AI独角兽创始人最新判断：90%企业AI场景，已经不需要最强模型

过去一段时间，AI应用创业者最焦虑的问题始终是：大模型会不会把应用全吃了？今年以来，OpenAI、Anthropic等厂商持续推出法律、设计、办公等垂直套件，微软依托Office生态捆绑Copilot不断向企业渗透。越来越多人相信，只要底层模型持续进化，今天所有AI应用不过都是等待被官方"内置"的功能。然而，企业AI独角兽Glean的创始人在近日的访谈中给出了一个犀利且反直觉的判断：OpenAI和Anthropic赢不了真正的应用层企业，90%以上企业场景开源模型已经能完全承接需求。

企业AI的真正瓶颈：上下文工程

当前不少企业部署AI的方式非常直接：购买模型服务，再通过MCP等协议将其接入内部文档、邮件、CRM、工单、代码库和各种业务系统。管理者的想象是，只要模型能看到足够多的数据，它就会自动理解公司并开始创造价值。但现实远非如此。一家大型企业内部可能有数百甚至上千套系统，同一个客户在销售部门叫"账户"，在财务部门叫"主体"，到了交付部门又可能对应若干项目。权限、版本、业务口径和隐性规则层层叠加，模型虽然能读取这些信息，却并不知道哪一条对当前任务最重要，也不知道公司过去究竟是如何完成类似工作的。

模型商品化：开源替代的崛起

于是，模型只能用一种近似"暴力搜索"的方式拼装上下文：先检索大量材料，再尝试判断彼此关系，最后生成一个看上去像答案的答案。这会产生两个直接后果：一是慢，大量时间耗在寻找原材料上；二是贵，大量Token消耗在无效检索和上下文拼接上。企业买到了一个聪明的大脑，却没有给它配备记忆、地图和工作手册。 企业AI落地的真正瓶颈，往往不是模型能力，而是上下文工程。这里的"上下文"不仅是把几份文档塞进提示词，它包括企业的知识体系、数据权限、术语关系、业务流程，以及那些从未写进制度、却存在于员工经验中的隐性知识。比如，一项工作第一次被执行时，企业或许会留下十个标准步骤。但此后几年里，员工会不断调整顺序、绕开例外、总结捷径，大量真正决定效率的经验并没有被记录，只存在于人的判断里。 这也带来一个比"数据归谁"更深的问题：由AI在长期工作中积累的组织经验，究竟属于企业，还是属于提供智能代理的厂商？企业担心的已经不只是技术依赖，而是运营依赖。如果核心工作由外部代理执行，代理又掌握了不断复利的组织经验，那么更换供应商就不再是换一个软件，而近似于更换一套公司的"外置大脑"。

微软捆绑策略的式微

如果说上下文决定AI能不能用，那么成本决定AI能不能大规模使用。如今90%甚至更多的企业应用场景，已经不需要用最强的模型。这个数字背后的含义是：企业只会为"足够好且成本可控的结果"买单。无论是一份内部会议纪要，还是一封销售跟进邮件，都不需要调用世界上最强的模型，只要质量达到业务要求，更便宜的模型就会自然胜出。 这意味着，大模型正在经历软件行业非常熟悉的一幕：稀缺能力变成标准供给，技术优势变成可替换的商品。以Glean为代表的企业AI公司并不要求客户押注某一个模型，而是根据任务自动选择合适的模型：简单任务交给成本更低的开源模型，复杂任务再调用更强的闭源模型。在这种架构里，应用公司与模型公司的关系也发生了变化——模型厂商越卷、开源社区进步越快，应用公司的原材料就越便宜、越丰富。真正危险的不是模型继续升级，而是应用公司除了调用模型之外，没有形成其他价值。 长期看，企业模型市场很可能不是一家通吃，而是多模型共存。模型层的利润会被竞争持续压缩，价值则不断向负责选择、连接和管理模型的应用层迁移。

AI降本是个伪命题

模型商品化还会冲击企业软件过去最有效的一种竞争武器：捆绑销售。微软的优势从来不只是产品，而是它可以把新功能装进企业已经购买的套件里。对一家大型企业来说，免费获得一个"七十分"的Copilot，通常比重新采购一个"九十分"的独立产品更省事。不过，AI的按量付费模式正在给捆绑逻辑制造一道裂缝。 传统SaaS按席位收费，企业一旦购买套件，就会倾向于让员工尽量使用其中的产品；AI更接近按任务量付费，无论工具是否捆绑，实际执行一次任务都要消耗算力。企业完全可以同时开放多个工具，让员工选择最适合的一个，再为真实用量买单。这意味着，捆绑依然拥有采购和分发优势，却未必还能锁定最终使用。未来的竞争不只是"谁进入了供应商名单"，还包括"员工真正把任务交给了谁"。软件时代的入口优势，正在被AI时代的任务完成质量重新定价。

如有侵权，请联系删除。