企业AI主导权之争：Karp炮轰前沿模型厂商

Palantir Technologies首席执行官亚历克斯·卡普近日对前沿模型厂商发起猛烈抨击，将矛头直指企业人工智能领域的核心争议。

卡普的核心论点是：前沿模型厂商（他未点名Anthropic和OpenAI）意图从企业中抽取知识，并借此摧毁企业通过专有数据、流程和业务优势所积累的竞争壁垒。对此，我们将这种模式称为"数据共产主义"——即所有企业共享同一套智能能力。与之相对的是"数据资本主义"——企业的专有优势始终归其独占。

本文探讨的核心问题是：谁将掌控企业的运营智能？

表面上，这场争论围绕闭源模型与开源模型、OpenAI与英伟达Nemotron之间的对立展开，以及企业是否应将最敏感的数据和工作流托付给前沿实验室。但正如英伟达CEO黄仁勋在GTC 2026大会上所言："专有与开源并非非此即彼，而是二者并存。"

更深层的问题不在于模型的选择，而在于控制权的归属。

前沿模型主导论

支持这一观点的人认为，前沿模型厂商将以其实用性、成本曲线、研发速度、体量规模和算力资源主导整个技术栈。

这一阵营的核心逻辑建立于赖特定律的应用之上。该定律指出：随着累计产量的增加，成本将以可预测的方式下降。在AI领域，类比的不仅仅是累计产量，还包括累计使用量、累计Token数、累计反馈、累计训练经验、累计推理优化以及累计算力部署。

可以将前沿模型理解为一个"认知界面"——智能的核心，也是Token的唯一来源。它负责推理、规划、综合与学习，运行于最先进的硬件之上，持续高速迭代。只有少数组织具备在规模上开发和运营前沿模型的能力，企业不应试图自行复制这一功能。

与前沿模型直接耦合的是一个在传统企业架构中并不存在的新层次：智能系统（System of Intelligence，SoI）。该层管理大语言模型的所有输入与输出，承载安全策略、合规性、可审计性、延迟控制以及与企业系统的集成。

从这一视角来看，OpenAI、Anthropic和谷歌有望成为高质量智能的最低成本供应商，因为它们以最大规模运营。它们的算力采购能力、模型优化、推理基础设施和使用体量，可能赋予其优于竞争对手的边际经济效益。

卡普的真实主张：企业主权

卡普的言论在很大程度上是针对OpenAI和Anthropic发起的一场恐惧营销。他声称，前沿模型提供商可能会将客户的竞争优势"吸走"并融入其模型权重之中——尽管目前并无公开证据表明Anthropic或OpenAI违反服务条款训练客户数据，OpenAI亦公开声明不会以此方式使用客户数据。

但企业的担忧是真实存在的。

企业正在追问：如果我们最敏感的工作流、数据、决策和专有操作知识都流经前沿模型厂商，我们是否正在把未来建立在一个可能有朝一日与我们竞争、或从我们身上榨取过高利润的供应商之上？

Palantir的回答是：不要让模型厂商掌控企业大脑。让Palantir介于客户与模型之间，治理交互、路由工作负载、保护主权，并使模型可替换。

这是一次经典的平台化布局——Palantir希望拥有智能系统，并将模型视为可插拔的引擎。

分散式智能的反驳

另一种观点则认为：模型能力是必要条件，但并非企业AI卓越性的充分条件。

企业的运转不仅依赖智能，还依赖规则、政策、例外情况、权限、工作流、业务记录系统、监管约束、领域知识、组织结构以及隐性人类判断。

一个前沿模型可以推理得非常出色，却依然不知道企业被允许做什么。

这正是智能系统要解决的问题。

在这一点上，Palantir拥有充分的论据：该公司多年来一直为复杂机构构建基于本体论的运营系统，深谙应用层不仅仅是用户界面，更是数据、决策、工作流与治理的交汇点。

Databricks则从数据平台侧切入同一问题，其Genie、Agent Bricks、Unity Catalog、Unity AI Gateway等产品，代表着从受治理的数据基础设施向参与层、智能层和智能体能力的跃迁。

开源模型：楔子，而非全部答案

卡普对英伟达Nemotron及美国本土开源模型的强调颇具策略性，在政府、国防和受监管行业中尤为有力。但开源与闭源并非真正的对立——如黄仁勋所言，市场将走向二者并用。

企业将混合使用前沿模型、开源模型、专用模型、小模型和内部模型。模型路由器将成为重要的经济与治理控制点。

Palantir的Evolve和Databricks的Unity AI Gateway都指向这一方向——帮助客户基于成本、性能、安全、治理和策略，决定针对不同工作负载使用哪种模型。

前沿实验室能否构建智能系统？

这是争论的核心。

一方认为：前沿厂商终将进入智能系统领域，因为他们必须如此。如果仅停留在模型API层面，他们将沦为真正捕获企业价值的平台的原材料供应商。

另一方则认为：这并非前沿实验室的基因。企业软件需要长周期实施、治理、领域建模、集成、变更管理和合规性。Palantir、微软、SAP、Salesforce、Databricks、ServiceNow等公司，因其已深度嵌入企业数据、工作流和业务流程，拥有更好的起点。

可能的市场格局

当前市场将围绕以下几个控制点形成竞争格局：

模型实用性与推理经济性：OpenAI、Anthropic、谷歌、Meta、xAI、英伟达及开源模型生态

参与层：微软Copilot、ChatGPT、Claude、Gemini、Databricks Genie等

智能系统：Palantir、Databricks、Snowflake、微软Fabric、Salesforce、SAP、ServiceNow、Celonis等

智能体治理与路由：Databricks Unity AI Gateway、Palantir Evolve、超大规模云平台

对CIO、CTO及企业技术决策者而言，真正的行动建议是：避免架构层面的单一依赖。

企业应预设多模型未来，使用模型路由器，保持对前沿、开源、本土、专用和小型模型的灵活选择权，并将模型选择与企业上下文分离。最重要的是，开始构建属于自己的智能系统——捕获权威指标、业务定义、策略与权限、流程逻辑、决策权、工作流状态、人类技能与隐性知识，以及智能体轨迹与反馈循环。

结语

卡普说得对：企业需要一个介于原始模型与关键业务操作之间的中间层。模型本身并非企业大脑。

前沿模型的支持者也有道理：规模、体量、算力和学习曲线具有强大的力量，最优模型的能力提升和成本下降速度可能超出许多人的预期。

未解的问题是：谁将捕获由此产生的价值？

如果智能系统始终游离于前沿实验室之外，Palantir、Databricks、微软、SAP、Salesforce和ServiceNow等公司，将有机会使模型可替换，并把控企业级AI的核心控制点。

如果前沿实验室凭借规模优势通过并购和合作深入智能系统，他们对企业技术栈的掌控将远超当前悲观者的预期。

当前的答案是：企业级AGI需要两者兼备。但率先将前沿模型能力与受治理的企业上下文融为一体的厂商，将赢得最大的战略奖项。

Q&A

Q1：卡普对前沿模型厂商的核心指控是什么？

A：卡普认为OpenAI、Anthropic等前沿模型厂商意图从企业客户处抽取专有知识，将其融入自身模型权重，从而摧毁企业通过数据、流程和业务优势积累的竞争壁垒。他将这种模式比喻为"数据共产主义"。不过，目前并无公开证据表明上述公司违反服务条款训练客户数据，OpenAI也公开声明不会以此方式使用客户数据。

Q2：Palantir的智能系统和Databricks的方案有什么区别？

A：两者都在争夺企业AI技术栈中的智能系统控制点，但路径不同。Palantir更接近可执行的本体论和运营决策层，拥有多年为复杂机构构建基于本体论的运营系统的经验，方案更为成熟。Databricks则从受治理的数据平台侧切入，通过Genie、Unity Catalog、Unity AI Gateway等产品逐步向上延伸至智能和智能体能力层，目前在成熟度上稍逊于Palantir。

Q3：企业在多模型时代应该如何制定AI架构策略？

A：企业应避免对任何单一模型供应商形成架构依赖。具体建议包括：预设多模型使用场景，部署模型路由器在前沿模型、开源模型、专用模型之间灵活切换；将模型选择与企业上下文严格分离；并着手构建属于自身的智能系统，将业务规则、流程逻辑、决策权限、隐性知识等核心资产沉淀为受治理的企业资产，确保无论模型市场如何变化，企业运营智能始终掌握在自己手中。