AI平台锁定率将飙升至35%,企业破局的6个黄金法则

AI为中型企业创造了新的依赖关系，因此CIO需要聚焦于真正重要的事情，从而实现现实的主权级别。

从企业视角来看，AI主权意味着对整个AI技术栈的完全控制。对于拥有人力、技术和资金资源的企业来说，这或许是可能的，然而，对于绝大多数企业而言，外部帮助是必不可少的。正如任何供应商关系一样，其中的风险在于被锁定在某个供应商或技术上。对于执行离散任务的成熟技术而言，这或许不成问题，但对于像AI这样新兴且快速演进、并能够影响企业多个流程的技术而言，困难可能会随之出现。Gartner最近预测，AI平台锁定比例将从目前的5%上升到明年的35%，那么，如何避免落入那个高百分位呢?

正如预期的那样，锁定风险与运营开销(包括前期成本、长期许可费用以及内部人才需求)之间存在反比关系。依赖开源模型、应用和自托管在锁定风险方面是最低的，但它需要在AI工程技能和基础设施方面进行大量投资。处于中间状态的多云或混合API方法提供了很高的灵活性来置换底层模型，但依赖于对抽象层的管理。实现AI部署最快捷的方式是签约需要较少运营开销的专有全功能平台，但这也带来了长期供应商依赖的风险。

降低AI锁定的一个关键优先级是将应用层与模型层解耦，部署诸如LangChain或LiteLLM等编排框架，可以在企业已经使用的软件应用与底层AI模型之间创建一个可控层，这样一来，后端大语言模型就可以根据需要进行更换，只需进行极少量的代码重写，这一级别的模型无关架构确保了当旧模型过时时可以引入新模型，目前AI领域唯一的确定性就是快速变化。

来自OpenAI和Anthropic的前沿模型在性能上可能依然领先，但开放模型(开放权重和开源)也并未落后太多。2026年斯坦福大学AI指数显示性能差距为3.3%，这使得开放模型成为许多企业部署的严肃选项，这里的开销是对这些模型进行微调，这通常需要第三方协助。要防止这演变为通往锁定的途径，就必须确保权重、参数和训练配置保持可导出性，并且属于你的知识产权。

尽管存在不同程度的摩擦，所有技术都是可以替代的，但你的数据则不然，强制执行严格的数据可移植性和管道自主性是构建可持续AI策略的核心基础。“唯一真正自主的AI是那种不会引入新型锁定形态的AI，”AI系统集成商Advania UK的首席技术官Chris O'Brien表示，“CIO无法替代的资产是他们的数据以及业务实际运作方式的智慧，在这个层面上，模型在很大程度上是可以互换的，除非你的架构是围绕单一模型构建的。”

这要求将数据准备、诸如Pinecone、Milvus和Qdrant等向量数据库，以及存储层保持在任何单一供应商的专有AI云之外。组织知识库、嵌入和训练数据应保留在开放的标准化格式中，以便于重新建立索引，并在必要时迁移到不同的平台。

AI产品和解决方案的市场在一年后将呈现出截然不同的面貌，随着各代模型之间性能提升幅度的缩小、开源替代方案的改进，以及前沿模型供应商之间的竞争可能带来的token成本下降，模型正朝着商品化方向发展。避免长期的用量和/或支出承诺，将帮助企业更安全地驾驭这一快速演进的领域。谈判采用按需付费或短期合同可以降低风险，并确保合同明确规定你拥有所有提示词、输入、输出以及派生的上下文元数据。

在Python、容器化和API管理等核心AI工程标准周围内部建立核心工程专业知识，将为未来的增长提供坚实的基础。对供应商工具的了解固然重要，但要为充满不确定性的未来构建能力，则需要基础且适应性强的技能。

每个企业都是独一无二的

最终，AI技术和平台将成熟为一个对企业而言更加稳定的环境。现在做出的部署决策需要内置足够的灵活性，以适应这个充满不确定性的未来。对于大多数企业、特别是中小企业而言，与处于这场变革最前沿的AI供应商和顾问相比，他们在知识、资源和技能方面存在着巨大的失衡。保护你独特的数据资产、对工作流程的了解以及你所处的行业，并在其之上构建可替换的AI层，才是通往更加自主的未来的途径。

如果您在企业IT、网络、通信行业的某一领域工作，并希望分享观点，欢迎给企业网D1net投稿。

投稿邮箱：

editor@d1net.com

合作电话：

010-58221588（北京公司）

021-51701588（上海公司） 

合作邮箱：

Sales@d1net.com