
企业开始“不信任”前沿模型了
Palantir CEO Alex Karp 7月初在CNBC称,大型企业对前沿模型厂商不信任度达前所未有的程度,因实验室“能力”与企业“价值”间链条长。不少企业部署AI是买模型服务,通过MCP等接入内部系统,管理者认为模型看到足够数据就会自动理解公司并创造价值,但现实并非如此。大型企业内部系统多,客户在不同部门叫法不同,权限等规则层层叠加,模型只能用“暴力搜索”方式拼装上下文,导致慢且贵。企业AI落地瓶颈是上下文工程,“上下文”包括知识体系等,员工经验形成的隐性知识也在其中。这带来组织经验归属问题,企业担心运营依赖,需控制模型、数据及AI形成的经验。
90%的企业AI场景,不需要最强模型
上下文决定AI能否使用,成本决定能否大规模使用。Arvind Jain称90%甚至更多企业应用场景无需最强模型,企业只为“足够好且成本可控的结果”买单。大模型稀缺能力变标准供给,技术优势成可替换商品。Glean根据任务选模型,简单任务用开源模型,复杂任务用闭源模型。应用公司与模型公司关系改变,真正危险是应用公司没形成其他价值。“套壳”易被滥用,企业AI差异来自权限体系等。开源替代有阻力,企业对中国开源模型有顾虑,但头部企业使用后顾虑会转变。长期看,企业模型市场多模型共存,价值向应用层迁移。
微软的入口优势没了
模型商品化冲击企业软件捆绑销售。微软可将新功能装进已售套件,对大企业来说,免费获“七十分”的Copilot比买“九十分”独立产品省事。Arvind Jain坦言微软是更现实的竞争者,很多客户因买了微软拒绝Glean。AI按量付费模式给捆绑逻辑带来裂缝,传统SaaS按席位收费,AI按任务量付费,企业可让员工选工具并为实际用量买单。捆绑有采购和分发优势,但未必锁定最终使用,软件时代入口优势被AI时代任务完成质量重新定价。
AI降本是个伪命题
企业AI投资回报计算在不同场景不同,客服场景易算,研发等场景复杂。以Glean为例,近100%初始代码由AI生成,但产品交付速度未爆炸式增长,因写代码只是短环节,其他环节速度未变,AI提速后瓶颈转移到代码审核,Glean保留人工审核。AI不会自动消除流程瓶颈,很多AI应用当下经济账不好看,难实现降本。长期看,AI降本有两条路,一是等成本下降,如开源模型已降低推理价格;二是用AI放大人均产能而非裁员。AI不会消灭岗位,但会消灭单一执行岗位,复合型人才成刚需。
进入核心工作流,才是AI应用的关键
模型公司下场,应用公司不必恐慌。以设计行业为例,Claude出设计辅助功能,但设计师主力工具仍是Figma,Claude是市场扩展,深度工作在Figma。模型厂商不理解企业内部运作,通用模型对接企业系统有效率低和不懂上下文问题。Glean打通企业多系统,建立组织知识图谱,壁垒靠时间和深度嵌入形成。应用公司应关注产品是否深入核心流程,掌握企业上下文等,模型升级会放大价值。Glean创始人经营思路改变,担心保守错过市场圈地期,但“加速”不放弃商业纪律,企业需在大胆投入和保持克制间找平衡。



被折叠的 条评论
为什么被折叠?



