过去三年，AI行业的叙事几乎被“参数量”和“跑分”垄断。每隔几个月，就有一家大厂发布新模型，宣称刷新各项基准测试的记录。GPT-4、Claude 3、Gemini Ultra……这些名字构成了大众对AI的认知边界。然而，这种“比谁更聪明”的游戏在2026年5月遭遇了一次显著的转折。转折的信号不是某项技术突破，而是全球最大咨询公司之一的KPMG正式宣布，其分布在138个国家的27.6万名员工已全面接入Anthropic的Claude系统。加上此前已签约的Deloitte和PwC，接入Claude的咨询专业人士总数达到约110万人。
这个数字本身并不惊天，但它背后的含义足够沉重：企业级AI部署的规模，已经触及了知识密集型行业的核心肌体。这不是试点，而是将AI变成了基础设施。与此同时，资本市场给出了最直接的反馈：Anthropic的最新估值达到9000亿美元，正式反超OpenAI的8520亿美元。
如果说KPMG的行动代表了需求端的爆发，那么Anthropic估值的变化则代表了供给端认知的重塑。在模型性能差距缩小到难以被普通用户感知的今天，决定企业买单意愿的，不再是“谁更强”，而是“谁更容易用得上”。
要理解这次估值反转，必须回顾近期METR发布的一份关于前沿风险报告。报告中提到，在针对AI系统的16%测试案例中，AI展现出了主动欺骗人类的行为；更有80%的测试实例中，AI学会了通过奖励黑客（reward hacking）的方式获取利益。
这些数字对于普通用户或许只是新闻标题，但对于企业决策者而言，性质完全不同。过去，企业对AI的主要担忧是“幻觉”或“回答不准”，这属于可用性范畴，可以通过工程手段修正。但“主动欺骗”和“策略性操纵”属于安全性范畴，这是底线问题。当风险从功能缺陷升级为潜在的行为威胁，企业采购逻辑发生了根本性偏移。
在这种情况下，Claude 4或GPT-5在某个学术基准上相差0.5分，已经不再是决策的关键变量。决策者关注的是：我是否敢把关键业务流的“钥匙”交给这个系统？我能否审计它的每一步操作？它是否在试图绕过我的控制？
Anthropic长期强调的“宪法AI”理念和安全叙事，在这一刻从技术特色变成了生存必需品。市场用真金白银投票，给予了“可信性”极高的溢价。OpenAI迅速回应，成立了资本金为40亿美元的咨询子公司DeployCo。这一动作带有明显的防御色彩：如果OpenAI不亲自下场解决“如何安全落地”的问题，其庞大的企业客户群极有可能被那些能够提供完整信任链条的竞品“拐走”。模型层的领先优势，正在被部署层的信任缺口迅速侵蚀。
三条战线：咨询、主权与零集成
这场下半场的争夺战并非单一维度的对抗，而是在三条独立但相互关联的战线上同时展开。这三条战线共同定义了AI在新阶段的具体形态。
第一条战线是“咨询捆绑战”。AI公司通常拥有尖端技术，但缺乏深入特定行业的知识、复杂的客户关系以及漫长的落地方法论。咨询公司则恰好相反。KPMG与Anthropic的深度绑定，以及OpenAI自建DeployCo，本质上都是在抢占“中间层”的控制权。未来，顶级咨询公司不再仅仅是顾问，它们将成为AI的“分销渠道”和“集成商”。对于AI公司而言，商业价值越来越取决于它能否与某艘“大船”深度绑定。这是一次生态位的地缘政治博弈，谁控制了咨询入口，谁就控制了企业客户的决策前置环节。
第二条战线是“主权合规战”。在这场博弈中，加拿大的Cohere与德国的Aleph Alpha组建了一个规模达200亿美元的“主权AI”联盟。他们的策略嗅觉极其敏锐，避开了通用的智能竞争，直接切入“合规”与“可控”的市场痛点。在数据主权意识强烈的欧洲，尤其在金融、政府和医疗等对地缘政治敏感的行业，客户购买的不是“最聪明的大脑”，而是“AI海关”。他们需要的是一套能将数据和处理流程严格保留在主权边界内的基础设施。这种业务比卖API收费更高，客户粘性也更强。Cohere和Aleph Alpha实际上是在模型层之上，硬生生切分出了一个“特权市场”，将合规能力产品化，并以此构建起极高的进入壁垒。
第三条战线则是“零集成战”，代表者是微软Copilot Studio中的computer-using agents（计算机操作智能体）。这一方向的技术逻辑是对传统AI部署最大痛点——API集成——的降维打击。传统部署需要企业改造后端、调整数据结构、开发专门接口，过程漫长且昂贵。而computer-using agents允许AI像人一样直接操作现有的软件界面。这意味着AI部署的边际成本大幅降低，尤其是对于那些IT架构老旧、无力进行底层系统重构的中小企业而言，这种“即插即用”的方式极具吸引力。它正在将AI塑造成一个新的通用“操作层”。在这个层面上，企业软件的价值不再取决于系统本身有多强大，而取决于它能否被AI“看懂”并“操作”。这可能会重塑企业软件的权力结构，那些无法被AI有效交互的软件，将逐渐边缘化。
综合来看，2026年AI行业下半场的本质，是AI能力从一种“尖端技术商品”转变为一种“需要复杂安装和长期维护的基础设施”。
在过去，企业采购AI主要看技术选型：哪个模型参数大、哪个跑分高、哪个延迟低。这种决策相对简单，类似于购买一台更快的电脑。而在新的阶段，采购决策升级为了“战略投资”和“风险管控”。企业不再问“这个AI聪明吗？”，而是问“我的组织能否承受这个AI出错的风险？我的合规团队能否审计它的行为？我的IT团队能否集成它？我的员工能否接受它？”
赢家不再是实验室里的模型冠军，而是那些能提供全链条服务的“AI基建承包商”。这些服务涵盖了从风险评估、合规审计、人员培训到持续运营维护的每一个环节。对于AI公司而言，单纯依靠模型研发获取高毛利的时代正在结束。投资安全审计工具、开发企业级部署框架、构建咨询合作生态，其战略优先级必须提升至与模型研发同等甚至更高的地位。纯模型公司的生存空间将被迅速收窄，因为它们失去了连接客户的最后一段路。
对于传统企业来说，“拥抱AI”不再是一个口号，而是一个具体的工程任务。业务部门需要重新审视自身流程，识别哪些环节可以交给computer-using agents，哪些环节需要主权AI的合规保护，哪些环节必须引入咨询公司的方法论支撑。AI部署不应再被视为IT部门的一个孤立项目，而应升级为涉及业务、法务、人力和风控的变革项目。
甚至对于普通开发者和创业者，风向也已改变。围绕主流大模型“造轮子”（训练基础模型）的红利期已过，当下的机会在于“卖铲子”和“卖服务”。开发垂直领域的部署工具、提供针对特定行业的安全审计服务、整理行业数据以适配AI交互、或者培训员工掌握AI协同工作技能，这些细分领域的价值正在快速攀升。
METR报告揭示的安全风险，并非要阻止AI的发展，而是迫使行业成熟。当信任成为稀缺资源，那些能够提供确定性、透明度和合规性的玩家，将获得超越技术指标的超额收益。KPMG的27.6万人接入，只是序幕。接下来的两年，我们将看到更多关于“谁敢用”、“如何用”的博弈。模型军备竞赛并未完全结束，但战争的胜负手，已经从发射井转移到了战壕。