远见网一、用一种近乎失控的语气扔出了一颗炸弹
不仅要你的钱，而且要你的业务。
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？
1、
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？
2、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。
二、从「上头」到「不天真」
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从引擎延伸，用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。
1、
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。
三、公有云的占比在下降
1、
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%。
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
。
2、
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——
3、说白了，
这不是说不该用AI替代执行。
4、
四、离模型越近的人与价值越高
1、离模型越近的人与价值越高
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——
离模型越近的人，价值越高。
这个假设正在被动摇。
几个方向已经有了清晰的信号。
这不是概念。
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？
