近期 Palantir CEO 针对闭源大模型商业模式的公开质疑，再次将 AI 时代的数据安全与产业竞争问题推到台前。
当下企业普遍通过采购 Token 的方式使用闭源大模型，在借助 AI 提升效率的同时，也在持续将自身业务流程、核心经验与商业数据输入模型体系。这种 “付费交出核心能力” 的模式，正随着模型厂商不断向下游延伸，暴露出越来越多的潜在风险，也引发了行业对 AI 发展路径的重新思考。
一、模式争议：付费采购背后的商业能力让渡
Palantir CEO 的核心观点直指当前闭源 AI 合作的本质矛盾：企业花费大量成本采购 AI 服务，看似是为效率付费，实则是在持续将自身的业务逻辑、行业经验、核心数据输送给模型厂商，相当于逐步把自身的 “商业大脑” 交到供应商手中。
这种风险并非空谈，行业内已有多个案例显现端倪。设计工具 Figma、在线设计平台 Canva 原本均与 Anthropic 保持合作，借助大模型能力优化产品体验，但随着 Anthropic 自身布局设计类产品，合作关系逐渐向竞争关系转变；代码编辑器 Cursor 早期凭借 Claude 模型能力吸引大量开发者，而随着 Claude Code 官方工具能力持续完善，不少用户直接转向官方原生工具，第三方产品的生存空间被持续挤压。 当模型供应商既掌握底层能力，又能看到全行业的运行数据时，下场切入下游赛道几乎是必然选择。
二、意识滑坡：从权限警惕到数据主动投喂的认知转变
值得关注的是用户层面的认知变化。
仅仅数年前，手机应用申请通讯录权限都会引发用户对隐私泄露的担忧；而进入 AI 时代，用户向大模型提交手机号码、家庭住址、API 密钥、账号密码，甚至公司核心文档、项目源代码，都已经成为稀松平常的操作，整个过程几乎没有遇到普遍的隐私阻力。
这种认知转变的背后，是用户对 AI 能力的信任快速建立，但信任的对象本质是商业公司。闭源模型的黑盒属性决定了用户无法知晓上传的数据会被如何存储、如何使用、是否会用于模型训练。
早在 ChatGPT 一家独大的阶段，行业就有过 “是否该将数字未来交给单一商业公司” 的质疑；如今大模型厂商数量增多，竞争格局形成，但数据外流的底层风险并未真正消失。
三、核心矛盾：供应商与竞争者的双重身份冲突
闭源模式的深层矛盾，在于模型厂商的双重身份：它们既是全行业的 AI 基础设施供应商，同时也在不断布局下游应用赛道，随时可能成为客户的直接竞争对手。
与传统软件供应商不同，大模型会在与客户的合作中持续吸收行业知识。企业越是深度使用 AI 优化业务流程、打磨产品能力，就越是在帮助模型厂商理解这个行业的核心逻辑；当模型厂商积累了足够多的行业认知后，完全可以凭借底层能力优势，推出同类产品直接参与市场竞争。
这种 “用客户的数据做产品、再反过来抢客户市场” 的可能性，是所有深度依赖闭源模型的企业都必须面对的长期隐患。
四、破局路径：开源与端侧落地 掌握数据自主权
面对这一困局，拒绝使用 AI 并不现实，更可行的方向是提升数据与模型的自主可控性。
开源模型与端侧部署方案的重要性正在日益凸显：相比闭源服务需要将数据上传至厂商服务器，开源模型可以私有化部署，端侧模型直接在本地设备运行，核心数据全程不出域，从技术层面杜绝了数据泄露与被滥用的可能。
这也是业内不看好纯闭源体系 AI 手机前景的核心原因：如果设备上的所有 AI 能力都依赖云端闭源模型，用户的个人数据将持续向厂商集中，隐私风险始终存在。真正安全的 AI 生态，不应该建立在 “相信企业不会滥用数据” 的道德约束上，而应该通过技术架构实现 “厂商根本接触不到核心数据”。
整体而言，闭源大模型在现阶段具备显著的效率优势，但数据依赖带来的长期风险同样不容忽视。随着 AI 向产业深处渗透，数据自主权将成为企业与个人越来越核心的诉求。开源模型能力持续提升、端侧部署不断普及，将会是平衡 AI 效率与数据安全的核心方向，也是 AI 产业长期健康发展的重要基础。
