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”。