调查显示:你会更换模型,但围绕它构建的一切都会留在原地

📌 One-Sentence Summary
企业正在积极更换 AI 模型,但真正的锁定风险在于集成层——自定义工作流、MCP 服务器和安全防护措施——这些组件难以迁移,而且往往与特定供应商的架构紧密绑定。
📝 Summary
调查显示,更换模型十分常见(只有 8% 的受访者仅使用一家供应商),但迁移周边基础设施的复杂性构成了重大障碍,例如内部系统集成、多步骤智能体工作流和访问控制。真正的供应商锁定发生在这一「支撑层」:组织难以迁移这些组件,往往只能从头重建。数据表明,安全和成本是眼下的优先事项,但要避免未来陷入集成困局,也变得越来越重要。
💡 Main Points
采用多个模型已成常态,但集成才是瓶颈。
大多数组织会使用多个 AI 模型,说明模型层面的锁定并非主要问题。然而,围绕模型构建的「支撑层」——包括自定义集成、工作流和安全策略——往往高度依赖供应商的架构,迁移时需要投入大量资源重新开发。
切换成本很高,但眼前的优先事项主导决策。
84% 的受访者认为避免锁定很重要,但这一点在实际采购标准中的排名较低。这表明,尽管人们意识到长期被供应商束缚的风险,当前采购决策仍主要受安全、隐私和即时节省成本等短期考量驱动。
使用更多模型的组织,更有可能投资开放、可移植的架构。
采用多个模型供应商的企业更有可能构建灵活的开源集成,也更清楚可移植性的重要性。这说明,多模型部署经验会推动企业采用能够降低未来锁定风险的架构。
💬 Key Quotes
他们担心的陷阱,正是模型之上的那一层。
53% 的受访者将「与内部系统或 MCP 服务器集成」列为最难迁移的两项内容之一。
今天负责选择技术栈的人,考核依据是本季度的账单和今年的审计,而不是两年后是否需要推倒重来。
📊 Article Meta
AI Screening: 90
Featured: Yes
Source: Stack Overflow Blog
Author: Craig McLuckie
Category: 软件编程
Language: 英文
Read Time: 4 min
Word Count: 956
Tags:
编程与工程 , Harness工程 , MCP协议 , AI 工作流 , 开源项目
思路清晰,干货满满。
实测过类似工具,作者说的基本属实。
有没有更详细的教程,期待后续。
点赞,必须点赞
实话,说的不明不白
这篇文章分析得很透彻,收藏了!
支持作者,持续关注中。
内容翔实,正好需要,先收藏再看。
支持作者,持续关注中。
内容翔实,正好需要,先收藏再看。
看完了,收获满满,期待更多更新。
这个观点很中肯,深有同感。