模型越大越好,算力越多越好,企业接上API就能享受最先进的智能。 企业不用训练模型,也不用自己建AI基础设施,只要按Token付钱,就能直接使用全球最强的大模型。 这套模式确实推动了生成式AI最快的一轮普及。 但到了2026年,我越来越关注另一个正在冒头的变化: 企业开始不满足于“租AI”,而是想把AI重新掌握在自己手里。 这背后对应的关键词,就是最近越来越频繁出现的——Sovereign AI,主权AI。 而如果这条趋势真的成立,它改变的不只是企业怎么使用AI,更可能重新划分整个AI产业链的利润。 一、以前用AI像租房,现在企业开始想“买房” 最初企业使用AI的方式非常简单。 把数据传到远端,调用OpenAI、Anthropic等厂商提供的API,再按使用量付费。 刚开始这笔账很好算。 员工偶尔问几个问题、生成几段文字,一次调用只消耗少量Token,和自己训练模型相比,API几乎便宜得可以忽略。 但Agent开始改变这件事。 以前AI只是“回答一个问题”。 现在的Agent需要: 读取整个代码库、理解上下文、拆解任务、调用工具、反复测试、根据结果重新规划…… 一个任务背后的模型调用次数可能成倍增加。 原文以Uber为例:内部工程师使用Agentic Coding工具的比例快速上升,重度用户每个月的AI使用成本甚至可以达到数百至数千美元,公司最后开始给员工和工具设置月度预算上限。 这件事很重要。 因为企业突然发现: AI采用率越来越高,不等于AI的ROI一定越来越高。 Token消耗可以很容易翻几倍,但生产效率究竟提高了多少,却没有那么容易衡量。 于是第一个变化出现了: 企业开始从“尽可能多用AI”,进入“AI到底值不值得花这笔钱”的阶段。 微软在原文中的做法也很典型:开始通过FinOps和模型路由,把简单任务交给更便宜的小模型,真正复杂的问题才调用昂贵的前沿模型。 这其实