7 月 1 日，Palantir CEO Alex Karp 走进 CNBC 演播室，用近乎失控的语气抛出了一枚重磅炸弹。他直言 AI 行业「疯了」，痛陈美国企业高管对 OpenAI 和 Anthropic 的「暴怒」，并抨击企业正在干一件荒唐事——一边疯狂支付 token 费用，一边将核心运营数据拱手送给模型供应商，却换回几乎无法衡量的商业价值。面对主持人关于「甩锅」的质疑，Karp 回答：「不，我只是在陈述事实。」当天，Palantir 股价大涨 9%，这一数字本身就是市场投出的赞成票——大家认为他说出了许多人想说却不敢说的话。这不仅仅是个人的情绪宣泄。当一家市值超千亿美元公司的掌门人在全国直播中向整个大模型行业开炮，且市场给出正反馈时，这意味着一种集体情绪已经触到了临界点。过去两年，所有人都谈论拥抱大模型，但一个新的问题正在浮现：公司离大模型太近，会不会被它撕碎？
一、从狂热到不天真
回想 2024 年初，企业对大模型的态度可以用「先用起来」概括。管它 ROI 如何，管它数据流向哪里，总之不能掉队。那时的主流叙事是「AI 革命来了，不拥抱就被淘汰」。各行各业的 CIO 和 CTO 顶着巨大压力，将 AI 塞进业务环节，这是一种典型的技术恐慌驱动决策。到了 2025 年，「全面铺开」成为关键词，企业开始认真将大模型嵌入核心流程，不再只是做 Demo 或 Hackathon。但进入 2026 年，微妙情绪转变正在发生。Salesforce 调研显示，仅半数 IT 领导者对数据基础设施支撑 AI 成功落地有信心。NTT DATA 研究报告直接用「撞墙」形容遭遇的架构瓶颈。Gartner 预测，到 2027 年 35% 的国家将依赖区域化 AI 平台，而这一数字今天仅为 5%。Karp 将此称为从无脑堆 token 消耗转向追问 ROI。这不是否定大模型，而是行业从「上头」走向「不天真」。狂热过后，企业开始冷静审视核心问题：交出去的东西和拿回来的东西，这笔账划算吗？
二、当合作伙伴变成竞争对手
Karp 的批评停留在商业模式层面，但更令人后背发凉的是另一种直接威胁——你的 AI 服务商，可能正利用你贡献的数据和场景理解，打造取代你的产品。2026 年 4 月，Figma 与 Anthropic 的故事让这种担忧成真。2 月，双方还联手开发「Code to Canvas」功能，看似亲密；4 月 14 日，Anthropic 首席产品官辞去 Figma 董事席位；三天后，Anthropic 发布 Claude Design，精准对标 Figma 核心业务。Figma 股价大跌近 8%。Fast Company 报道指出，Figma 与 Adobe、Canva 等公司此前都与 Anthropic 有多年合作，但 Claude Design 发布前无人被通知。这一细节暴露了大模型时代的结构性危险：深度合作意味着不仅交出市场入口，还交出了核心场景理解和用户需求数据。Anthropic 能做出 Claude Design，正是因为在合作中深刻理解了设计师流程。但这并非新剧本：亚马逊用平台数据做自有品牌，微软收编浏览器和办公软件，Google 用搜索结果直接回答问题边缘化垂直服务商。科技铁律未变——平台拥有足够数据和用户理解后，就会向上游侵蚀。AI 时代，这种侵蚀因大模型的「理解加速器」特性而更加凶猛。每一次 API 调用和业务数据输入，都在帮助模型供应商更深理解你的领地。
三、AI 时代的洛希极限
天文学中的「洛希极限」概念精准描述了当下企业与 AI 的关系。大模型如同大质量星体，引力强大。企业想借助其加速，但靠得太近，「物质」会被剥离——数据、Know-how、用户需求理解流向中心。如何「与 AI 共舞」又不被吞噬？边界在哪里？美国已将此问题摆在桌面。若认为中国企业距离尚远则是错觉。中美在 AI 应用节奏上虽有差异，但中国企业正在进入相似阶段。联想联合 IDC 调研显示，国内 72% 企业完成智能体试点并投入正式使用，平均部署 3.5 个场景。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」。换句话说，中国企业也在经历「AI 清醒期」。极客公园交流发现，不少企业思考并非源于「担心被抢生意」，而是真正将 AI 塞进业务后，重新定义「在 AI 时代核心价值是什么」。
四、谁掌控「AI 地基」？
这最终落到两个关键能力上。首先是掌控「AI 地基」。这与 Karp 论点一致：运营数据不应流入第三方黑箱。Palantir 定位「主权 AI」应用层，模型可用，但数据留在围墙内。国内企业感同身受。金山办公 WPS 365 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 数据印证趋势：企业 AI 算力部署中，公有云占比下降，私有云和本地部署占比升至 69%。「数据不出域」从口号变成选型第一条件。Karp 称此为「商品化认知」，认为模型质量趋同，差异在于应用层。Palantir 与 NVIDIA 的「主权 AI 引擎」即为此逻辑，用开源模型加本体论层和治理框架，确保数据不外流。Palantir 2026 年 Q1 营收增长 85%，正是市场对该路径的投票。未来，在「自己地基上」跑 AI 的公司和方案将更吃香。国内「AI 私有化大脑」已成真实赛道，这是理性选择。
五、别把组织变成「复读机」
第二个能力更难量化，但极客公园感受强烈：当 AI 替代执行环节，组织还需要什么样的「人」？部分企业踩过坑：AI 效率超人的时候，自然想「砍人」。但组织变薄后，隐蔽问题浮现——AI 执行的是过去人凝结的「最佳实践」。环境变了，市场变了，AI 还在执行旧逻辑，而组织里已无足够人去感知变化、推动进化。说白了，一个被 AI 填满但被人掏空的组织，只是在高效重复过去。这并非不该用 AI 替代执行，而是当 AI 接管执行层，企业更需要能「指挥」AI 的人。这种角色需理解业务全局，判断 AI 产出是否适应变化，能在 AI「最优解」外看到新可能。先行企业发现，有了 AI 后，竞争力不再是「替代了多少人」，而是「人能否驾驭 AI 做出以前做不到的事」。若只是让 AI 在历史数据里循环，本质是被锁死在过去的快照里。这种认知翻转的重要性不亚于数据主权。当技术壁垒拉平，「人的判断力」和「组织进化能力」成最难复制的东西。
六、行业需要「新 AI 公司」
过去两年隐含假设是：AI 价值集中在模型公司，离模型越近价值越高。这一假设正在动摇。Karp 点破：模型正变成商品化认知，能力差距缩小，差异化不在模型层。单一模型公司独大的结构不仅对企业不健康，也制约产业发展。企业需要的不是更强模型，而是一整套生态：回应数据主权焦虑、保护竞争壁垒、让 AI 嵌入业务又不失控。需求催生比「卖 token」复杂得多的市场。几个方向信号清晰：「主权 AI 基础设施」成为真实赛道，欧洲上半年三家融资超 118 亿美元。AI 网关和编排中间层不可或缺，负责统一路由、成本控制、权限治理。Palantir 做的就是重版本，轻量方案空间巨大。应用层垂直行业解决方案从「套壳」走向「深入」，价值锚点在行业认知，非模型。甚至在「人」的层面，围绕 AI 的组织变革咨询、人才培养需求浮现。一个只有「模型层」的产业脆弱。真正让 AI 产业健康发展的，是更立体的生态——模型、主权基础设施、网关治理、垂直应用、组织变革。每一层都在回应从「拥抱」到「驾驭」的真实需求。这些需求日益清晰，围绕它们诞生的新一代解决方案和服务商，可能迎来爆发期。回到洛希极限隐喻，找到安全轨道需整个生态成长，企业才真正拥有不被撕碎的底气。