新芒xAI 7月12日消息，Palantir CEO Alex Karp 近日公开批评前沿 AI 实验室的企业服务定价、token 计费和数据边界问题，把企业客户对模型供应商的成本焦虑与数据主权担忧推向台前。
事实快讯
《华尔街日报》报道称，Karp 近期围绕 OpenAI、Anthropic 等基础模型公司的企业商业模式发起集中批评，认为部分 AI 实验室向企业收取高额费用，却未必交付足够清晰的业务回报。Business Insider 也报道了其对“tokenmaxxing”的批评，即企业用 token 消耗量衡量 AI 进展，可能掩盖真实 ROI、流程改造和数据控制问题。
Palantir 同期推动“AI sovereignty”叙事，主张企业应保留对专有数据、业务逻辑、模型选择和关键决策流程的控制权，而不是把核心工作流完全交给外部基础模型供应商。相关表态带有明显商业竞争背景，但也反映了企业 AI 落地从试用热潮进入预算、合规和数据治理审查阶段。
关键要点
- Karp 的核心批评集中在三点：token 计费是否真实反映价值、企业数据是否被模型供应商过度吸收、基础模型公司是否会向客户所在垂直行业扩张。
- Palantir 的立场并非中立第三方评价，它本身也是企业 AI 和数据平台供应商，因此相关表态既是行业观察，也是商业竞争话术。
- 争议背后是企业 AI 采购重点变化：从“先接入最强模型”转向“证明节省成本、提高效率、可审计、可替换、可控数据流向”。
- OpenAI、Anthropic、Google、Meta 等模型公司正在加速企业产品和 API 商业化，应用层厂商则更强调数据隔离、行业流程和私有化部署能力。
- 如果企业客户继续压低 token 成本、要求更严格的数据边界，AI 模型服务的价格体系、合同条款和部署架构都可能被重新谈判。
影响解读
这场争议说明，企业 AI 的第一轮热潮正在进入验收期。过去一年，许多公司先为生成式 AI 预算、Copilot 订阅和模型 API 试点买单；现在管理层开始追问更具体的问题：AI 是否真的减少人力和流程成本，是否能进入关键系统，调用数据是否会被用于模型训练，供应商更换成本有多高。
对前沿模型公司而言，企业市场是高价值收入来源，但也会带来更复杂的合同、审计和合规要求。客户不再只比较基准测试分数，而会比较数据留存策略、私有部署选项、日志权限、模型可替换性和单位任务成本。对 Palantir、微软、云厂商和行业软件公司而言，谁能把模型能力嵌入业务闭环，并证明数据主权不被削弱，谁就更容易拿到长期企业预算。
新芒xAI评论
新芒xAI认为，Karp 的批评之所以引发共鸣，不是因为 Palantir 站在道德高地，而是因为企业 AI 的账单已经到了需要解释的阶段。token 价格、模型能力和企业价值之间并不存在天然等号，真正的商业价值来自模型、数据、权限、流程和组织决策的组合。
接下来，企业 AI 竞争会从“模型能力竞赛”扩展到“可信交付竞赛”。基础模型公司需要证明自己不会成为客户数据和行业 know-how 的黑箱入口，应用层公司则需要证明自己不是只把模型 API 包装成昂贵中间层。对客户来说，最重要的不是选择哪一家 AI 品牌，而是把数据边界、退出机制、成本核算和人类决策权写进系统设计与合同条款。
