AI供应商锁定效应显现，企业AI采购面临价格上涨与迁移困境

观点 曾经，企业可以随心所欲地在各家前沿AI模型之间切换，但随着供应商锁定效应逐渐显现，加之价格持续攀升，这种自由正在成为历史。

就在不久前，人们毫不在意地从一个AI前沿模型跳到另一个。这周最热门的是Gemini 3.1 Pro，下周换成Claude 4.6，现在或许又变成了GPT-5.5。下个月呢？谁也说不准。对于业余开发者来说，这无所谓；但对于专业开发者而言，情况就完全不同了。

Token化定价不是AI战略

企业级AI买家正面临两个同时收紧的问题：一是在AI供应商之间迁移比预期难得多；二是AI供应商正在持续推进涨价，从根本上重塑了软件的经济逻辑。这一切早有预兆——AI价格长期以来都是亏本引流的策略，如今账单终于开始找上门来。

AI编排平台提供商Zapier近期对542名持有AI供应商合同的美国高管进行了调查，结果发现，近90%的受访者认为自己可以在四周内完成AI供应商切换，41%的人甚至表示只需2到5个工作日。现在，究竟是谁在"幻觉"？

我一直认为，尽管企业高层对AI口头上大加赞扬，但大多数高管对AI究竟是什么、如何部署，其实完全一无所知。这种脱离实际的判断，正是最好的佐证。

根据Zapier的报告，在尝试迁移AI平台的企业中，仅有42%表示迁移过程较为顺利，另外58%的企业则表示迁移彻底失败，或付出了远超预期的代价。这真是令人意外吗？

问题的根源在于早期采用者所低估的技术依赖层级：AI系统的实施需要供应商专属API、私有训练数据、自定义模型部署工具，以及与现有工作流的深度集成，而这些内容都无法在不同供应商之间无缝迁移。

Zapier指出："当AI已经融入内部流程、与其他系统相互关联、并针对特定工作流进行了调优之后，就会产生各种依赖关系、边缘情况，以及大量因为'临时'而从未被记录下来的细微适配。"

让迁移难上加难的，不只是软件层面。AI顾问哈伦·乔德里（Haroon Choudery）指出："切换模型供应商，早已不再是简单的API迁移，而是涉及上下文、工作流程和机构记忆的全面转移。"将这三个方面从一个供应商平台迁移到另一个，本就困难重重；而如果连自己锁定了哪些内容都搞不清楚，情况就更加棘手。乔德里观察到："我接触到的大多数运营者，连这三项都没有做过系统梳理。"

这并不令人意外。这再次证明，企业高管们在不断加大AI投入的同时，对自己究竟在做什么并没有清醒的认识。

有些人认为，由于AI成本极低，即便切换供应商代价不菲，也完全负担得起——毕竟模型本身很便宜。

然而，长期亏损的AI供应商们终于开始全面涨价。以OpenAI为例，其旗舰模型GPT-5.2面向开发者的输入Token价格，从上一代GPT-5.1的每百万Token 1.25美元大幅提升至5.75美元。这个涨幅相当可观。

不止OpenAI一家。Anthropic于2026年4月15日正式对Claude企业版实施了事实上的涨价，将原有的固定定价模式调整为动态按需计费模式。专业人士预计，对于高频用户而言，费用可能翻倍甚至增至三倍。

即便不是深度AI开发者，也能感受到这些变化。例如，GitHub Copilot目前已无法新注册订阅；GitHub同时也在削减个人订阅套餐的算力配额，并完全取消了对Opus模型的访问权限。如果你曾打算围绕GitHub Copilot构建自己的业务，恐怕要重新考虑了。

这种趋势也蔓延到了更广泛的软件领域，AI成本的上升正在推高Microsoft 365等产品的价格。

这一切都将成为行业常态。固定价格套餐仍会存在，但你能获得的算力将越来越少。不论愿不愿意接受，我们都正在走向以Token计费的定价体系，固定价格时代即将终结。

正如OpenAI高管尼克·特利（Nick Turley）近日所言："定价不发生重大变化，是不可能的事。"至于那些无限量套餐？忘了它们吧，那已经是过去式了。

这些定价变化折射出基础设施层面的现实：内存芯片价格已直追黄金，那些耗资数十亿美元建设的大型AI数据中心，也不可能靠补贴永远维持下去。

正如数据洞察公司（Datos Insights）联合创始人兼CEO埃利·古德曼（Eli Goodman）去年对媒体所说："最常见的误区是把AI当作普通软件。但这是不对的——每一次查询都有实际成本，用得越多，供应商的账单就越高。"

AI与软件即服务（SaaS）不同——SaaS的边际成本随规模扩大而递减，而AI并非如此。我们常常聚焦于AI训练的成本，却忽视了每一次查询、每一个启动的智能体，都在消耗推理Token。简而言之，在新的定价体系下，AI用得越多，花费就越多。

思科首席工程师兼产品架构师尼克·卡莱（Nik Kale）补充道："微软的价格上涨不是暂时的波动，而是AI时代新价格基准的开端。GPU容量、推理扩展以及大模型工作负载日益增长的能耗，都已成为结构性、持续性的成本支出，供应商已无力再独自承担。"

而这些成本，最终将由企业用户来承担。

还有更多挑战。如果你是在自有硬件上部署Meta Llama，你或许觉得高枕无忧。但事实并非如此。首先，Llama从来就不是真正意义上的开源项目。当Meta决定将其"弃置"、转而押注自家专有产品Muse Spark时，依赖Llama的企业将陷入两难困境。

Zapier的报告一针见血地指出："问题不在于AI是否有用，而在于当你所依赖的AI突然下线、大幅涨价，或者被私募股权公司收购后遭到拆解，你该怎么办？"

这是个非常值得深思的问题——你有答案吗？最好现在就开始认真思考。你在AI上投入越多，就越可能被特定供应商深度绑定，而这些供应商的价格，必然会涨到市场所能承受的极限，甚至更高。

Q&A

Q1：企业迁移AI平台为什么这么困难？

A：根据Zapier对542名美国高管的调查，仅42%的企业表示AI平台迁移过程较为顺利，另有58%遭遇失败或付出了远超预期的代价。根本原因在于AI系统深度依赖供应商专属API、私有训练数据、自定义工具和业务工作流，这些内容难以在不同供应商之间无缝迁移。此外，上下文、工作流程和机构记忆等无形资产的转移同样困难，且大多数企业对自身的锁定情况缺乏系统梳理。

Q2：OpenAI和Anthropic的AI定价具体涨了多少？

A：OpenAI将旗舰模型GPT-5.2的开发者输入Token价格从每百万Token 1.25美元提升至5.75美元，涨幅超过360%。Anthropic则于2026年4月15日将Claude企业版从固定定价改为动态按需计费模式，专业人士预计重度用户的使用成本可能翻倍甚至增至三倍。此外，GitHub Copilot已停止新订阅，并削减了个人套餐的算力配额，行业整体呈现全面涨价趋势。

Q3：使用Meta Llama自部署能否避免供应商锁定？

A：不能完全避免。Llama从未是真正意义上的开源项目，一旦Meta决定停止维护并将资源转向其专有产品Muse Spark，依赖Llama的企业将面临被动局面。自部署虽然在短期内绕开了云端供应商的直接定价压力，但仍存在模型被"弃置"后缺乏更新与支持的风险，企业需要提前制定应对方案。