企业拥抱大模型反被抢业务？揭秘AI共生背后的「洛希极限」与破局之道
狂热的终结：从Token消耗到价值反思
2024年初至2025年中，全球企业在人工智能领域的决策逻辑呈现出一种典型的“技术恐慌驱动”特征。当时的主流叙事简单而粗暴：“AI革命来了，不拥抱就会被淘汰”。在这种焦虑情绪的裹挟下，各行各业的CIO和CTO们顶着巨大的KPI压力，试图将大模型塞进每一个可能的业务环节。无论是内部的知识库检索，还是外部的客户服务响应，甚至包括代码生成和初级文案撰写，企业纷纷开启了一场不计成本的“tokenmaxxing”（token堆砌）运动。那时候，大家关心的不是ROI（投资回报率），而是“有没有用上”。
然而，进入2026年，这种无脑堆砌的狂热正在迅速冷却。一种微妙但深刻的情绪转变正在企业高层中蔓延。Palantir CEO Alex Karp在CNBC演播室的一句近乎失控的抱怨，精准地击中了这一集体痛点。他直言美国企业CEO们对OpenAI和Anthropic感到“暴怒”，并指出一个荒诞的现实：企业一边疯狂为token付费，一边将自己最核心的运营数据拱手让给模型供应商，却换回了几乎不可衡量的商业价值。Palantir当日股价上涨9%的市场反应，证明了这一观点引发了广泛的共鸣——市场意识到，过去两年的投入可能陷入了战略盲区。
这种转变并非个例。Salesforce的调研数据显示，仅有一半的IT领导者对公司现有的数据基础设施能否支撑AI成功落地感到有信心。NTT DATA在2026年5月发布的报告中直接使用“撞墙”一词，形容企业AI正遭遇数据隐私和主权要求带来的架构性瓶颈。Gartner更预测，到2027年，依赖区域化AI平台国家比例将从当前的5%激增至35%。这表明，行业正在从“天真地拥抱”走向“冷静地审视”。企业开始追问一个根本性问题：我交出去的数据和场景洞察，究竟换回了什么？如果这笔账算不过来，甚至危及生存，那么继续“上头”便不再是一种策略，而是一种危险。
狼来了：当合作伙伴成为掠食者
如果说Token成本的攀升只是痛点，那么商业模式的反噬则是企业真正的噩梦。Karp的批评停留在商业模式层面，但更让人后背发凉的，是另一种更为直接的威胁：你的AI服务商，可能正在利用你贡献的数据和理解，打造取代你的产品。
2026年4月发生的一个案例，让这种担忧从理论变成了血淋淋的现实。今年2月，设计协作平台Figma与Anthropic宣布联手，推出“Code to Canvas”功能，旨在将Claude生成的代码无缝集成到Figma的工作流中。当时，外界看来这两家公司是亲密的战略伙伴。然而，仅仅两个月后，Anthropic的首席产品官Mike Krieger悄然辞去了Figma的董事会席位。三天后，Anthropic发布了Claude Design——一款能用自然语言直接生成交互原型、PPT和营销物料的工具，精准对标Figma的核心业务。
这一举动瞬间引爆了市场。Figma股价在当天暴跌近8%。Fast Company的报道揭示了一个令人细思极恐的细节：在Claude Design发布前，包括Adobe、Canva在内的多家合作伙伴均未被通知。所有人都措手不及地意识到，自己的AI合作伙伴在眼皮底下变成了竞争对手。这并非偶然，而是大模型时代结构性风险的必然爆发。
这个故事暴露了一个危险的逻辑：当你与AI公司深度合作时，你不仅交出了市场入口，还交出了最宝贵的资产——核心场景理解、用户行为数据和工作流痛点。Anthropic之所以能迅速做出Claude Design，很大程度上得益于它在与设计工具公司的合作中，深刻理解了设计师的工作逻辑。这是一种“数据虹吸”效应。
回顾科技史，这条铁律从未改变。亚马逊从电商平台发展自有品牌，利用平台数据精准狙击第三方卖家；微软从操作系统出发，逐一收编浏览器、办公软件等领域，杀死Netscape，迫使Slack卖身；Google从搜索引擎延伸，通过直接回答用户问题，边缘化了Yelp等大量垂直服务商。科技平台的铁律是：一旦拥有足够的数据和用户理解，就会向上游侵蚀。而在大模型时代，这条铁律被按下了加速键。传统的平台侵蚀需要数年积累理解，而大模型天然就是一个“理解加速器”。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地拆解和吞噬你的领地。
洛希极限：企业与AI的安全距离
天文学中有一个概念叫“洛希极限”（Roche Limit）。当一个天体离另一颗大质量星体太近时，潮汐力会超过天体自身的引力，导致天体被撕碎。这个比喻完美诠释了今天企业与大模型的关系。
大模型是那团巨大的引力源，企业渴望借助其引力加速提效、降本和创新。但如果靠得太近，企业的核心“物质”——数据、Know-how、用户洞察——就会在合作过程中被剥离，流向引力中心。企业如何与AI共舞而不被吞噬？这道安全边界在哪里？
这一危机感不仅存在于美国，也正迅速传导至中国。中美企业在AI应用节奏上虽存在差异，但趋势一致。美国企业已大规模进入深入业务的部署阶段，而中国企业正从试点走向规模化。联想联合IDC 2026年3月的调研显示，国内72%的企业已完成智能体试点，平均部署3.5个场景。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”。中国企业正进入与全球一致的“AI清醒期”。
在与大量创业者和传统企业负责人的交流中发现，大家不再简单担心“模型公司抢生意”，而是开始重新定义“在AI时代，我的核心价值到底是什么”。这种思考最终指向两个关键能力：一是掌控AI的地基，二是重塑组织的人。这两个维度的建设，是企业穿越洛希极限、避免被撕碎的关键防御工事。
地基重构：主权AI与数据边界
第一个关键能力，也是最现实的生存底线，在于明确数据和业务逻辑跑在谁的地基上。
Karp反复强调的核心论点正是此意：企业最敏感的运营数据，绝不应流入第三方模型供应商的黑箱。Palantir将其定位为提供“主权AI”的应用层，主张模型可以用别人的，但数据必须留在企业自己的围墙里，部署必须在可控的基础设施上。这并非偏执，而是基于商业本能的理性选择。
在中国市场，这种体感尤为强烈。金山办公WPS 365产研负责人黄伟杰曾指出：“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的数据佐证了这一趋势：在企业AI算力部署中，公有云占比下降，私有云和本地部署总占比从54%提升至69%。“数据不出域”已从合规口号变为CTO选型的第一筛选条件。
Karp将这一现象称为“商品化认知”（Commodity Cognition）。他的判断极具前瞻性：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，而在将模型能力与企业特定场景绑定的应用层。Palantir与NVIDIA合作推出的“主权AI引擎”，正是这一逻辑的产品化体现——利用开源模型加上Palantir自研的本体论层和治理框架，确保企业在完全可控环境中运行AI。Palantir 2026年Q1营收16.3亿美元、同比增长85%，正是市场对这条路径的投票。
这一信号在国内也清晰可见，“AI私有化大脑”已成为真实赛道。不少创业公司正围绕这一方向打造产品。这不再是技术洁癖，而是企业在经历教训后的理性回归。未来，那些能帮助企业在“自己的地基上”跑AI的公司和解决方案，将获得更大的溢价空间。数据主权，将成为AI时代企业的生命线。
组织进化：从复读机到指挥家
第二个关键能力，更难量化，却决定了企业的上限。即当AI替代大量执行环节后，组织内究竟需要什么样的人？
许多快速推进AI的企业已踩过陷阱：当AI在某些环节效率远超人类时，自然想法是“砍人”。但组织变薄后，一个隐蔽问题浮现：AI执行的是过去人类在旧环境下凝结的“最佳实践”。当市场环境、用户需求变化时，AI仍忠实地执行旧逻辑，而组织中若无人能感知变化、推动进化，企业便陷入高效重复过去的困境。
一个被AI填满但被人“掏空”的组织，本质上是一台高效的复读机。它无法产生创新，只能加速消耗过去的资源。这并不意味着不该用AI替代执行，而是强调：当AI接管执行层，企业更需要另一种人——能“指挥”AI的人。
这种角色需要理解业务全局，能判断AI产出是否适配变化中的现实，能在AI给出的“最优解”外发现新可能性。一些领先企业已意识到，真正的竞争力不是“用AI替代了多少人”，而是“你的人能否驾驭AI做出以前做不到的事”。若只让AI在历史数据中持续自动化，企业将被锁死在过去的快照中。
这一认知翻转的重要性不亚于数据主权。当AI拉平技术壁垒，“人的判断力”和“组织的进化能力”反而成为最难复制的核心资产。有些公司已率先跨越这一分水岭，而有些公司可能在未来一两年内因忽视此点而被淘汰。人机协作的本质，是从“人做AI做”转变为“人指挥AI做”。
生态重构：超越模型层的价值网络
过去两年，行业隐含假设是：AI时代价值将集中于模型公司。离模型越近，价值越高。这一假设正被彻底动摇。
Karp点破了一件事：模型本身正在变成商品化认知。当各家大模型能力差距缩小，真正的差异化在模型层之外。只有模型公司独大的产业结构，既不利于企业，也制约AI产业的整体健康。企业需要的不是更强的模型，而是一套回应数据主权焦虑、保护竞争壁垒、嵌入业务且可控的完整生态。
这一需求正在催生三个新的价值高地：
首先是“主权AI基础设施”。这已非概念，而是真金白银的赛道。2026年上半年，欧洲三家主权AI基础设施公司（Nebius、nScale、AtlasEsge）合计融资超118亿美元。伦敦的Valarian刚获5000万美元A轮，其核心是在AI系统与敏感数据间加一层“主权控制层”，决定哪些AI可碰哪些数据。两年前无需此物，如今政府和大企业排队采购。
其次是“AI网关与编排中间层”。当企业同时使用OpenAI、Anthropic、开源模型及微调专用模型时，谁来做统一路由、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。它不性感，却是企业从“用AI”走向“管好AI”的关键。Palantir做的是最重版本，而面向不同规模企业的轻量级方案空间巨大。
最后是垂直行业的深度应用。过去很多AI应用仅是“套壳”GPT，如今能站住脚的，是深度理解特定行业Know-how、将AI与行业逻辑紧密绑定的产品。这类公司的价值锚点在行业认知，这正是大模型公司难以通过训练获得的东西。
甚至在“人”的层面，新的服务市场也在涌现。围绕AI时代的组织变革咨询、人才培养、流程重设计需求快速浮现。企业逐渐意识到，需要的不是更多工具，而是能指挥AI的人和配套的组织方法论。
一个只有“模型层”的产业是脆弱的。真正让AI产业跑得更健康、更快速的，是一个立体的生态：有人做模型，有人做主权基础设施，有人做网关治理，有人做垂直应用，有人帮企业重塑组织。每一层都在回应企业从“拥抱”走向“驾驭”的真实需求。
回到洛希极限的隐喻。找到安全轨道，从来不是企业单打独斗的事。当整个生态长出模型之外的力量，构建起数据主权防线、组织指挥体系与多层次服务网络，企业才真正拥有了不被技术巨鳄撕碎的底气，也才能在AI的新纪元中，掌握自己的命运。