本周,OpenAI突然关闭了其Sora应用程序,同时终止了价值10亿美元的迪士尼合作伙伴关系。这一消息引起了多方关注,热心用户为失去一个高质量视频生成器而感到惋惜,行业评论家则在猜测这对OpenAI长期产品策略的意义。然而,对于CIO来说,这个故事不仅仅是关于AI工具的关停,它是一个关于供应商稳定性不等同于产品持久性的案例研究。
OpenAI是现代AI时代的巨头之一。其旗舰产品ChatGPT家喻户晓,该公司最近筹集了超过1200亿美元的资金,这是CFO萨拉·弗赖尔本周在CNBC上宣布的创纪录金额。然而,这种声誉并没有让它免受在AI产品组合方面需要做出艰难转向的影响。
在一个由非确定性AI系统塑造的市场中,传统的软件生命周期已经被一种模式所取代,在这种模式下,计算需求和不断变化的公司优先级可能在30分钟内使一个试点项目过时。那么,这对企业AI策略意味着什么?
公开AI实验的时代
我们正在见证企业软件进入市场方式的根本性转变。与SaaS时代不同,在SaaS时代,产品发布意味着可预测的十年路线图,而当前的AI产品经常作为大规模进行的Beta测试。Tranquilla AI的未来学家唐纳德·法默观察到,这些产品"不像软件发布,更像在公众视野中进行的实验"。
OpenAI的Sora是这种实时实验潜在脆弱性的主要例子。尽管获得了大量媒体关注和对其视频输出质量的赞誉,但Sora在商业指标上表现不佳。法默将该模型描述为"CIO必须警惕的脆弱性的典型例子",指的是该产品的相对年轻和消费级品质。
"Sora只有六个月的历史,建立在社交媒体假设之上,"法默说。"显然,Sora已经失去了动力——它仅通过应用内购买产生了210万美元的收入,但却消耗了大量计算资源。商业吸引力弱且计算成本高的产品显然是被弃用的候选者。"
T-Systems International的云转型CTO理查德·西蒙同意,2026年的软件环境对CIO来说是全新的导航领域。
"这不是传统市场,因此波动性将继续是运营模式的一部分,"西蒙说。"技术的快速发展和发现技术可以应用的新市场领域的本质,正在迫使竞争,因此需要保持'相关性'。"
随着供应商发现新的市场细分或更高效的架构,他们会"毫不犹豫地"弃用整个模型以保持竞争力,西蒙说。这使得他们的企业客户和CIO处于脆弱地位。
资源分类:计算作为策略
Sora的关停也暴露了全球计算供应的新脆弱性。AI供应商已经达到了资源分类的地步,即使是资金最充足的实验室也必须在创意功能和核心基础设施之间做出选择。
根据西蒙的说法,市场正在大幅转向推理,这一转变通过对专用硬件的重大行业投资得到了强调。这种转变迫使进行战略计算:供应商宁愿为高利润的企业推理和编码工具提供动力,也不愿维护缺乏习惯形成商业用例的资源密集型生成媒体。
表面上看,这可以被视为从消费产品向企业工具的明确转变——但The Advisor Bench创始人基思·汤森德主张更细致的观点。他将这一决定不是描述为彻底的断绝,而是"在非常流动的市场中的优先级排序"。
"供应商仍在摸索长期价值所在,"汤森德解释说。"当他们在某个领域看不到价值时,他们会快速转移。这对他们来说是合理的,但对于将早期AI产品视为稳定平台的买家来说,这会产生风险。"
审核"隐性耦合"
对于观看新闻的CIO来说,真正的收获不在于OpenAI,而在于迪士尼——受这一决定显著影响的另一方。两家公司之间价值10亿美元的合作伙伴关系依赖于Sora作为其载体;当OpenAI选择关停该产品时,这些公司也终止了整个交易。
这种合作伙伴关系的崩溃是组织构建与供应商特定接口或编排层紧密耦合的工作流的高调例子——在此过程中有效地放弃了其运营主权。企业AI项目可能不会专门使用Sora,但可能有许多公司的AI计划与一个特定的供应商工具密不可分。
汤森德警告说,"AI市场在产品层面仍然不稳定——即使供应商本身是稳定的"。为了在这种情况下生存,IT领导者必须审核其技术栈的"隐性耦合",识别系统完全依赖供应商专有工作流定义的领域。
"如果你的系统依赖于特定的用户界面、特定的工作流层或紧密耦合的供应商体验,你就暴露在风险中。如果你抽象模型访问、将策略与模型分离、控制你的检索和数据层,并拥有你的审计和身份,那么交换模型——甚至完全失去产品——是可以生存的,"汤森德说。
为退出策略而设计
如果波动性是标准操作程序,那么韧性可能需要成为CIO的架构优先级。专家共识表明,成熟的2026年AI策略的标志不是CIO选择的模型,而是他们能够多有效地离开它。
理查德·西蒙倡导一种避免"设计不灵活性"和"不可逆平台"的方法。他建议模块化、抽象化的设计允许组织更优雅地应对剧烈事件。
唐纳德·法默同意使用抽象层作为根据需要在AI模型之间切换的潜在方法,但他坚持一个指导原则:
"不要在生产工作流中使用消费级或最近推出的产品,"他建议。"再次强调:不要在生产中使用它们!"
Q&A
Q1:为什么OpenAI要关闭Sora应用程序?
A:Sora虽然获得媒体关注和质量赞誉,但在商业指标上表现不佳。它仅通过应用内购买产生了210万美元收入,却消耗了大量计算资源。商业吸引力弱且计算成本高的产品成为被弃用的明显候选者。
Q2:Sora关停对企业AI策略有什么影响?
A:这表明供应商稳定性不等同于产品持久性。在非确定性AI系统塑造的市场中,计算需求和公司优先级变化可能在短时间内使产品过时。企业需要审核技术栈中的"隐性耦合",避免过度依赖特定供应商工具。
Q3:如何构建具有韧性的AI架构?
A:专家建议使用模块化、抽象化设计,通过抽象模型访问、分离策略与模型、控制检索和数据层、拥有审计和身份管理来降低风险。同时避免在生产环境中使用消费级或新推出的产品。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。