7月初，PalantirCEOAlexKarp接受CNBC采访的视频在科技圈迅速传播。

视频里，他延续了一贯夸张激烈的风格，质疑基础模型公司的商业模式——不少企业"一边付费购买Token，一边把自己的核心知识资产贡献给模型"，甚至直言整个AI行业"Somethinghasgonecompletelywrong(有些事情已经彻底跑偏了)"。社交媒体很快把它浓缩成一句更有冲击力的话："PalantirCEO怒骂OpenAI是小偷。"

一开始，很多人把这当成又一次企业家的情绪化开炮。但如果把它和另一个数字放在一起看，味道就不一样了：就在Karp放话前后，Palantir前期因估值争议深度回调的股价，从6月底到7月初逆势反弹超过18%。

一边是创始人开炮，一边是市场用真金白银投票。这就不再只是一句嘴炮，而是一个正在被定价的产业信号：当大模型能力越来越接近，AI产业的钱，到底该由谁来赚?

如果完整看完这场采访会发现，Karp真正反对的并不是某一家公司，而是一种路径依赖：把企业数据当燃料、把模型调用当终点。而市场对Palantir的重新定价说明，认同这个判断的，不止Karp一个人。

这个问题的答案，正在改变整个AI产业的价值分布——而这个变化，也正在一批中国企业AI公司身上同步发生，包括后文会提到的明略科技。

一、从"谁的模型更强"，到"谁真正创造价值"

过去三年，AI行业几乎所有重要的话题，都围绕基础模型展开。

OpenAI定义了行业对大模型能力的想象，Anthropic持续强化安全和推理能力，Google、Meta不断刷新多模态、开源模型的竞争边界。资本市场讨论的是参数规模、Benchmark成绩、推理速度和上下文长度，创业公司争夺的是模型能力排行榜上的一席之地。

在那个阶段，行业形成了一个几乎默认的共识：谁拥有最强的模型，谁就拥有最大的商业价值。

但2026年以来，一个变化正在越来越明显。越来越多企业客户开始提出的问题，不再是"哪个模型最强"，而是"哪个方案真正能创造业务价值"。

模型可以换，业务不能停;Token可以无限消耗，但ROI不能无限下降。当企业开始把采购决策从技术指标转向经营指标，AI产业的话语权也开始悄悄发生变化。

Karp在采访中反复追问的那句话，正是这个变化的缩影：如果AI真的创造了巨大价值，为什么大家还在按Token收费?

这句话看似在质疑OpenAI，实际上质疑的是过去几年整个基础模型行业默认的商业逻辑。企业真正愿意支付的，从来不是Token，而是结果。

二、AI产业，正在经历一次熟悉的价值迁移

如果把时间拉长，会发现这种变化并不陌生。

云计算刚兴起时，市场竞争的核心是服务器、虚拟化和计算资源;移动互联网爆发初期，大家争夺的是操作系统和应用分发入口。但随着产业成熟，真正沉淀长期价值的，往往不是最底层的基础能力，而是离客户业务最近的平台和应用。

AI产业也正在走向类似的轨迹。过去几年，GPU和基础模型构成了整个产业价值链最耀眼的部分。但随着模型能力快速趋同、推理成本持续下降，越来越多企业意识到，仅仅拥有一个能力更强的大模型，并不意味着能解决组织里的真实问题。

企业真正需要的是另一套能力：让AI理解自己的数据、融入自己的流程、遵守自己的权限体系，并稳定地参与日常业务运行。

换句话说，模型正在逐渐成为一种基础能力，而真正稀缺的，是把模型转化为企业生产力的能力。这样的能力，已经有公司在悄悄搭建。

这也是为什么近一年，无论是Salesforce提出Agentforce、ServiceNow强调AI工作流，还是Oracle、SAP不断强化企业AI平台，几乎所有企业软件公司都在把重点从模型能力转向工作流、Agent和业务流程。行业竞争的焦点，正在从"谁训练了最强模型"，转向"谁最懂企业"。

三、不止Palantir一个信号

Palantir的股价反弹不是孤例。曾被视为AI唯一主线的芯片叙事，近期也开始出现裂缝：知名投资人MichaelBurry公开做空英伟达并警告泡沫、Google传出下一代TPU转向其他供应商。当"卖铲子"的上游与"纯模型"的故事同时被重新审视，资金正重新流向离业务成果最近的那一层。

换句话说，市场不再只为"谁模型最强"投票，而是开始为"谁能把AI变成可衡量的业务结果"投票。这让Karp的判断，从一句嘴炮，变成了有市值背书的产业信号。

Palantir为什么要重新定义AI?

放在这个背景下，再看Palantir，就更容易理解Karp那些看似激烈的话。

Palantir从来没有试图成为另一家OpenAI。它真正销售的，不是基础模型，而是一套能连接企业数据、权限体系、业务流程和AI能力的企业操作平台。

对它来说，OpenAI可以是模型，Anthropic可以是模型，开源模型也可以是模型。模型会不断变化，但企业的组织结构、数据资产和业务知识不会频繁重建。因此，Karp真正关心的不是模型本身，而是谁拥有企业与AI之间最关键的连接层。

四、Karp提出的问题，需要一个具体的答案

Karp的两句话，其实点出了企业迟迟不敢把AI放进核心业务的两块心病。

第一块是数据。"一边付费买Token，一边把核心知识资产贡献给模型"——这不只是钱的问题，而是企业最怕的事：自己多年沉淀的业务知识、客户数据、决策逻辑，在一次次调用中，悄悄变成了别人模型的养料。对越有数据资产的企业，这一刀越疼。

第二块是价值。"AI真创造了价值，为什么还在按Token收费"——按调用量付费，意味着企业为"过程"买单，却无法确定能不能拿到"结果"。用得越多、账单越高，但业务到底改善了多少，没人担保。

把这两块心病放到一起，答案其实已经浮现：企业真正需要的，是一套让AI跑在自己数据上、自己权限里，并且按结果、而不是按消耗来计价的能力。

这恰好是明略科技在做的事，也是它和纯模型公司最根本的分野。

在数据主权这一侧，明略的协作平台Octo支持私有化部署，并已开源(Apache2.0)。企业的数据、权限体系、业务知识始终留在自己手里——AI进来是"到你家干活"，而不是"把你的东西搬去它家训练"。Karp担心的那种"把核心知识贡献给模型"，在这套架构下从一开始就不成立。

在价值兑现这一侧，明略走的是AgenticServices——不是卖模型调用，而是交付业务结果。落到具体场景里，是让Agent真正接住一项工作、跑完一段流程、产出可衡量的成效，企业为这个成效付费。这正是"企业愿意支付的从来不是Token，而是结果"最直接的落地。

换句话说，Karp在美国市场指出的病，明略正在中国企业的真实流程里提出解决方案：一手用私有化部署解数据主权的焦虑，一手用按结果交付解价值兑现的焦虑。

五、AI真正的竞争，或许才刚刚开始

过去三年，人们一直相信，大模型决定AI产业的未来。但今天，越来越多企业开始意识到，大模型只是AI系统的一部分。

真正决定商业价值的，不是谁拥有最强的模型，而是谁能把模型嵌入企业组织、工作流和决策体系，让AI持续创造可衡量的业务成果。

或许，这才是Palantir这场采访真正想表达的。它讨论的不是OpenAI，而是整个AI产业正在经历的一次价值迁移。

而这场迁移不是美国独有。Palantir是这套产业逻辑在美国市场的答案;明略科技这样的企业，则是在用私有化部署+按结果交付的方式，把同一套逻辑落进中国企业的真实流程里。模型仍然是AI时代的发动机，但真正决定企业价值的，将是连接模型与业务的那一层。

以上内容与数据，与有连云立场无关，不构成投资建议。据此操作，风险自担。