（本文作者为 超聚焦，钛媒体经授权发布）
Related articles
文 | 超聚焦
即时零售的战火，烧到了 AI 上？
据大厂日爆消息，美团对内部大模型使用做出调整，不再推荐业务使用阿里云提供的 Qwen 模型。若业务仍需使用，需提交详细使用原因，上报至 X3 级别 （老板级） 进行审批。
值得注意的是，目前豆包等其他外部大模型无需审批，而美团推荐业务使用的是自研的 LongCat（龙猫）。
同时，京东同步收紧了外部 AI 工具的使用权限，上周起正式限制员工访问外部 AI 相关网站，当员工尝试打开这些外部 AI 网站时，页面会被自动拦截，不限于豆包、千问、Gemini、DeepSeek、ChatGPT、Grok 等内外网 AI 工具。拦截页面中有公司自研大模型的使用入口，也有外部 AI 申请入口。
这波不约而同的“ 筑墙” 操作，由于两家企业的身份，让人联想到了即时零售战场上刚刚过去的血雨腥风，戏称京东和美团结成了“ 闪购受害者联盟”，大有“ 你动我外卖蛋糕，我禁你底层模型” 的赌气意味。
01 以安全之名“ 塞狗粮”
把大厂屏蔽外部模型当成“ 闪购受害者联盟” 的赌气，当然只是一句戏言，其背后最重要的还是安全问题。
从进入互联网时代以来，对代码和数据安全的防备早就不是什么新鲜事了。
在互联网才刚刚起步的年代，不少企业的安全部门就立下了铁规：只要是把本地业务数据往外部服务器传的动作，统统按潜在泄密处理。
进入云时代后，这一原则并未变化，反而更加长期化、制度化、日常化。为了将数据资产留在体内，许多公司不仅强制实行私有仓库隔离和提交审计，更进一步对屏幕共享、剪贴板等细节操作实施了全方位的监控。
而在 AI 时代依然如此，只不过最开始集中于代码层面。
去年 5 月，字节率先禁用了包括 Cursor、Windsurf 在内的第三方 AI 编程软件，旨在“ 防范潜在的数据泄露风险”，自研编程软件 Trae 正式上位。
9 月，微软总裁宣布，已全面禁止员工使用 DeepSeek 相关应用。“ 我们不允许任何未经审查的 AI 服务接触公司代码库。”
年末，快手的研发线也发布通知，收紧了第三方编程软件的使用权限。
而此次京东与美团的行为，其实也只是在 Coding 的基础上扩大了些范围而已，本质上还是为了数据安全考量。
而切断外部通道，本质上也是一场强制性的内部拉练。所以，这就是互联网巨头最爱玩的“ 强制吃狗粮” 策略。
客观来讲，无论是美团内部主推的“ 龙猫”，还是京东内部的 AI 工具，起跑线都比像 Qwen、Claude、Gemini 这样的大模型要晚一些。
所以，要是让业务线的兄弟们自由选择，大家肯定用脚投票，去用外面那些更聪明、更顺手的通用大模型。毕竟谁也不想在加班赶报告的时候，还要忍受自家 AI 的胡言乱语。
但大模型这玩意儿，讲究的是个飞轮效应，是必须靠“ 喂食” 才能长大。要是没人用、数据资产沉淀不足，就找不到针对业务改进的地方，想要优化除了蒸馏一下闭源大模型之外完全没办法搞定制化。
业务部门抱怨难用？没关系。模型经常翻车？也没关系。哪怕你是一边骂娘一边用，你也必须在自家的系统里提需求、敲回车。
算完了安全和成长的账，还得翻开 CFO 桌上的财务账本看一眼。
大模型的每一次推理，烧的都是真金白银。而像美团与京东这样体量的巨头，要是让业务线毫无节制地调用外部大模型的 API 接口，也是一笔不小的账单。
不过，并非是两家大厂付不起 Token 钱，而是明明他们自己花了不少钱去采购英伟达与华为的AI 芯片，结果员工还专门跑去使用 PPU 训练出的 Qwen，这不妥妥地和公司唱反调嘛。从这个角度来看，将内部使用留在内部，是一定会发生的事情。
把这道大门一关，看似牺牲了员工个人的办公效率，但在集团层面却是一笔稳赚不赔的买卖，不就是多加点班，多搞点“ 古法手作” 的事情，有什么大不了的？
所以，在京东与美团高高筑起的这几栋 AI 防火墙背后，既有对底线失守的恐惧，也有极其精打细算的利益考量。
02 乐了公司，苦了谁？
大厂的高管们在会议室里算清了安全账和财务账，但真正被砸痛的，还是下面干活的打工人。
在海外，巨头们的底层大模型往往是闭源的，但各家员工对 AI 工具的使用却是高度开放的；而在国内，大家都在高喊开源和生态，转头却把自家员工关进了物理隔绝的“ 数字局域网”。
导致的直接后果就是，外面是百模大战、神仙打架，SOTA 模型日新月异，AI 工具越来越强大；里面却只能守着自家还在“ 牙牙学语” 的自研模型，捏着鼻子被迫“ 吃狗粮”。
这种落差，对一线员工来说是致命的。
要知道，公司虽然收回了你使用趁手兵器的权利，但并没有好心地降下你的 KPI。写代码、赶报告、做 PPT、拉数据的 Deadline 依然横在那里。
以前用外部顶尖的 AI 工具，可能几秒钟就能生成一段干净的代码或者一份逻辑严密的框架；现在让你去配合一个“ 人工智障”，你不仅要忍受它缓慢的响应速度，还要花费大量时间去修正它那充满想象力的幻觉和漏洞百出的逻辑。
更让人啼笑皆非的是，这种强制隔离，催生出了防不胜防的“ 地下工作者”。
既然内网的高墙挡住了效率，那打工人只能在夹缝中求生，于是，荒诞的一幕在各个大厂的工位上演：
员工们一边在内网的自研模型里敲几个无关痛痒的词汇“ 完成 KPI 打卡”，一边在桌子底下掏出自己的私人手机或 iPad，熟练地挂上梯子翻墙，打开 Claude、Gemini，再把明明上传一张图片就能解决的事情花十五分钟用文字描述上传，然后获取到高质量的答案后，再对着屏幕一字一句地敲回内网的文档里。
分析师小刘就向超聚焦表示，“OpenClaw 真的是帮了我大忙。平时那些海外前沿技术分析全都是英文的技术文档，指望内网那个模型根本翻不出人话。之前没办法，我只能自己一点一点地去人工翻译、扣字眼，那叫一个折磨。”
” 但现在，我可以让 OpenClaw 帮我把这些干巴巴的外文资料翻译、整理好。虽然听起来很魔幻，人在公司上班，却得靠家里的服务器来推进业务，但这确实大大提升了我的工作效率，至少不用再天天为了这点破事儿熬大夜了。”
用他的话说，“ 真是赛博的世界，让我也是过上了上班就下班，下班才上班的生活”，这也算得上是 2026 年时髦的冷笑话了。
所以说，安全部门耗费巨资、顶着骂名建起的防火墙，初衷是为了防止数据泄露。结果却逼得员工不得不把业务痛点和关键信息脱敏后，通过不受监控的私人设备输入给外部大模型。
这哪里是防数据泄露，不如说是把原本可以通过 API 安全调用的数据，逼成了漫天飞舞的“ 人工搬运”。
在这场“ 筑墙” 运动中，公司收获了所谓的安全感，沉淀了业务数据，节省了采购 Token 的真金白银。
代价是无数个深夜里，打工人们因为自研模型的低效而不得不增加的加班时长；是原本可以在全球最前沿 AI 工具辅助下飞速进化的打工人，被迫在自家的信息孤岛里重复造轮子。
大厂的算盘打得很精，但在这本精打细算的账本上，员工被损耗的精力和被拖累的效率，似乎是并没有被计入成本的“ 免费耗材”。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
