企业采购 AI 服务时的供应商锁定风险

企业采购AI服务时，供应商锁定风险常常被低估。但当OpenAI的企业业务收入已超过消费端后，这个话题就不能再停留在表面了。

公开信息显示，2026年8月中旬，OpenAI向投资者披露企业业务收入已占主导。公司年化收入节奏达到约400亿美元，7月单月环比增约20%，企业客户数量增约32%。回溯2025年末，年化收入仍在200亿美元以上，2026年3月融资后投后估值约8520亿美元时，企业业务已占收入四成以上，并预计年底与消费端大致持平。企业使用研究还显示，截至2026年6月，编码类代理与ChatGPT相关产出的token中，编码代理约占64%。这表明采购方不再只是买个聊天工具，而是深度嵌入到可委派的多步骤任务中——写代码、串流程、嵌进内部系统。

这种结构变化直接放大了锁定风险。首先，议价和续约不再围绕“对话次数”展开，而是绑定任务完成率、延迟、安全合规与集成成本。供应商更有动力推出分层套餐、用量阶梯和承诺消费，让企业难以脱离。基础设施成本高企、增长与亏损并存的背景，也会让“可预期的企业合同”变得更有吸引力，对买方而言往往意味着更清晰的年框、更严的超量计价，以及对强推理、代理编排等能力单独标价的倾向。

其次，模型选择不能再停留在主观体验。企业用量已明显偏向编码代理和多步骤任务，评估就该放到真实链路里：统计同一任务链路下的成功率、人工接管频率、上下文与工具调用开销，以及失败时的审计轨迹。否则token结构会迅速把成本曲线拉陡。合作生态也进一步放大这一效应。微软2026财年与OpenAI商业安排相关的收入约241亿美元，云业务积压订单中与之关联的比例很高。直接买OpenAI和经云厂商与套件落地，往往是同一供应链上的不同入口，锁定风险、折扣路径和交付界面会互相牵制。

企业收入过半，供应商更有条件要求更长的承诺期和更深的产品嵌入。买方若缺少退出与数据可携条款，切换成本会在续约年集中暴露。建议采购时，用“工作流单位成本”代替名义单价做账。把候选方案放到真实链路里统计端到端耗时、人工复核比例和一次通过率，再把安全审查、日志留存、专线连接等隐性成本一并写进同一张表，避免技术试点通过、财务年框却失控。

此外，在合同与架构上要预留“可降级、可分流、可退出”的空间。明确承诺用量的阶梯、超量单价、模型迭代时的兼容义务，以及数据导出与密钥轮换周期。架构上对高风险或高用量环节保留可替换的模型路由和降级策略，避免核心流程只绑在单一能力或单一转售通道上。与云厂商生态深度集成可以换取部署速度与统一账单，但要把集中度风险写进供应商管理：备用区域、备用模型档位，以及合同到期前的迁移演练，应和功能清单一起验收。

企业业务占比越过半数，说明供应商锁定风险正在从隐形转为显性。评估是否继续加码时，不必等待未公开的内部细节；用已披露的收入交叉、客户与用量结构信号，对照自身工作流的单位成本与集中度风险，就能得出比盲目跟风更稳妥的结论。毕竟，AI服务再强大，也得在可控的轨道上跑。