<p>觀點 你可以隨意從一個前沿 AI 模型跳到另一個模型的日子已經一去不復返，因為供應商鎖定開始顯現，價格也在上漲。</p>
<p>曾幾何時，比如上個月，人們毫不在意地從一個 AI 前沿模型跳到另一個模型。一個星期，最熱門的 AI 模型是 Gemini 3.1 Pro，接着是 Claude 4.6，現在，可能是 GPT-5.5。下個月呢？誰知道呢。這對喬·業餘程序員來説沒問題，但對珍妮特·專業程序員來説，情況就不同了。</p>
<p>你看，企業 AI 購買者面臨兩個交匯的問題。首先，切換 AI 供應商比人們預期的要困難得多。同時，AI 供應商正在推行價格上漲，這正在重塑軟件經濟。我們早就知道這會發生。多年來，AI 價格一直是虧損引導者，而賬單終於要來了。</p>
<p>最近，AI 編排平台提供商 Zapier 對 542 位與活躍 AI 供應商簽訂合同的美國高管進行的調查發現，近 90% 的人認為他們可以在四周內切換 AI 供應商，41% 的人表示他們可以在僅僅 2-5 個工作日內完成。現在誰在幻想呢？</p>
<p>我一直認為，在公司高層對 AI 的空洞承諾背後，大多數高管對 AI 是什麼以及如何部署它完全無知。這種妄想的思維就是證明。</p>
<p>根據 Zapier 的報告，只有 42% 的嘗試在 AI 平台之間遷移的組織報告稱過程順利。剩下的 58% 呢？他們表示這個過程要麼完全失敗，要麼需要比預期更多的努力。真的，誰會想到呢？</p>
<p>問題源於早期採用者低估的所有技術依賴層。AI 實施需要特定供應商的 API、專有的訓練數據、模型部署的自定義工具，以及與現有工作流程的深度集成，而這些在供應商之間並不能順利轉移。</p>
<p>根據 Zapier 的説法：&#34;問題在於，當 AI 已經融入內部流程、連接到其他系統並調整到特定工作流程時，它有依賴性、邊緣案例和沒有人記錄的小調整，因為它們被認為是 ‘臨時的’。&#34;</p>
<p>不僅僅是軟件讓遷移變得更加困難。正如 AI 顧問哈倫·喬德里指出的：&#34;切換模型供應商不再只是 API 遷移。這涉及上下文、工作流程和機構記憶。&#34; 將這些從一個供應商的平台遷移到另一個並不容易，如果你對這三個領域的鎖定情況沒有把握，那就更糟了。你猜怎麼着？喬德里觀察到，&#34;我交談的大多數運營商都沒有繪製出它們的任何一項。&#34;</p>
<p>我並不感到驚訝。這再次證明了你的 C 級高管對將資源迅速投入 AI 的做法毫無頭緒。</p>
<p>我與一些人交談時，他們似乎認為，由於 AI 成本如此低，即使從一個模型遷移到另一個模型的費用很高，他們也能承擔得起，因為模型本身是如此便宜。</p>
<p>然而，那些虧損嚴重的 AI 供應商終於全面提高了價格。例如，OpenAI 將其旗艦 GPT-5.2 模型的開發者使用成本從之前的 GPT-5.1 的每個輸入令牌 1.25 美元提高到 5.75 美元。哎呀！</p>
<p>不僅僅是 OpenAI。Anthropic 確認其 Claude 企業版在 2026 年 4 月 15 日的事實上的價格上漲，當時它從固定定價轉向動態使用基礎模型。專家認為這可能會使重度用户的成本翻倍或三倍。</p>
<p>你不必是一個硬核 AI 開發者就能看到這一點。例如，當我寫這篇文章時，你無法再獲得新的 GitHub Copilot 訂閲。GitHub 還限制了你從其個人訂閲計劃中獲得的計算能力，同時完全取消了對 Opus 模型的訪問。我希望你沒有打算圍繞 GitHub Copilot 啓動你的業務。</p>
<p>這不僅僅是純 AI 程序會看到這種情況。AI 成本也在推高 Microsoft 365 等程序的價格。</p>
<ul>
<li>AI 錯誤報告一夜之間從垃圾變成了合法，Linux 內核大佬説</li>
<li>監護國家發現 Linux，要求在啓動前檢查孩子的身份證</li>
<li>Project Glasswing 和開源軟件：好、壞和醜</li>
<li>好吧，Anthropic 的 AI 構建了一個 C 編譯器。這並沒有讓我印象深刻</li>
<li>開源開發者考慮讓用户為每次下載付費</li>
</ul>
<p>每個人都會這樣做。仍然會有一些甜頭固定價格層，但你在其中獲得的計算能力會更少。不管你喜歡與否，我們正朝着基於令牌的定價結構和固定價格層的終結邁進。</p>
<p>正如 OpenAI 高管尼克·特爾利最近所説，&#34;沒有一個世界是定價不會顯著演變的。&#34;你覺得呢？至於那些無限量計劃？忘了它們吧。它們已經成為歷史。</p>
<p>這些價格變化反映了基礎設施的基本現實。如果你沒有注意到，內存芯片的價格正在與黃金競爭。所有那些千兆瓦的 AI 數據中心也不會自我支付。</p>
<p>正如 Datos Insights 首席執行官兼聯合創始人埃利·古德曼去年對 Reworked 説的：&#34;最常見的神話是 AI 像常規軟件一樣工作。這不是真的；每個查詢都有實際成本。當你使用更多時，供應商的賬單就會上升。&#34;</p>
<p>AI 不像軟件即服務（SaaS），其成本隨着規模的擴大而縮小。我們談論 AI 訓練的成本，但你每次發出的查詢和啓動的代理都需要消耗推理令牌。簡而言之，在其新的定價結構下，你使用 AI 越多，成本就越高。</p>
<p>思科首席工程師兼產品架構師尼克·凱爾補充道：&#34;微軟的漲價不是暫時的波動——它們是 AI 時代新價格基線的開始。GPU 能力、推理擴展和大型模型工作負載的能源需求上升已成為結構性、重複性的成本。供應商再也無法吸收這些成本。&#34;</p>
<p>你能嗎？好吧，你將會發現。</p>
<p>但是，等等，還有更多！假設你在自己的硬件上運行 Meta Llama。那你就安全了，對吧？對吧？錯。首先，Llama 從來就不是完全開源的。因此，當 Meta 決定將其轉變為放棄維護的軟件，以支持其專有的 Muse Spark 時，你就會陷入困境。</p>
<p>“問題不在於人工智能是否有用，” Zapier 報告指出。“當你依賴的人工智能消失、價格飆升，或者被一家將其拆解的私募股權公司收購時，會發生什麼？”</p>
<p>這是個非常好的問題，不是嗎？你有答案嗎？你最好開始着手準備一個。你在人工智能上投資越多，你幾乎肯定就越被鎖定在特定的供應商中，我敢保證他們的價格會漲到市場所能承受的一切，甚至更多。®</p>

ARTY

AIYY

納斯達克人工智慧與機器人 ETF - First Trust

北美科技軟件股指數 ETF - iShares

IGPT

Global X未來分析技術ETF

全球人工智能 ETF - Robo Global

標普軟件與服務 ETF - SPDR

<p>這篇文章討論了人工智能行業中供應商鎖定問題日益嚴重的挑戰，因為公司發現由於技術依賴和成本上升，切換 AI 模型變得越來越困難。Zapier 的一項調查顯示，儘管許多高管認為他們可以輕鬆更換供應商，但只有 42% 的組織報告了遷移過程順利。AI 提供商正在大幅提高價格，OpenAI 的 GPT-5.2 模型的價格從每個 token 1.25 美元上漲至 5.75 美元。向基於 token 的定價結構的轉變預計將重塑軟件經濟，影響各種 AI 應用</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>觀點 你可以隨意從一個前沿 AI 模型跳到另一個模型的日子已經一去不復返，因為供應商鎖定開始顯現，價格也在上漲。</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>曾幾何時，比如上個月，人們毫不在意地從一個 AI 前沿模型跳到另一個模型。一個星期，最熱門的 AI 模型是 Gemini 3.1 Pro，接着是 Claude 4.6，現在，可能是 GPT-5.5。下個月呢？誰知道呢。這對喬·業餘程序員來説沒問題，但對珍妮特·專業程序員來説，情況就不同了。</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，企業 AI 購買者面臨兩個交匯的問題。首先，切換 AI 供應商比人們預期的要困難得多。同時，AI 供應商正在推行價格上漲，這正在重塑軟件經濟。我們早就知道這會發生。多年來，AI 價格一直是虧損引導者，而賬單終於要來了。</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 編排平台提供商 Zapier 對 542 位與活躍 AI 供應商簽訂合同的美國高管進行的調查發現，近 90% 的人認為他們可以在四周內切換 AI 供應商，41% 的人表示他們可以在僅僅 2-5 個工作日內完成。現在誰在幻想呢？</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>我一直認為，在公司高層對 AI 的空洞承諾背後，大多數高管對 AI 是什麼以及如何部署它完全無知。這種妄想的思維就是證明。</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>根據 Zapier 的報告，只有 42% 的嘗試在 AI 平台之間遷移的組織報告稱過程順利。剩下的 58% 呢？他們表示這個過程要麼完全失敗，要麼需要比預期更多的努力。真的，誰會想到呢？</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>問題源於早期採用者低估的所有技術依賴層。AI 實施需要特定供應商的 API、專有的訓練數據、模型部署的自定義工具，以及與現有工作流程的深度集成，而這些在供應商之間並不能順利轉移。</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>根據 Zapier 的説法：&#34;問題在於，當 AI 已經融入內部流程、連接到其他系統並調整到特定工作流程時，它有依賴性、邊緣案例和沒有人記錄的小調整，因為它們被認為是 ‘臨時的’。&#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>不僅僅是軟件讓遷移變得更加困難。正如 AI 顧問哈倫·喬德里指出的：&#34;切換模型供應商不再只是 API 遷移。這涉及上下文、工作流程和機構記憶。&#34; 將這些從一個供應商的平台遷移到另一個並不容易，如果你對這三個領域的鎖定情況沒有把握，那就更糟了。你猜怎麼着？喬德里觀察到，&#34;我交談的大多數運營商都沒有繪製出它們的任何一項。&#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>我並不感到驚訝。這再次證明了你的 C 級高管對將資源迅速投入 AI 的做法毫無頭緒。</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>我與一些人交談時，他們似乎認為，由於 AI 成本如此低，即使從一個模型遷移到另一個模型的費用很高，他們也能承擔得起，因為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，那些虧損嚴重的 AI 供應商終於全面提高了價格。例如，OpenAI 將其旗艦 GPT-5.2 模型的開發者使用成本從之前的 GPT-5.1 的每個輸入令牌 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>不僅僅是 OpenAI。Anthropic 確認其 Claude 企業版在 2026 年 4 月 15 日的事實上的價格上漲，當時它從固定定價轉向動態使用基礎模型。專家認為這可能會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>你不必是一個硬核 AI 開發者就能看到這一點。例如，當我寫這篇文章時，你無法再獲得新的 GitHub Copilot 訂閲。GitHub 還限制了你從其個人訂閲計劃中獲得的計算能力，同時完全取消了對 Opus 模型的訪問。我希望你沒有打算圍繞 GitHub Copilot 啓動你的業務。</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>這不僅僅是純 AI 程序會看到這種情況。AI 成本也在推高 Microsoft 365 等程序的價格。</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 錯誤報告一夜之間從垃圾變成了合法，Linux 內核大佬説</li>
<li>監護國家發現 Linux，要求在啓動前檢查孩子的身份證</li>
<li>Project Glasswing 和開源軟件：好、壞和醜</li>
<li>好吧，Anthropic 的 AI 構建了一個 C 編譯器。這並沒有讓我印象深刻</li>
<li>開源開發者考慮讓用户為每次下載付費</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>每個人都會這樣做。仍然會有一些甜頭固定價格層，但你在其中獲得的計算能力會更少。不管你喜歡與否，我們正朝着基於令牌的定價結構和固定價格層的終結邁進。</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·特爾利最近所説，&#34;沒有一個世界是定價不會顯著演變的。&#34;你覺得呢？至於那些無限量計劃？忘了它們吧。它們已經成為歷史。</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>這些價格變化反映了基礎設施的基本現實。如果你沒有注意到，內存芯片的價格正在與黃金競爭。所有那些千兆瓦的 AI 數據中心也不會自我支付。</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 首席執行官兼聯合創始人埃利·古德曼去年對 Reworked 説的：&#34;最常見的神話是 AI 像常規軟件一樣工作。這不是真的；每個查詢都有實際成本。當你使用更多時，供應商的賬單就會上升。&#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 不像軟件即服務（SaaS），其成本隨着規模的擴大而縮小。我們談論 AI 訓練的成本，但你每次發出的查詢和啓動的代理都需要消耗推理令牌。簡而言之，在其新的定價結構下，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>思科首席工程師兼產品架構師尼克·凱爾補充道：&#34;微軟的漲價不是暫時的波動——它們是 AI 時代新價格基線的開始。GPU 能力、推理擴展和大型模型工作負載的能源需求上升已成為結構性、重複性的成本。供應商再也無法吸收這些成本。&#34;</p>
</div><p>Can you? Well, you're going to find out.</p>
<div class="lb-trans"><p>你能嗎？好吧，你將會發現。</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，還有更多！假設你在自己的硬件上運行 Meta Llama。那你就安全了，對吧？對吧？錯。首先，Llama 從來就不是完全開源的。因此，當 Meta 決定將其轉變為放棄維護的軟件，以支持其專有的 Muse Spark 時，你就會陷入困境。</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>“問題不在於人工智能是否有用，” Zapier 報告指出。“當你依賴的人工智能消失、價格飆升，或者被一家將其拆解的私募股權公司收購時，會發生什麼？”</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>這是個非常好的問題，不是嗎？你有答案嗎？你最好開始着手準備一個。你在人工智能上投資越多，你幾乎肯定就越被鎖定在特定的供應商中，我敢保證他們的價格會漲到市場所能承受的一切，甚至更多。®</p>
</div>

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

- 隨着供應商鎖定加劇，AI 模型間的切換變得更困難。  
- 調查顯示，只有 42% 的組織能順利遷移 AI 平台，58% 面臨失敗或額外努力。  
- AI 提供商紛紛漲價，成本將顯著增加，傳統固定價模式或將消失。

鎖定、儲備和預算損失：AI 供應商鎖定的反噬效應