務市場。當越來越多的企業(yè)意識到自己需要的不是更多的 AI 工具，而是能「指揮 AI」的人和配套的組織方法論，圍繞 AI 時代的組織變革咨詢、人才培養(yǎng)、流程重設計的需求也在快速浮現(xiàn)。

說到底，一個只有「模型層」的產業(yè)是脆弱的。真正能讓 AI 產業(yè)跑得更快、更健康的，是一個更立體的生態(tài)。這個生態(tài)里，有人做模型，有人做主權基礎設施，有人做網(wǎng)關和治理，有人做垂直行業(yè)的深度應用，有人幫企業(yè)重塑組織能力。每一層都在回應企業(yè)從「擁抱」走向「駕馭」過程中的真實需求。

這些需求在過去一年里，從模糊變得越來越清晰。接下來，圍繞這些需求誕生的新一代解決方案、服務商和產品，可能會迎來一波明確的爆發(fā)期。

回到洛希極限的隱喻。找到那條安全軌道，從來不是企業(yè)一個人的事。當整個生態(tài)開始長出模型之外的力量，企業(yè)才真正有了不被撕碎的底氣。

*頭圖來源：Marketscale

本文為極客公園原創(chuàng)文章，轉載請聯(lián)系極客君微信 geekparkGO

極客一問

你的公司在使用大模型時，
是否想過數(shù)據(jù)和 know-how 正在流向哪里？