<p>观点 你可以随意从一个前沿 AI 模型跳到另一个模型的日子已经一去不复返，因为供应商锁定开始显现，价格也在上涨。</p>
<p>曾几何时，比如上个月，人们毫不在意地从一个 AI 前沿模型跳到另一个模型。一个星期，最热门的 AI 模型是 Gemini 3.1 Pro，接着是 Claude 4.6，现在，可能是 GPT-5.5。下个月呢？谁知道呢。这对乔·业余程序员来说没问题，但对珍妮特·专业程序员来说，情况就不同了。</p>
<p>你看，企业 AI 购买者面临两个交汇的问题。首先，切换 AI 供应商比人们预期的要困难得多。同时，AI 供应商正在推行价格上涨，这正在重塑软件经济。我们早就知道这会发生。多年来，AI 价格一直是亏损引导者，而账单终于要来了。</p>
<p>最近，AI 编排平台提供商 Zapier 对 542 位与活跃 AI 供应商签订合同的美国高管进行的调查发现，近 90% 的人认为他们可以在四周内切换 AI 供应商，41% 的人表示他们可以在仅仅 2-5 个工作日内完成。现在谁在幻想呢？</p>
<p>我一直认为，在公司高层对 AI 的空洞承诺背后，大多数高管对 AI 是什么以及如何部署它完全无知。这种妄想的思维就是证明。</p>
<p>根据 Zapier 的报告，只有 42% 的尝试在 AI 平台之间迁移的组织报告称过程顺利。剩下的 58% 呢？他们表示这个过程要么完全失败，要么需要比预期更多的努力。真的，谁会想到呢？</p>
<p>问题源于早期采用者低估的所有技术依赖层。AI 实施需要特定供应商的 API、专有的训练数据、模型部署的自定义工具，以及与现有工作流程的深度集成，而这些在供应商之间并不能顺利转移。</p>
<p>根据 Zapier 的说法：&#34;问题在于，当 AI 已经融入内部流程、连接到其他系统并调整到特定工作流程时，它有依赖性、边缘案例和没有人记录的小调整，因为它们被认为是 ‘临时的’。&#34;</p>
<p>不仅仅是软件让迁移变得更加困难。正如 AI 顾问哈伦·乔德里指出的：&#34;切换模型供应商不再只是 API 迁移。这涉及上下文、工作流程和机构记忆。&#34; 将这些从一个供应商的平台迁移到另一个并不容易，如果你对这三个领域的锁定情况没有把握，那就更糟了。你猜怎么着？乔德里观察到，&#34;我交谈的大多数运营商都没有绘制出它们的任何一项。&#34;</p>
<p>我并不感到惊讶。这再次证明了你的 C 级高管对将资源迅速投入 AI 的做法毫无头绪。</p>
<p>我与一些人交谈时，他们似乎认为，由于 AI 成本如此低，即使从一个模型迁移到另一个模型的费用很高，他们也能承担得起，因为模型本身是如此便宜。</p>
<p>然而，那些亏损严重的 AI 供应商终于全面提高了价格。例如，OpenAI 将其旗舰 GPT-5.2 模型的开发者使用成本从之前的 GPT-5.1 的每个输入令牌 1.25 美元提高到 5.75 美元。哎呀！</p>
<p>不仅仅是 OpenAI。Anthropic 确认其 Claude 企业版在 2026 年 4 月 15 日的事实上的价格上涨，当时它从固定定价转向动态使用基础模型。专家认为这可能会使重度用户的成本翻倍或三倍。</p>
<p>你不必是一个硬核 AI 开发者就能看到这一点。例如，当我写这篇文章时，你无法再获得新的 GitHub Copilot 订阅。GitHub 还限制了你从其个人订阅计划中获得的计算能力，同时完全取消了对 Opus 模型的访问。我希望你没有打算围绕 GitHub Copilot 启动你的业务。</p>
<p>这不仅仅是纯 AI 程序会看到这种情况。AI 成本也在推高 Microsoft 365 等程序的价格。</p>
<ul>
<li>AI 错误报告一夜之间从垃圾变成了合法，Linux 内核大佬说</li>
<li>监护国家发现 Linux，要求在启动前检查孩子的身份证</li>
<li>Project Glasswing 和开源软件：好、坏和丑</li>
<li>好吧，Anthropic 的 AI 构建了一个 C 编译器。这并没有让我印象深刻</li>
<li>开源开发者考虑让用户为每次下载付费</li>
</ul>
<p>每个人都会这样做。仍然会有一些甜头固定价格层，但你在其中获得的计算能力会更少。不管你喜欢与否，我们正朝着基于令牌的定价结构和固定价格层的终结迈进。</p>
<p>正如 OpenAI 高管尼克·特尔利最近所说，&#34;没有一个世界是定价不会显著演变的。&#34;你觉得呢？至于那些无限量计划？忘了它们吧。它们已经成为历史。</p>
<p>这些价格变化反映了基础设施的基本现实。如果你没有注意到，内存芯片的价格正在与黄金竞争。所有那些千兆瓦的 AI 数据中心也不会自我支付。</p>
<p>正如 Datos Insights 首席执行官兼联合创始人埃利·古德曼去年对 Reworked 说的：&#34;最常见的神话是 AI 像常规软件一样工作。这不是真的；每个查询都有实际成本。当你使用更多时，供应商的账单就会上升。&#34;</p>
<p>AI 不像软件即服务（SaaS），其成本随着规模的扩大而缩小。我们谈论 AI 训练的成本，但你每次发出的查询和启动的代理都需要消耗推理令牌。简而言之，在其新的定价结构下，你使用 AI 越多，成本就越高。</p>
<p>思科首席工程师兼产品架构师尼克·凯尔补充道：&#34;微软的涨价不是暂时的波动——它们是 AI 时代新价格基线的开始。GPU 能力、推理扩展和大型模型工作负载的能源需求上升已成为结构性、重复性的成本。供应商再也无法吸收这些成本。&#34;</p>
<p>你能吗？好吧，你将会发现。</p>
<p>但是，等等，还有更多！假设你在自己的硬件上运行 Meta Llama。那你就安全了，对吧？对吧？错。首先，Llama 从来就不是完全开源的。因此，当 Meta 决定将其转变为放弃维护的软件，以支持其专有的 Muse Spark 时，你就会陷入困境。</p>
<p>“问题不在于人工智能是否有用，” Zapier 报告指出。“当你依赖的人工智能消失、价格飙升，或者被一家将其拆解的私募股权公司收购时，会发生什么？”</p>
<p>这是个非常好的问题，不是吗？你有答案吗？你最好开始着手准备一个。你在人工智能上投资越多，你几乎肯定就越被锁定在特定的供应商中，我敢保证他们的价格会涨到市场所能承受的一切，甚至更多。®</p>

ARTY

AIYY

纳斯达克人工智慧与机器人 ETF - First Trust

北美科技软件股指数 ETF - iShares

IGPT

Global X未来分析技术ETF

全球人工智能 ETF - Robo Global

标普软件与服务 ETF - SPDR

<p>这篇文章讨论了人工智能行业中供应商锁定问题日益严重的挑战，因为公司发现由于技术依赖和成本上升，切换 AI 模型变得越来越困难。Zapier 的一项调查显示，尽管许多高管认为他们可以轻松更换供应商，但只有 42% 的组织报告了迁移过程顺利。AI 提供商正在大幅提高价格，OpenAI 的 GPT-5.2 模型的价格从每个 token 1.25 美元上涨至 5.75 美元。向基于 token 的定价结构的转变预计将重塑软件经济，影响各种 AI 应用</p>

<p>Opinion The days when you could jump from one frontier AI model to another at the drop of a hat are going away as vendor lock-in starts to kick in, and prices increase.</p>
<div class="lb-trans"><p>观点 你可以随意从一个前沿 AI 模型跳到另一个模型的日子已经一去不复返，因为供应商锁定开始显现，价格也在上涨。</p>
</div><p>Once upon a time, say last month, people thought nothing of jumping from one AI frontier model to another. One week, the hottest AI model was Gemini 3.1 Pro, then it was Claude 4.6, now, maybe, it's GPT-5.5. Next month? Who knows. That's fine for Joe Amateur Programmer, but for Janet Pro Programmer, it's another story.</p>
<div class="lb-trans"><p>曾几何时，比如上个月，人们毫不在意地从一个 AI 前沿模型跳到另一个模型。一个星期，最热门的 AI 模型是 Gemini 3.1 Pro，接着是 Claude 4.6，现在，可能是 GPT-5.5。下个月呢？谁知道呢。这对乔·业余程序员来说没问题，但对珍妮特·专业程序员来说，情况就不同了。</p>
</div><p>You see, enterprise AI buyers face two converging problems. First, it's proving much harder to switch between AI vendors than people expected. At the same time, AI vendors are pushing through price increases that are reshaping software economics. We always knew this would happen. AI prices have been loss leaders for years now, and the bills are finally coming due.</p>
<div class="lb-trans"><p>你看，企业 AI 购买者面临两个交汇的问题。首先，切换 AI 供应商比人们预期的要困难得多。同时，AI 供应商正在推行价格上涨，这正在重塑软件经济。我们早就知道这会发生。多年来，AI 价格一直是亏损引导者，而账单终于要来了。</p>
</div><p>A recent survey by AI orchestration platform provider Zapier of 542 US executives with active AI vendor contracts, found that nearly 90 percent believed they could switch AI vendors within four weeks, and 41 percent said they could do it in just 2–5 business days. Now who's hallucinating?</p>
<div class="lb-trans"><p>最近，AI 编排平台提供商 Zapier 对 542 位与活跃 AI 供应商签订合同的美国高管进行的调查发现，近 90% 的人认为他们可以在四周内切换 AI 供应商，41% 的人表示他们可以在仅仅 2-5 个工作日内完成。现在谁在幻想呢？</p>
</div><p>I've long thought that behind all the lip service company brass gives AI, most senior executives are completely clueless about what AI is and how to deploy it. This kind of delusional thinking is proof.</p>
<div class="lb-trans"><p>我一直认为，在公司高层对 AI 的空洞承诺背后，大多数高管对 AI 是什么以及如何部署它完全无知。这种妄想的思维就是证明。</p>
</div><p>According to Zapier's report, only 42 percent of organizations that attempted to migrate between AI platforms report that it went smoothly. The remaining 58 percent? They say the process either failed outright or required significantly more effort than expected. Really. Who'd have thought it?</p>
<div class="lb-trans"><p>根据 Zapier 的报告，只有 42% 的尝试在 AI 平台之间迁移的组织报告称过程顺利。剩下的 58% 呢？他们表示这个过程要么完全失败，要么需要比预期更多的努力。真的，谁会想到呢？</p>
</div><p>The trouble stems from all the layers of technical dependency that early adopters underestimated. AI implementations require vendor-specific APIs, proprietary training data, custom tooling for model deployment, and deep integrations into existing workflows, none of which transfer cleanly between providers.</p>
<div class="lb-trans"><p>问题源于早期采用者低估的所有技术依赖层。AI 实施需要特定供应商的 API、专有的训练数据、模型部署的自定义工具，以及与现有工作流程的深度集成，而这些在供应商之间并不能顺利转移。</p>
</div><p>According to Zapier: &#34;The problem is that when AI is already woven into internal processes, connected to other systems, and tuned to specific workflows, it has dependencies, edge cases, and little adaptations that nobody documented because they were 'temporary.'&#34;</p>
<div class="lb-trans"><p>根据 Zapier 的说法：&#34;问题在于，当 AI 已经融入内部流程、连接到其他系统并调整到特定工作流程时，它有依赖性、边缘案例和没有人记录的小调整，因为它们被认为是 ‘临时的’。&#34;</p>
</div><p>It's not just the software which is making it harder to move. As AI consultant Haroon Choudery pointed out: &#34;Switching model vendors is no longer just an API migration. It is context, workflows, and institutional memory.&#34; Moving any of that from one vendor's platform to another isn't easy, and it's even worse if you don't have a handle on what you've got locked into those three areas. Guess what? Choudery observed, &#34;Most operators I talk to haven't mapped any of them.&#34;</p>
<div class="lb-trans"><p>不仅仅是软件让迁移变得更加困难。正如 AI 顾问哈伦·乔德里指出的：&#34;切换模型供应商不再只是 API 迁移。这涉及上下文、工作流程和机构记忆。&#34; 将这些从一个供应商的平台迁移到另一个并不容易，如果你对这三个领域的锁定情况没有把握，那就更糟了。你猜怎么着？乔德里观察到，&#34;我交谈的大多数运营商都没有绘制出它们的任何一项。&#34;</p>
</div><p>I'm not surprised. This is yet more proof that your C-level executives don't have a clue about what they're doing by pouring their resources into AI as fast as they can.</p>
<div class="lb-trans"><p>我并不感到惊讶。这再次证明了你的 C 级高管对将资源迅速投入 AI 的做法毫无头绪。</p>
</div><p>Some people I've spoken to seem to think that, because AI costs so little, even if moving from one to another is expensive, they can to afford it because the models themselves are so cheap.</p>
<div class="lb-trans"><p>我与一些人交谈时，他们似乎认为，由于 AI 成本如此低，即使从一个模型迁移到另一个模型的费用很高，他们也能承担得起，因为模型本身是如此便宜。</p>
</div><p>Yet AI providers which are losing money hand over fist are finally raising prices across the board. For example, OpenAI increased the cost for developers using its flagship GPT-5.2 model from $1.25 per input token in the previous GPT-5.1 to $5.75. Ouch!</p>
<div class="lb-trans"><p>然而，那些亏损严重的 AI 供应商终于全面提高了价格。例如，OpenAI 将其旗舰 GPT-5.2 模型的开发者使用成本从之前的 GPT-5.1 的每个输入令牌 1.25 美元提高到 5.75 美元。哎呀！</p>
</div><p>It's not just OpenAI. Anthropic confirmed a de facto price increase for its Claude enterprise edition on April 15, 2026, when it moved from fixed pricing to a dynamic usage-based model. Experts think this could double or triple costs for heavy-duty users.</p>
<div class="lb-trans"><p>不仅仅是 OpenAI。Anthropic 确认其 Claude 企业版在 2026 年 4 月 15 日的事实上的价格上涨，当时它从固定定价转向动态使用基础模型。专家认为这可能会使重度用户的成本翻倍或三倍。</p>
</div><p>You don't have to be a hardcore AI developer to see this. For example, when I wrote this, you could no longer get a new GitHub Copilot subscription. GitHub is also restricting the compute you'll get from its individual subscription plans, while dropping access to Opus models entirely. I do hope you weren't planning on launching your business around GitHub Copilot.</p>
<div class="lb-trans"><p>你不必是一个硬核 AI 开发者就能看到这一点。例如，当我写这篇文章时，你无法再获得新的 GitHub Copilot 订阅。GitHub 还限制了你从其个人订阅计划中获得的计算能力，同时完全取消了对 Opus 模型的访问。我希望你没有打算围绕 GitHub Copilot 启动你的业务。</p>
</div><p>It's not just pure AI programs where you'll see this. AI costs are also pushing up prices for programs such as Microsoft 365.</p>
<div class="lb-trans"><p>这不仅仅是纯 AI 程序会看到这种情况。AI 成本也在推高 Microsoft 365 等程序的价格。</p>
</div><ul>
<li>AI bug reports went from junk to legit overnight, says Linux kernel czar</li>
<li>Nanny state discovers Linux, demands it check kids' IDs before booting</li>
<li>Project Glasswing and open source software: The good, the bad, and the ugly</li>
<li>OK, so Anthropic's AI built a C compiler. That don't impress me much</li>
<li>Open source devs consider making hogs pay for every download</li>
</ul>
<div class="lb-trans"><ul>
<li>AI 错误报告一夜之间从垃圾变成了合法，Linux 内核大佬说</li>
<li>监护国家发现 Linux，要求在启动前检查孩子的身份证</li>
<li>Project Glasswing 和开源软件：好、坏和丑</li>
<li>好吧，Anthropic 的 AI 构建了一个 C 编译器。这并没有让我印象深刻</li>
<li>开源开发者考虑让用户为每次下载付费</li>
</ul>
</div><p>Everyone is gonig to do this. There will still be sweetener fixed-price tiers, but you'll get less compute power in them. Like it or lump it, we're heading to a token-based pricing structure and the end of fixed-price tiers.</p>
<div class="lb-trans"><p>每个人都会这样做。仍然会有一些甜头固定价格层，但你在其中获得的计算能力会更少。不管你喜欢与否，我们正朝着基于令牌的定价结构和固定价格层的终结迈进。</p>
</div><p>As Nick Turley, an OpenAI executive, said recently, &#34;There's no world in which pricing doesn't significantly evolve.&#34; You think? As for those all-you-can-eat plans? Forget about them. They're history.</p>
<div class="lb-trans"><p>正如 OpenAI 高管尼克·特尔利最近所说，&#34;没有一个世界是定价不会显著演变的。&#34;你觉得呢？至于那些无限量计划？忘了它们吧。它们已经成为历史。</p>
</div><p>These pricing changes reflect fundamental realities of infrastructure. Memory chip prices, in case you haven't noticed, are giving gold a run for its money. All those gigawatt AI data centers aren't going to pay for themselves either.</p>
<div class="lb-trans"><p>这些价格变化反映了基础设施的基本现实。如果你没有注意到，内存芯片的价格正在与黄金竞争。所有那些千兆瓦的 AI 数据中心也不会自我支付。</p>
</div><p>As Datos Insights CEO and co-founder Eli Goodman told Reworked last year: &#34;The most common myth is that AI works like regular software. That's not true; every query has a real cost. The provider's bill goes up when you use more.&#34;</p>
<div class="lb-trans"><p>正如 Datos Insights 首席执行官兼联合创始人埃利·古德曼去年对 Reworked 说的：&#34;最常见的神话是 AI 像常规软件一样工作。这不是真的；每个查询都有实际成本。当你使用更多时，供应商的账单就会上升。&#34;</p>
</div><p>AI is not like Software-as-a-Service (SaaS), where costs shrink with scale. We talk about how much AI training costs, but every query you make and agent you launch costs you inference tokens. In short, the more you use AI, under its new pricing structure, the more it's going to cost you.</p>
<div class="lb-trans"><p>AI 不像软件即服务（SaaS），其成本随着规模的扩大而缩小。我们谈论 AI 训练的成本，但你每次发出的查询和启动的代理都需要消耗推理令牌。简而言之，在其新的定价结构下，你使用 AI 越多，成本就越高。</p>
</div><p>Nik Kale, Cisco principal engineer and product architect, added: &#34;Microsoft's increases aren't a temporary spike — they're the beginning of a new price baseline for the AI era. GPU capacity, inference scaling, and the rising energy demands of large-model workloads have become structural, recurring costs. Vendors can't absorb them anymore.&#34;</p>
<div class="lb-trans"><p>思科首席工程师兼产品架构师尼克·凯尔补充道：&#34;微软的涨价不是暂时的波动——它们是 AI 时代新价格基线的开始。GPU 能力、推理扩展和大型模型工作负载的能源需求上升已成为结构性、重复性的成本。供应商再也无法吸收这些成本。&#34;</p>
</div><p>Can you? Well, you're going to find out.</p>
<div class="lb-trans"><p>你能吗？好吧，你将会发现。</p>
</div><p>But, wait, there's more! Say you're running Meta Llama on your own hardware. You're safe then, right? Right? Wrong. First, Llama was never, ever really open source. So, when Meta decided to turn it into abandonware in favor of its proprietary Muse Spark, you're left in the lurch.</p>
<div class="lb-trans"><p>但是，等等，还有更多！假设你在自己的硬件上运行 Meta Llama。那你就安全了，对吧？对吧？错。首先，Llama 从来就不是完全开源的。因此，当 Meta 决定将其转变为放弃维护的软件，以支持其专有的 Muse Spark 时，你就会陷入困境。</p>
</div><p>&#34;The question isn't whether AI is useful,&#34; the Zapier report noted. &#34;What happens when the AI you depend on disappears, spikes its prices, or gets acquired by a private equity firm that's going to strip it for parts?&#34;</p>
<div class="lb-trans"><p>“问题不在于人工智能是否有用，” Zapier 报告指出。“当你依赖的人工智能消失、价格飙升，或者被一家将其拆解的私募股权公司收购时，会发生什么？”</p>
</div><p>That's a darn good question, isn't it? Do you have an answer? You'd better start working on one. The more you've already invested in AI, the more you're almost certainly locked into specific vendors, and I guarantee you their prices are going to increase to everything the market can bear and then some more. ®</p>
<div class="lb-trans"><p>这是个非常好的问题，不是吗？你有答案吗？你最好开始着手准备一个。你在人工智能上投资越多，你几乎肯定就越被锁定在特定的供应商中，我敢保证他们的价格会涨到市场所能承受的一切，甚至更多。®</p>
</div>

Locked, stocked, and losing budget: AI vendor lock-in bites back

- 随着供应商锁定加剧，AI 模型间的切换变得更困难。  
- 调查显示，只有 42% 的组织能顺利迁移 AI 平台，58% 面临失败或额外努力。  
- AI 提供商纷纷涨价，成本将显著增加，传统固定价模式或将消失。

锁定、储备和预算损失：AI 供应商锁定的反噬效应