终于用上 AI 的公司，发现业务被大模型公司抢了

不仅要你的钱，而且要你的业务。

作者｜宇航猿

编辑｜靖宇

7 月 1 日，Palantir CEO Alex Karp 走进 CNBC 演播室，用一种近乎失控的语气扔出了一颗炸弹。

他说 AI 行业「effing insane」（疯了），他说美国企业 CEO 们对 OpenAI 和 Anthropic「livid」（暴怒），他说企业正在干一件荒唐的事——一边疯狂地为 token 付费，一边把自己最核心的运营数据拱手送给模型供应商。而换回来的商业价值，几乎不可衡量。

主持人问他，这是不是在「甩锅」。Karp 回了一句：「不，我只是在陈述事实。」

Palantir 当天股价涨了 9%。这个数字本身就是一种投票——市场认为，他说出了很多人想说但没说出口的话。

这不是一个人的情绪宣泄。当一家市值超过千亿美元的公司掌门人，在全国直播中对着整个大模型行业开炮，并且市场用真金白银给出正反馈，这意味着一种集体情绪已经到了临界点。

过去两年，所有人都在谈论如何拥抱大模型。但现在，一个新的问题正在浮出水面——公司离大模型太近，会不会被它撕碎？

01

从「上头」到「不天真」

回想 2024 年初，企业对大模型的态度可以用四个字概括——「先用起来」。

管它 ROI 不 ROI，管它数据流向哪里，总之不能掉队。那时候的主流叙事是「AI 革命来了，不拥抱就会被淘汰」。各行各业的 CIO 和 CTO 们顶着巨大的压力，把 AI 塞进每一个能塞的业务环节。这是一种典型的技术恐慌驱动的决策。

到了 2025 年，「全面铺开」成了关键词。企业开始认真地把大模型嵌入核心业务流程，不再只是做做 demo、搞搞内部 hackathon。从客服到代码生成，从市场分析到产品设计，AI 渗透的深度和广度都在指数级扩展。

但进入 2026 年，一种微妙的情绪转变正在发生。

Salesforce 的调研数据显示，只有一半的 IT 领导者对自己公司的数据基础设施有信心支撑 AI 的成功落地。NTT DATA 今年 5 月发布的研究报告直接用了「撞墙」这个词——企业 AI 正在遭遇数据隐私和主权要求带来的架构性瓶颈。Gartner 预测，到 2027 年将有 35% 的国家依赖区域化的 AI 平台，而这个数字在今天只有 5%。

Karp 把这种转变说得更直白。他说企业正在从无脑堆 token 消耗的「tokenmaxxing」转向真正追问投资回报率。「基本观点就是，别再把时间浪费在 token 上了。」

这不是在否定大模型，而是整个行业正在从「上头」走向「不天真」。狂热期过后，企业开始用一种更冷静的眼光审视一个根本性问题——我交出去的东西，和我拿回来的东西，这笔账算得过来吗？

02

当合作伙伴变成竞争对手

Karp 的批评还停留在商业模式层面。但真正让人后背发凉的，是另一种更直接的威胁——你的 AI 服务商，可能正在用你贡献的数据和场景理解，来打造取代你的产品。

2026 年 4 月发生的事情，让这种担忧从理论变成了现实。

今年 2 月，Figma 和 Anthropic 还在联手开发一项叫「Code to Canvas」的功能，把 Claude 生成的代码无缝集成到 Figma 的设计流程中。两家公司看起来是亲密的合作伙伴。

4 月 14 日，Anthropic 首席产品官 Mike Krieger，悄悄辞去了 Figma 的董事会席位。

三天后，Anthropic 发布了 Claude Design——一款可以用自然语言直接生成交互原型、PPT 和营销物料的 AI 设计工具，精准对标 Figma 的核心业务。

Figma 股价当天下跌了近 8%。

Fast Company 后来的报道里有一个细节很耐人寻味——Figma 和 Adobe、Canva 等公司都与 Anthropic 有多年的合作关系，但 Claude Design 发布之前，没有人被通知。所有人都在措手不及中意识到，自己的 AI 合作伙伴，在眼皮底下变成了竞争对手。

这个故事之所以值得深思，是因为它暴露了大模型时代，一个比以往任何时候都更危险的结构性问题——当你和 AI 公司深度合作，你不仅交出了市场入口，还交出了自己的核心场景理解和用户需求数据。

Anthropic 之所以能做出 Claude Design，很大程度上是因为它在与设计工具公司的合作中，深刻理解了设计师的工作流程和痛点。

但如果把视野拉远，这并不是科技史上的新剧本。

亚马逊从电商平台做自有品牌，用平台数据精准识别最赚钱的品类，然后推出自家产品蚕食第三方卖家。微软从操作系统出发，把浏览器、办公软件、通讯工具逐个收编——Netscape 被杀死，Slack 被迫卖身。Google 从搜索引擎延伸，用搜索结果页面直接回答用户问题，让 Yelp 和大量垂直信息服务商被边缘化。

科技行业的铁律从未改变——平台一旦拥有足够的数据和用户理解，就会向上游侵蚀。

大模型时代，这条铁律变得更加凶猛，因为传统的平台侵蚀还需要时间来积累理解，而大模型天然就是一个「理解加速器」。你的每一次 API 调用，每一条业务数据的输入，都在帮助模型供应商更快、更深地理解你的领地。

03

AI 时代的「洛希极限」

天文学里有一个概念叫「洛希极限」——当一个天体离一颗大质量星体太近时，潮汐力会超过它自身的引力，天体会被撕碎。

这个比喻用来描述今天企业与大模型的关系，精准得令人不安。

大模型就是那颗大质量星体。每一家企业都想借助它的引力加速——提效、降本、创新。但问题是，当你靠得足够近，你的「物质」就会开始被剥离。你的数据、 know-how、对用户需求的理解，都会在合作过程中流向引力中心。

而公司如何能「与 AI 共舞」，而不被最终吞噬的边界在哪里？

这个问题在美国已经被摆上了桌面。但如果你觉得它离中国企业还很远，那可能是一种错觉。

中美企业在 AI 应用的节奏上存在差异，美国企业已经进入大规模、深入业务的 AI 部署阶段，而中国企业整体还在从试点走向规模化的过程中。联想联合 IDC 今年 3 月发布的调研显示，国内 72% 的企业已经完成了智能体试点并投入正式使用，平均在 3.5 个场景中部署了 AI。但挑战的重心也已经从「缺算力、缺数据」转变为「应用效果不达预期」和「ROI 不明确」。

换句话说，中国企业正在进入和美国企业相似的「AI 清醒期」。

极客公园最近在跟不少创业者和有传统业务的企业交流时，发现了一个有意思的现象——大家对这些问题的思考，很多时候并不是来自「担心模型公司抢我的生意」这种直接的危机感，而是在把 AI 真正塞进业务之后，自然而然地开始重新定义「在 AI 时代，我的核心价值到底是什么」。

这种重新定义，最终会落到两个关键能力上。

04

谁掌控「AI 地基」？

第一个，也是最现实的一个，和 Karp 讲的高度一致——你的数据和业务逻辑，到底跑在谁的地基上？

Karp 在 CNBC 上反复强调的核心论点就是这个。企业最敏感的运营数据，不应该流入第三方模型供应商的黑箱。他把 Palantir 定位为提供「主权 AI」的应用层——模型可以用别人的，但数据必须留在自己的围墙里，部署必须在自己可控的基础设施上。

这不是偏执，中国内企业的体感其实完全一致。金山办公 WPS 365 的产研负责人黄伟杰，前不久说了一句很到位的话——「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 的数据也印证了这个趋势，企业 AI 算力部署中，公有云的占比在下降，私有云和本地部署的总占比从 54% 提升到了 69%。「数据不出域」正在从一句合规口号，变成 CTO 们选型时的第一道筛选条件。

Karp 把这个叫做「商品化认知 commodity cognition」。他的判断是，模型本身的质量正在趋于收敛，真正的差异化价值不在模型层，而在把模型能力和企业特定场景绑定的应用层。Palantir 跟 NVIDIA 合作推出的「主权 AI 引擎」，就是这个逻辑的产品化——用开源模型加上 Palantir 自己的本体论层和治理框架，让企业在完全可控的环境里跑 AI，数据一个字节都不出去。Palantir 2026 年第一季度营收 16.3 亿美元、同比增长 85%，某种程度上就是市场对这条路径投出的票。

这里面有一个值得关注的信号——未来那些帮助企业在「自己的地基上」跑 AI 的公司和解决方案，会更加吃香。在国内，「AI 私有化大脑」已经成了一个真实的赛道，不少创业公司正在围绕这个方向做产品。这不是技术洁癖，而是企业在想清楚之后做出的理性选择。

05

别把组织变成一台「复读机」

第二个能力，更难被量化，但极客公园在跟企业交流中感受越来越强烈——当 AI 可以替代越来越多的执行环节，组织里到底还需要什么样的「人」？

已经有一些跑得比较快的企业踩过这个坑。

当 AI 在某些环节的效率明显超过人的时候，一个自然的想法就是「把人砍掉」。但组织变薄之后，一个隐蔽的问题开始浮现——AI 跑的那套东西，本质上是过去这些人在旧环境下凝结出来的「最佳实践」。当环境变了，市场变了，用户变了，AI 还在忠实地执行那套旧逻辑，而组织里已经没有足够的人去感知这些变化、去推动业务往前进化了。

说白了，一个被 AI 填满但被人掏空的组织，很可能只是在高效地重复过去。

这不是说不该用 AI 替代执行。而是说，当 AI 接管了越来越多的执行层，企业反而更需要另一种人——不是传统意义上那些执行具体任务的人，而是能够「指挥」AI 的人。这种角色需要理解业务的全局，能判断 AI 产出的东西是否还适用于变化中的现实，能在 AI 给出的「最优解」之外看到新的可能性。

一些走在前面的企业已经开始认真思考这个问题了。它们发现，在有了 AI 之后，真正的竞争力不是「用 AI 替代了多少人」，而是「你的人能不能驾驭 AI 去做出以前做不到的事」。如果只是让 AI 在历史数据里持续自动化、持续循环，那你本质上就是被锁死在过去的某个快照里了。

这个认知翻转的重要性，可能不亚于数据主权。当 AI 把技术壁垒拉平，「人的判断力」和「组织的进化能力」反而成了最难被复制的东西。有些公司已经意识到了，有些还没有。但这个分水岭，很可能会在未来一两年里变得非常清晰。

06

行业需要「新 AI 公司」

过去两年，一个隐含的假设主导了整个行业——AI 时代的价值，最终会集中在模型公司手里。离模型越近的人，价值越高。

这个假设正在被动摇。

Karp 在 CNBC 上其实点破了一件事——模型本身正在变成商品化认知。当各家大模型的能力差距越来越小，真正的差异化就不在模型层了。一个只有模型公司独大的产业结构，不仅对企业不健康，对整个 AI 产业的发展速度也是一种制约。

企业需要的，从来不是一个更强的模型。它们需要的是一整套生态——能回应数据主权的焦虑，能保护竞争壁垒不被「虹吸」，能让 AI 真正嵌入业务又不失控。这种需求正在催生一个比「卖 token」复杂得多的市场。

几个方向已经有了清晰的信号。

「主权 AI 基础设施」正在成为一个真实的、拿到大钱的赛道。这不是概念。仅 2026 年上半年，欧洲就有三家做主权 AI 基础设施的公司（Nebius、nScale、AtlasEsge）合计融了超过 118 亿美元。就在几天前，伦敦的 Valarian 刚拿到 5000 万美元的 A 轮，做的事情很具体——在 AI 系统和敏感数据之间加一层「主权控制层」，决定哪些 AI 可以碰哪些数据、在什么条件下碰。这种东西在两年前根本不存在需求，现在政府和大企业排着队要。

「AI 网关」和编排中间层，正在成为企业 AI 架构里不可或缺的一环。当一家企业同时用着 OpenAI、Anthropic、开源模型、还有自己微调的专用模型，谁来做统一的路由、成本控制、权限治理和审计？这个位置在传统软件时代叫中间件，在 AI 时代叫网关或编排层。它不性感，但它是企业从「用 AI」走向「管好 AI」的关键基础设施。Palantir 本质上做的就是这层东西，只不过它做到了最重的那个版本。更轻量的、面向不同规模企业的方案，空间巨大。

在应用层，垂直行业的 AI 解决方案也在从「套壳」走向「深入」。过去很多所谓的 AI 应用，说白了就是套了一层 GPT 的壳。但现在，真正能站住脚的，是那些深度理解特定行业 know-how、把 AI 能力和行业逻辑紧密绑定的产品。这类公司的价值锚点不在模型，而在行业认知——这恰恰是大模型公司很难通过训练获得的东西。

甚至在「人」的层面，也在出现新的服务市场。当越来越多的企业意识到自己需要的不是更多的 AI 工具，而是能「指挥 AI」的人和配套的组织方法论，围绕 AI 时代的组织变革咨询、人才培养、流程重设计的需求也在快速浮现。

说到底，一个只有「模型层」的产业是脆弱的。真正能让 AI 产业跑得更快、更健康的，是一个更立体的生态。这个生态里，有人做模型，有人做主权基础设施，有人做网关和治理，有人做垂直行业的深度应用，有人帮企业重塑组织能力。每一层都在回应企业从「拥抱」走向「驾驭」过程中的真实需求。

这些需求在过去一年里，从模糊变得越来越清晰。接下来，围绕这些需求诞生的新一代解决方案、服务商和产品，可能会迎来一波明确的爆发期。

回到洛希极限的隐喻。找到那条安全轨道，从来不是企业一个人的事。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。

*头图来源：Marketscale

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

极客一问

你的公司在使用大模型时，
是否想过数据和 know-how 正在流向哪里？