一项AI服务,最后由谁来完成?

01先把一项AI服务里的工作拆开

假设一家企业想做一个供员工使用的AI助手。它可以查询内部资料，整理会议，生成跟进内容，并把结果放回业务系统。

员工看到的可能只是一个对话框，背后至少有几类工作：

上一篇讲过的那些工作差异，会直接改变这份清单的重量。整理一段普通会议，检查和责任可能相对轻；辅助金融、医疗或法律决策，专业验证、权限和责任就会更重；让AI调度设备或车辆，还要加上现场系统、硬件和安全运行。

先把这些工作看清楚，才能继续追问：哪些由使用方自己完成，哪些向外部供应商购买；如果向外采购，又由哪一类供应商承担。

用户看到的可能只是一个入口，背后还需要基础能力、运行、企业信息、工作流程、结果检查和持续维护。

02同一组工作，可以有不同分法

最简单的组合，是使用方直接采购一款已经做好的AI产品。供应商把模型、运行、工作流程和售后服务打包在一起，使用方只完成必要的数据连接和内部管理。

也可以拆给多家供应商：使用方向模型公司购买能力，在云平台上运行，通过已有企业软件进入工作，再由专业服务商或自己的技术团队完成数据、评测和维护。

同一家供应商也可以同时承担几种角色。模型公司可以直接提供企业产品，云平台可以同时提供自有模型和外部模型，企业软件商也可以把AI直接做进现有产品。

同一组工作可以由一家供应商打包，也可以拆给多家供应商，或由外部供应商与使用方共同完成。

企业“一部分购买、一部分自建”，并不是AI时代才出现的新现象。在互联网、云计算和大型企业IT中，这本来就很常见。

AI带来的变化是：基础能力可以通过API、云平台和开放权重更灵活地取得，模型本身又在快速变化。使用方可以更容易更换某一项基础能力，却不一定能轻易迁走已经连好的数据、权限、评测和工作流程。

因此，重要的不是给一家公司贴上“上游”或“下游”的固定标签，而是看它在一项具体服务中承担了哪些工作。

03平台在扩张，软件的优势却未必稳固

大型云平台已经拥有计算资源、企业客户、账户体系和开发者工具。当使用方开始引入AI，平台可以把模型选择、部署、权限、安全和计费组织在同一个入口里。

Amazon Bedrock Marketplace就展示了这种组织方式。使用方可以在同一个目录中发现和订阅多种模型，再通过平台的API、知识库和防护工具使用它们。（资料来源：Amazon Bedrock Marketplace文档）

在这里，“可选模型变多”和“使用方更集中地留在一个平台”可以同时发生。所以，不能笼统地说整个AI产业变得更开放了，或者更集中了。模型选择可以更多，训练所需的计算和资本仍然集中；单个模型接口可以更换，企业的账户、采购、数据和治理体系却可能留在平台里。

云平台和模型公司的关系，也超过了普通的采购。美国联邦贸易委员会根据三组大型合作关系，归纳了投资、收入分成、云消费承诺、信息共享和产品整合。模型公司从中获得计算和分发，云平台获得工作负载和新的产品能力。（资料来源：FTC云服务商与AI开发者伙伴关系报告）

已有企业软件商的情况更复杂。它们已经拥有客户合同、业务数据、系统权限和日常工作入口，这确实能让AI更容易进入现有流程。但这只是起点优势，不是必然结果。

Salesforce披露，2026财年第四季度，Agentforce与Data 360超过60%的订单来自既有客户扩展。中国市场也有正面案例：金蝶2025年订阅收入增长20.9%，并披露3.56亿元AI合同签约金额。这些数据说明，已有客户和业务系统可以帮助AI产品获得订单。它们并不足以证明，传统SaaS的产品形态、收费方式和利润结构会原样延续。（资料来源：Salesforce 2026财年业绩、金蝶2025年业绩）

最近一两年出现的“AI会不会取代SaaS”，这类担忧已经出现在海外软件股的市场讨论中，也出现在中国SaaS从业者的公开表达里。（资料来源：《每日经济新闻》对国内SaaS争论与经营数据的梳理）

担忧主要有三类：AI助手或智能体可能绕过原有的软件界面；自动化任务增加后，按人头收取席位费的基础可能被削弱；厂商也可能需要从按席位订阅，转向按用量、任务或结果收费。同时，模型调用会带来新的可变成本，软件商未必能在不调整价格的情况下长期承担。

中国SaaS还有一层更早存在的难题。中国信通院的研究指出，为了匹配大客户需求，SaaS服务已经从通用标准化向私有部署、混合部署和定制开发延伸。这能带来大客户，也会让标准产品的规模化复制变得更难。（资料来源：中国企业级SaaS产业发展研究报告）

已有软件厂商自己也在披露这种压力。用友在2025年年报中把AI对全球软件产业的结构性改变、大型互联网公司进入企业服务带来的竞争、销售成本上升，以及部分大型企业自研，都列为经营风险。（资料来源：用友网络2025年年报）

IDC对中国市场的判断是，未来两到三年不会是AI简单取代现有软件，竞争重心会转向任务执行、流程自动化和业务结果。（资料来源：IDC中国关于AI与SaaS的观察）

已有软件厂商能不能继续掌握企业服务入口，要看它能否把客户合同、业务数据和系统权限的起点优势，变成新的任务执行、结果验证和交付能力。如果做不到，原来的产品入口和按席位收费，反而可能成为需要重做的部分。

客户合同、业务数据和系统权限只是起点；能否转向任务执行、结果验证和新的交付，才决定优势能否延续。

04专业产品供应商做什么，使用方又做什么

通用平台可以做很多共同工作，却不会预先知道每家医院、银行、律所或工厂怎样完成具体任务。

专业产品供应商最有机会承担的，是某类使用方反复出现的共同部分：专门数据、工作入口、专业检查、合规要求和交付服务。如果它只是在通用模型上增加几个功能，就很容易被平台或已有软件取代。如果它真正进入了日常工作，并能为结果负责，更换它就会更困难。

使用方的内部团队更常承担的，则是外部供应商很难完全代替的部分：决定哪些数据可以使用，把AI接入内部系统，设定检查标准，处理组织权限，并对最终业务结果负责。

一家大型使用方，因此可能不只是AI产品的买方。在一些任务中，它也会组合不同供应商和内部资源，把外部模型、外部工具与自己的数据、系统和规则，变成一项内部服务。

Morgan Stanley的做法展示了这种分工。它与OpenAI合作，把GPT-4用于内部知识查询和会议整理；同时由自己的团队连接内部文档库，建立针对真实任务的评测，把会议结果接入客户关系管理系统，并保留理财顾问的最终审核。（资料来源：OpenAI公开案例）

这个案例里，Morgan Stanley没有从头训练一个基础模型。它购买外部能力，又自己组织了知识、评测、流程、控制和责任。这里的“自建”，指的是企业自己完成最后的服务，不是什么都自己做。

当任务规模足够大，对内部数据和工作方式依赖很深，或者错误后果必须由使用方承担时，把这些能力留在内部更有价值。反过来，如果任务很标准，使用量不大，也没有特别的数据和风险要求，直接采购完整产品通常更合算。

05把工作做了，为什么不一定能留下价值

一项AI服务需要基础能力、稳定运行、数据和权限、工作流程、结果检查，以及后续维护和责任承担。这些工作可以被一家外部供应商打包，也可以由多家供应商和使用方共同完成。

但“承担了工作”，还不等于“一定能留下价值”。

数据连接、评测、权限、复核和运行维护都是真实工作，但它们可能被平台打包，被已有软件吸收，由专业产品供应商承担，也可能留在使用方内部。工作长期存在，不等于某一类供应商一定能持续向使用方收费。

要判断价值更可能留在哪里，至少还要看四件事：

除了看谁做了工作，还要看谁控制入口、掌握交易关系、积累任务知识并承担最终责任。

这些关系越稳定，一家公司就越不容易被绕开或替换。相反，如果它只提供一项很快就能被其他供应商或使用方内部团队取代的功能，即使市场确实需要这项工作，它也不一定能得到对应的价值。

因此，今天的AI产业并不是一条已经定型的线性产业链。平台在向相邻环节扩张，已有软件厂商在重做产品和收费方式，专业供应商在尝试做深具体任务，大型使用方也在把外部能力与内部系统重新组合。

一项AI服务最后由谁完成，并不存在一个适用于所有企业的统一答案。正因为分工还在变化，新公司和新资本才会同时进入模型、工具、产品、基础设施和行业交付等不同位置。

下一篇将继续追问：这轮AI创业潮究竟在押注哪些位置，这些押注又已经兑现到哪一步？

说明：文中企业、平台与市场材料核至2026年9月20日。公司自报案例只用于说明相应的产品、分工、订单或经营风险，不自动证明客户已经获得长期净收益，也不足以证明某一类软件商一定会在AI时代胜出。FTC报告是对三组大型合作关系的有限观察，不代表整个市场的法律或经济结论。