Anthropic 的禁令，不只是“一個(gè)模型下線”這么簡(jiǎn)單，也是一次對(duì)整個(gè)產(chǎn)業(yè)基礎(chǔ)設(shè)施成熟度的全面檢驗(yàn)。不過風(fēng)暴既是考驗(yàn)，也是重塑格局的機(jī)遇。Anthropic的退出所留下的市場(chǎng)和需求痛點(diǎn)，正倒逼中國(guó)AI產(chǎn)業(yè)完成一次關(guān)鍵的進(jìn)化。即從單純追求模型能力，轉(zhuǎn)向工具鏈、遷移能力、中間件、工作流以及交付能力的系統(tǒng)性建設(shè)。
作者|斗斗
編輯|皮爺
出品|產(chǎn)業(yè)家
當(dāng)風(fēng)向改變時(shí)，有的人筑墻，有的人造風(fēng)車。
9月5日，美國(guó)人工智能企業(yè)Anthropic發(fā)布了一則公告，宣布全面禁止所有中國(guó)企業(yè)使用其開發(fā)的大語(yǔ)言模型Claude。
Anthropic這則禁令發(fā)布后，把長(zhǎng)期存在的外部以來風(fēng)險(xiǎn)，暴露在聚光燈一時(shí)間引起了廣泛的討論，各大平臺(tái)相關(guān)話題討論度直線上升。
有的企業(yè)尋求解決方案，希望找到替代品；有的用戶憤怒，在平臺(tái)一頓輸出；也有人給出了不一樣的視角，直言：“中國(guó)AI的成人禮，來了！”
一個(gè)不能忽視的問題是，這場(chǎng)禁令帶來的是一場(chǎng)真實(shí)的風(fēng)暴，原來的隱性問題這一次被真正擺到了臺(tái)面上，對(duì)國(guó)內(nèi)外多種類型企業(yè)的沖擊不可低估。
然而，國(guó)內(nèi)AI生態(tài)短板被審視的同時(shí)，也釋放了巨大的國(guó)產(chǎn)模型生長(zhǎng)空間和“演練機(jī)會(huì)”，逼著整個(gè)行業(yè)從單純追求模型能力，轉(zhuǎn)向工具鏈、遷移能力、中間件、工作流以及交付能力的系統(tǒng)性建設(shè)，加速了國(guó)內(nèi)AI生態(tài)的進(jìn)化。
站在這個(gè)角度來看，這既是對(duì)中國(guó)企業(yè)的限制，也是國(guó)內(nèi)服務(wù)商的機(jī)會(huì)，更是中國(guó)AI的機(jī)會(huì)。
在這樣的背景下，一些亟待被清楚和解決的問題被真正擺上臺(tái)面：哪些行業(yè)受沖擊最大？怎么“搬家”才能把損耗降到最低？誰又有能力在風(fēng)暴中幫他們重建系統(tǒng)？更重要的是，在這場(chǎng)逆風(fēng)中，誰只是筑起高墻被動(dòng)防御，而誰能夠真正鍛造出屬于自己的風(fēng)車？
一、AI斷供，“風(fēng)暴”最前線
“昨天凌晨，我們的客服系統(tǒng)直接掛掉了?！币晃豢缇畴娚虅?chuàng)業(yè)者對(duì)產(chǎn)業(yè)家說。
這并非個(gè)例。
9 月，Anthropic 禁令落地，禁止所有中國(guó)資本控股的企業(yè)繼續(xù)使用 Claude 模型。消息發(fā)布不到 24 小時(shí)，不少創(chuàng)業(yè)公司技術(shù)群里就炸開了鍋。
“我們都知道會(huì)有風(fēng)險(xiǎn)，但沒想到來得這么快?！币患曳煽萍脊镜暮匣锶烁嬖V產(chǎn)業(yè)家。
Anthropic 禁令的“受害者”畫像，逐漸清晰。
跨境電商是其中最典型的代表。Claude 帶來的多語(yǔ)言理解和穩(wěn)定的文案風(fēng)格，讓他們?cè)?Facebook 廣告投放中點(diǎn)擊率一度提升過兩位數(shù)。一旦斷供，廣告和客服體驗(yàn)就直接受損。
游戲廠商也同樣焦慮。Claude 能處理 10 萬字以上的世界觀和復(fù)雜人物關(guān)系，用來生成劇情和本地化腳本。如今他們不得不評(píng)估，切換模型后，玩家會(huì)不會(huì)突然發(fā)現(xiàn)角色“說話變了”？
還有 B 端工具創(chuàng)業(yè)公司，合同審查、科研長(zhǎng)文檔解析，甚至 AI 編程工具，都以 Claude 為底層能力。Claude Code 每周處理近 2 億行代碼，是許多開發(fā)團(tuán)隊(duì)的日常生產(chǎn)力引擎。
這些公司有一個(gè)共同點(diǎn)：他們與 Claude 的綁定不僅在模型輸出，而是已經(jīng)深埋在業(yè)務(wù)邏輯和產(chǎn)品架構(gòu)之中。
這就導(dǎo)致，企業(yè)想要“搬家”，就不是換個(gè)模型就是改個(gè) base_url（模型服務(wù)的請(qǐng)求地址）那么簡(jiǎn)單，現(xiàn)實(shí)遠(yuǎn)比想象復(fù)雜。
首先，Claude獨(dú)有的能力，如長(zhǎng)上下文、多輪保持、風(fēng)格一致性，也很難用其他模型完全復(fù)刻。
拋開模型性能不談，Claude 的核心優(yōu)勢(shì)是長(zhǎng)上下文、多輪對(duì)話保持和風(fēng)格穩(wěn)定，圍繞這些特性，企業(yè)早已設(shè)計(jì)好 prompt 模板、參數(shù)結(jié)構(gòu)、輸出規(guī)范。簡(jiǎn)單來說，系統(tǒng)寫死在 Claude API 上，很多AI能力是“嵌在產(chǎn)品里”的，比如一鍵生成、智能客服、用戶引導(dǎo)，這些功能不是孤立的，是深度耦合業(yè)務(wù)邏輯的，禁令一出意味著必須重構(gòu)中臺(tái)，這比切換模型更復(fù)雜。有遷移案例明確指出需重寫 ≥30% 中間層代碼，遷移代價(jià)較大。
其次是成本增加，比如 8 月 H100 租賃價(jià)格環(huán)比上漲 22%，有公司甚至考慮自建，但開銷更高。
更重要的是用戶體驗(yàn)直接下滑帶來的客戶復(fù)購(gòu)危機(jī)?？头Z(yǔ)氣變了、文案風(fēng)格不統(tǒng)一、合同摘要不精準(zhǔn)，這些在 To B 生意里都可能是災(zāi)難。
很明顯，企業(yè)真正缺失的并不是模型，而是遷移能力。
具體來看，如果轉(zhuǎn)向 GPT，風(fēng)險(xiǎn)一樣存在，誰也不敢保證不會(huì)有下一個(gè)禁令；如果用國(guó)產(chǎn)模型，通用能力進(jìn)步很快，但 API 兼容、Prompt 遷移、業(yè)務(wù)對(duì)接的配套生態(tài)還不完善；如果自建模型，算力和人力的投入成本，對(duì)中小企業(yè)而言根本承受不起。
總的來說，企業(yè)“搬家”的剛需可以歸納為四點(diǎn)。一是仿 Claude 接口，減少系統(tǒng)改動(dòng)；二是Prompt 遷移工具，保留原有風(fēng)格和邏輯；三是業(yè)務(wù)理解能力，模型能接入 CRM、客服、SaaS，而不是孤零零的工具；四是穩(wěn)定 SLA，能撐得住 B 端容錯(cuò)要求。
禁令風(fēng)暴下，企業(yè)們亟需國(guó)內(nèi)服務(wù)商幫助他們抵擋風(fēng)暴，這是挑戰(zhàn)更是機(jī)會(huì)。
不過，一個(gè)現(xiàn)實(shí)的問題是：這一次，誰真能接?。?/p>
二、誰在造AI風(fēng)車？
國(guó)內(nèi)廠商迅速上場(chǎng)。最先搶到鏡頭的，是智譜、阿里和月之暗面。
智譜 AI 推出“Claude-to-GLM”網(wǎng)關(guān)，號(hào)稱幾行代碼改 base_url 就能切換，還贈(zèng)送 2000 萬免費(fèi) Token。這是典型的低門檻遷移 + Token 補(bǔ)貼，搶用戶過來再說；
阿里通義的打法是三步遷移腳本，更強(qiáng)調(diào)私有化交付、企業(yè) SLA 和云上配套服務(wù)。對(duì)大型客戶來說，穩(wěn)定和合規(guī)比便宜 Token 更重要，直接鎖定大客戶。
月之暗面的應(yīng)對(duì)方式是快速上線 Prompt 映射工具 和 兼容 CLI，幫助開發(fā)者把原本 Claude 的 Prompt 結(jié)構(gòu)、調(diào)用方式平移到 Kimi 模型。Kimi 的強(qiáng)項(xiàng)是長(zhǎng)文本對(duì)話，早期就對(duì)標(biāo) Claude 的長(zhǎng)上下文（128k token），主打開發(fā)者友好+長(zhǎng)文本定位，重點(diǎn)承接中小團(tuán)隊(duì)和科研用戶。
除此之外火山引擎和百度也上線了“搬家”方案。前者允許開發(fā)者直接切換至火山引擎提供的模型服務(wù)來替代 Claude 的某些功能，還推出組合方案，如 “TRAE + 火山方舟” 的形式，提供兼顧推理效率和企業(yè)可遷移性的替代路徑；后者推出了專門的大模型服務(wù)，作為中國(guó)開發(fā)者／企業(yè)用來替代國(guó)外 API 的選項(xiàng)。提供開發(fā)者與企業(yè)用戶“更本地化、更可控”的模型服務(wù)。
可以看到，幾家廠商都瞄準(zhǔn)了“兼容”二字，但路徑卻截然不同：智譜是低門檻搶速度，阿里是企業(yè)級(jí)兜底，月之暗面則是開發(fā)者友好。
然而，企業(yè)真正的需求，并不是“跑得起來”，而是“跑得像原來”。
比如，一家跨境電商的廣告部門告訴產(chǎn)業(yè)家，他們光是為 Claude 調(diào)教 prompt，就花了半年時(shí)間。句式必須簡(jiǎn)潔，語(yǔ)氣要親和，每條文案開頭最好帶個(gè)疑問句。這些細(xì)節(jié)一旦換模型，哪怕只偏差一點(diǎn)，廣告轉(zhuǎn)化率都可能立刻下滑。
因此，遷移的難點(diǎn)從來不只是 API，而是完整的遷移體驗(yàn)，比如Prompt 能不能復(fù)用？輸出風(fēng)格能不能對(duì)齊？能不能嵌入原有 CRM、客服和 SaaS 工作流？如果做不到，這些模型就只是孤島。
不同廠商的策略，其實(shí)正是對(duì)這些痛點(diǎn)的不同回應(yīng)：阿里主打全鏈路交付，月之暗面抓住 Prompt 遷移，智譜則用補(bǔ)貼把用戶先留住，再逐步優(yōu)化體驗(yàn)。
在企業(yè)端，這三種方案對(duì)應(yīng)著三類用戶畫像：中小團(tuán)隊(duì)和初創(chuàng)公司看重成本，會(huì)先投向智譜；金融、政企客戶把合規(guī)和 SLA 放在第一位，自然更偏向阿里；而對(duì)長(zhǎng)文本依賴度高的科研、游戲、法律團(tuán)隊(duì)，月之暗面顯得更貼合。
不過實(shí)際情況往往沒那么簡(jiǎn)單。很多企業(yè)正在采用“拼圖式”方案。比如短對(duì)話和成本敏感場(chǎng)景交給智譜，長(zhǎng)文檔處理靠 Kimi，關(guān)鍵業(yè)務(wù)系統(tǒng)對(duì)接放到通義云上。
“現(xiàn)在沒人只敢壓一家?！币晃粍?chuàng)業(yè)公司創(chuàng)始人直言。
所以可以看到的是，這場(chǎng)爭(zhēng)奪戰(zhàn)的核心已經(jīng)不是模型誰更強(qiáng)，而是誰能真正理解企業(yè)業(yè)務(wù)、幫客戶重寫那 30% 的中間層代碼，并在系統(tǒng)出問題時(shí)提供 7×24 小時(shí)支持。
從這個(gè)角度看，這場(chǎng)“搬家潮”其實(shí)更像一面“照妖鏡”。照出了中國(guó) AI 生態(tài)長(zhǎng)期存在的薄弱環(huán)節(jié)，即工具鏈缺失、遷移門檻高、交付服務(wù)不足。
所以，眼下的廠商爭(zhēng)搶客戶，不只是一次短期的救火，更是在為未來的 AI 基建補(bǔ)課。風(fēng)暴之下，誰能交付、誰能撐住，誰就能成為真正的“風(fēng)車制造者”。
三、從隱形風(fēng)險(xiǎn)到顯性挑戰(zhàn)，
中國(guó) AI 的新命題
Anthropic 的禁令，不只是“一個(gè)模型下線”這么簡(jiǎn)單，也是一次對(duì)整個(gè)產(chǎn)業(yè)基礎(chǔ)設(shè)施成熟度的全面檢驗(yàn)。不過風(fēng)暴既是考驗(yàn)，也是重塑格局的機(jī)遇。Anthropic的退出所留下的市場(chǎng)和需求痛點(diǎn)，正倒逼中國(guó)AI產(chǎn)業(yè)完成一次關(guān)鍵的進(jìn)化。
一個(gè)事實(shí)是，最近幾個(gè)月，各類評(píng)測(cè)數(shù)據(jù)顯示，中國(guó)模型在多個(gè)核心維度已經(jīng)追趕上甚至部分超過國(guó)外同類模型。
例如GLM-4.5 在 “12 個(gè)行業(yè)標(biāo)準(zhǔn)基準(zhǔn)” 的評(píng)測(cè)中，它在 coding、agentic 和 reasoning 任務(wù)中總分約63.2 分，名列前幾，進(jìn)入第三梯隊(duì)，僅次于少數(shù)頂級(jí)閉源模型。
在工具調(diào)用能力上，GLM-4.5 的成功率達(dá) 90.6%，略高于 Claude-4-Sonnet 的約 89.5%，以及 Kimi K2 的約 86.2%。
中國(guó)模型 DeepSeek-V3 在推理與數(shù)學(xué)任務(wù)上表現(xiàn)也已與 GPT-4 或 Claude-3.5 Sonnet 比肩，并且其訓(xùn)練成本遠(yuǎn)低顯著降低開支。
可以說在基礎(chǔ)能力 + 性能指標(biāo)這一層面，國(guó)內(nèi)模型不再是落后太遠(yuǎn)，而某些任務(wù)上已經(jīng)可以替代國(guó)外模型。
不過，這些性能數(shù)字并不能完全等同于企業(yè)端體驗(yàn)。
具體來看，國(guó)內(nèi)缺LangChain那樣的開發(fā)工具，企業(yè)接入成本高；沒有通用的“模型遷移中間層”，企業(yè)只能一家一家手動(dòng)改；很多AI創(chuàng)業(yè)公司全靠海外模型，一斷就掛；企業(yè)接入后沒人幫忙調(diào)優(yōu)、部署，體驗(yàn)總是打折。這導(dǎo)致模型之外的產(chǎn)業(yè)鏈條太脆。
此前，工具鏈缺失、生態(tài)脆弱、服務(wù)能力不足等問題雖被行業(yè)熱議，但多數(shù)企業(yè)并未切身感受其嚴(yán)重性。直到禁令落地，一系列問題才變得真切而尖銳，讓企業(yè)切實(shí)感受到真正的差距隱藏在模型之外的工具鏈和生態(tài)環(huán)節(jié)。Anthropic禁令如同一面放大鏡，將中國(guó)AI產(chǎn)業(yè)長(zhǎng)期存在的隱形風(fēng)險(xiǎn)具象化為迫在眉睫的顯性危機(jī)。
不過，可以看到的是面對(duì)這些問題，一些頭部廠商和成長(zhǎng)型團(tuán)隊(duì)開始調(diào)整，不再只比誰模型強(qiáng)，而比誰能把全鏈條做好。
例如智譜發(fā)布 GLM-4.5 的同時(shí)，不僅把模型開源，還強(qiáng)調(diào)其在 agentic + coding + reasoning 上的工具能力，并在社區(qū)和開發(fā)者中建立接口與工具鏈支持。
阿里也在內(nèi)部重組，希望通過組織結(jié)構(gòu)調(diào)整提升應(yīng)用落地與服務(wù)能力。他們把通義的To C 應(yīng)用團(tuán)隊(duì)從阿里云剝離出來，直接并入阿里智能信息事業(yè)群。這意味著通義大模型不再只是科研、基礎(chǔ)研發(fā)導(dǎo)向，更重視面向用戶產(chǎn)品體驗(yàn)和服務(wù)交付。
華為的盤古和百度的文心系列，則在行業(yè)模型 +部署 +中間件方向深耕。華為提出一平臺(tái)雙驅(qū)動(dòng)模式，不僅有通用大模型，還專門構(gòu)建金融、制造、電力等行業(yè)模型，并結(jié)合昇騰芯片、昇思框架打造完整的軟硬件生態(tài)。
百度的文心千帆平臺(tái)正在成為企業(yè)用戶的一站式大模型服務(wù)入口，提供數(shù)據(jù)管理、模型定制、推理部署等功能。
新興中間件評(píng)測(cè)平臺(tái)也在崛起，比如多項(xiàng) benchmark 比如 C-Eval、CMMLU 等，提供了中文環(huán)境下的知識(shí)+推理評(píng)測(cè)，漸漸成為模型評(píng)估的重要參照。
風(fēng)向已然改變。筑墻者，只能被動(dòng)防守；而唯有那些真正開始鍛造工具、鋪設(shè)管道、培育土壤的“造風(fēng)車者”，才能將這場(chǎng)逆風(fēng)，轉(zhuǎn)化為驅(qū)動(dòng)AI產(chǎn)業(yè)落地的動(dòng)力。
寫在最后：
一個(gè)事實(shí)是，中國(guó)AI當(dāng)下的任務(wù)，已不只是“追趕”，而是建設(shè)屬于中國(guó)的 AI 工業(yè)體系，建設(shè)能承載千萬企業(yè)、億萬用戶的產(chǎn)業(yè)土壤。換句話說，中國(guó) AI 的競(jìng)爭(zhēng)優(yōu)勢(shì)，將不再只依賴單點(diǎn)突破，而是要靠體系化的全鏈條能力。
未來不會(huì)只問中國(guó)能不能造出下一個(gè)ChatGPT，而會(huì)問中國(guó)能否讓 AI 真正成為企業(yè)與社會(huì)的穩(wěn)定基建。答案取決于今天誰選擇筑墻，誰敢去造風(fēng)車。
風(fēng)向已變。屬于國(guó)產(chǎn) AI 的時(shí)代，正在到來。
