人工智能的技术创新之日新月异毋庸讳言，然而在整个AI产业链里，当前的利益分配极度失衡，参见《埃森哲暴跌和黄仁勋蛋糕 ｜ 疯狂的AI经济》，眼前利润都去了芯片和数据中心厂商，资本估值都去了大模型公司（以及一大堆“伪大模型公司”），而那些真正贴近企业提供服务的SaaS 厂商（例如金蝶）和系统集成商（例如埃森哲），尽管财务状况都很健康，却在资本挤出效应下股价重挫。

实际上，大模型厂商（Anthropic、OpenAI、微软等）已经意识到了AI企业服务行业的潜在危机，所以最近半年以来，纷纷通过成立子公司、收购以及与资本合作等方式，放弃了传统只卖API 的方式，进入到“卖人头”的重服务模式，组建数千人的客户现场服务咨询顾问和FDE（Forward Deployed Engineer，前线部署工程师）团队。

我认为当前企业级AI（Enterprise AI）市场的底层商业逻辑还没理顺，AI 的实际商业价值创造并未被验证，当前大模型公司在社会上操纵主导企业AI转型的话语权，与前几年云平台公司的主导企业“数字化转型”的话语权，在本质上是一样：都是厂商驱动（Vendor-driven）的技术叙事，其底层的商业模式都是“资源消耗型”（Resource Consumption），而非“价值创造型”（Value Creation）。

前几天Palantir CEO 在媒体上对大模型公司直接发飙，他的愤怒就是表达了这个观点——目前其他企业服务厂商的老板，无论是美国的、还是中国的，都还没敢这么直率。

目前绝大多数AI 大模型公司在企业端的变现，本质上是管道化的算力转售，而非真正的企业业务知识的资产变现，这种“资源消耗型”商业模式和“价值创造型”的比较是：

大模型厂商按Token 计费的本质是IT 成本，而非业务价值。

正如我在《AI手搓ERP是码农的一厢情愿》文中所写，传统的企业级软件（如ERP、CRM）卖的是管理最佳实践和企业控制逻辑，企业买的是对组织行为的规范和价值创造的确定性，而埃森哲这类公司则是价值创造的实现者。

而大模型厂商收入按Token 计费，这与云计算按CPU/内存/带宽计费并没有本质区别。对于企业而言，Token 是一项变动成本，如果AI 带来的业务收益（如每处理一笔订单节省的成本）不能明显高于消耗的Token 成本加算力延迟成本，这个商业闭环在财务上就是不成立的。

现实情况是，很多企业的AI 应用停留在尝鲜或边缘场景（如内部文档搜索、周报润色、会议纪要），这些场景不仅没有切入核心业务流程，反而增加了企业的IT 预算，其价值创造极其模糊。参见：《企业级AI应用不赚钱，都在为芯片、机房和电厂打工，是因为战场找错了》《不要跟人类内卷 ｜ “企业AI”当前行业方向可能是错的》

我最近梳理了一个我认为正确的企业AI转型思路《智能体式企业工作形态 ｜ 智在流程、智在协同、智在环外》

通用大模型厂商大举进入企业咨询、发展FDE 队伍，真正的目的是披着价值共创外衣让企业多消耗Token，本质还是在卖自家的Token，模型厂商的FDE实际上是Token 的售前角色，这就相当于医生卖药，建筑设计师卖瓷砖，在商业伦理的基础上是充满矛盾的，因此这个商业逻辑从长远看是不成立的。

大模型厂商的咨询团队和FDE 试图解决的矛盾是，日新月异的大模型研发进展和企业实际业务场景之间存在着鸿沟，通用大模型缺乏行业上下文，企业要用起来需要付出高昂的工程落地成本。

大模型厂商派出咨询顾问和FDE 深入企业一线，表面上是帮客户找场景和定制化开发，实则是因为厂商比企业更急于找到能疯狂消耗Token 的高能场景，例如自动处理海量订单，通过厂商方的工程人员将模型深度嵌入企业的特定工作流中，锁死迁移成本。

麦肯锡等顶级咨询公司在多年前就说过“数字化转型”失败率超过80%，今天到AI 时代了，他们又说“AI 转型”的失败率超过80%，不成功真正的原因是什么，麦肯锡咨询顾问们心中就没点数？对企业来说，一个成功率只有20% 的事情值得做吗？从理性决策和企业战略的视角来看，其决策逻辑绝不是赌博，而是取决于不做的代价以及成功后的收益不对称性。

前几年，社会上的“数字化转型”以及由此产生的“中台热”，将企业业务变革完全引导到技术叙事上：高并发、微服务弹性、敏捷开发、打破数据孤岛等等，而实际中台落地一片乱象——企业信息系统架构为了微服务而微服务，把原本流畅的系统拆得极其复杂，运维难度增高，导致云用量暴增，维护成本飙升。

实际上，数字化转型就是云厂商为了卖云资源（IaaS/PaaS 消耗）的销售话术，而不是为了企业价值创造本身。

这个商业逻辑，直到今天，还有很多传统企业没有反应过来。

说起企业数字化/AI转型的技术架构，前几年业界在闹“云原生”，最近业界又开始炒“AI 原生”，这也是个平台厂商一厢情愿的忽悠，就是中台的升级版：技术厂商总是倾向于把架构复杂化，因为复杂化是提升底层资源消耗（无论是算力、存储还是流量）的最佳手段。

如果在企业方，技术投资没有价值创造的论证，那么技术厂商商业模式从长期来看是无效的，因为企业客户的忍耐期是有限的。目前企业对AI 的投入很多来自“错失恐惧症”（FOMO, Fear of Missing Out）和创新预算。当这些预算在1-2 年内耗尽、进入审计阶段时，如果AI 厂商不能把商业模式从 “按资源付费” 转变为 “按业务结果付费”，泡沫就会破裂。

基于消耗的工具模式：厂商提供大模型或 AI 助手，按账号或Token 计费。员工用不用、创造了多少价值，厂商不担保。—— 这是目前的现状，本质上是厂商在转嫁风险，企业在买单。

RaaS / 结果付费模式：AI 承接执行一个特定的业务流程（如：自动核赔、自动标书审查），厂商不收Token 费，而是根据“成功处理了多少单”或者“帮企业节省了多少损耗”进行价值分成。

我一直觉得中国的企业软件厂商以及咨询实施厂商对资本和对技术过江龙厂商太谦卑了，无论是十年前的数字化转型时代——被那些云平台厂商给PUA 得自证自己就是中台，还是今天拼命自证自己就是企业AI。当年他们这些企业老板们没有一个人敢站出来说：

你们那个中台有个屁用，你们懂个毛的新零售、新制造、新金融！

这句话当年只有果总公开说了

在企业服务领域里，谁手上有客户，谁能给客户创造价值，谁才是王——客户要的不是技术，是帮他们提升管理、创新业务。模型公司就好好研发模型，客户服务的价值创造，还是得靠埃森哲、SAP、金蝶、用友这些公司——药厂为了卖药，自己组建医生团队，是无效的商业模式。