企业采购 AI 时，最容易比较的是价格：每个账号多少钱、每百万 Token 多少钱、试用期能优惠多少。
但 2026 年 8 月，美国联邦总务署（GSA）的 AI 采购页面出现了一个很有代表性的市场信号：面向政府机构的多款企业级 AI 产品，促销价格低至 1 美元、0.47 美元甚至 0.25 美元，优惠期延续至 2026 年或 2027 年。页面同时提醒采购方，AI 的使用成本可能快速增长，应设置使用上限并持续审查消耗。
这组价格不能直接类比普通企业的商业报价，也不代表模型、实施和长期服务真的只值几毛钱。它更像一场公开的“进入成本竞争”：先大幅降低采用门槛，再争取成为组织日常工作的默认入口。
对企业客户而言，这释放出一个比降价更重要的信号：当许可证不再是主要门槛，采购决策必须从“买得便宜”转向“能否持续比较、迁移和退出”。免费试用可能很便宜，形成依赖却可能很昂贵。
低价降低的是第一次进入成本，不是全生命周期成本
一套企业 AI 真正投入使用后，成本会分散在许可证之外：
其中很多投入不会出现在最初的报价单里，却决定了三年后的实际成本。
美国政府问责局（GAO）在 2026 年 4 月发布的 AI 采购审查中指出，受访机构普遍认为 AI 成本难以理解，部分原因是定价仍在快速变化，采购方还容易忽略支撑 AI 长期运行所需的基础设施。报告同时发现，一些机构不是购买静态软件，而是在持续采购由供应商提供能力和输出的“AI 服务”；这种服务需要持续评估，不能用一次性交付的验收逻辑管理。
换句话说，低价获得账号只是交易开始。真正需要估算的是：每完成一个可信业务结果，企业要长期付出多少数据、集成、复核、治理和变更成本。
- 整理企业知识、清洗数据并配置访问权限；
- 将模型连接到 CRM、ERP、工单、代码库和文档系统；
- 为具体岗位设计工作流、评测集与人工复核机制；
- 培训员工、处理异常、监控质量与安全；
- 因模型、接口、价格或政策变化而重新验证系统；
- 更换供应商时导出数据、重建集成、迁移流程并重新培训。
真正的锁定，不一定写在合同里
企业通常把供应商锁定理解为合同期限或数据导出限制。到了 AI 系统中，依赖会变得更隐蔽。
员工可能逐渐只会使用某个平台的交互方式；业务流程可能依赖某个厂商特有的 Agent、插件和权限模型；评测基线可能只针对一个模型建立；大量提示词、知识连接、自动化动作和审核规则，也可能无法完整迁移。
于是，即使原始文档能够导出，企业仍然很难切换，因为真正的资产已经散落在五个层面：
这并不意味着企业必须追求绝对的“零锁定”。采用供应商的专有能力，可能确实能更快获得价值。2026 年 6 月 GAO 的云采购报告也记录了一个更务实的观点：与其笼统回避锁定，不如管理供应商集中风险，并为关键工作负载保留清晰的依赖认知和退出方案。
关键不是所有系统都能随时替换，而是企业知道自己为什么接受某项依赖、依赖到什么程度，以及代价超过什么阈值时必须调整。
- 依赖层：常见锁定方式：采购时应确认
- 数据：向量索引、标注、反馈记录无法完整导出：原始数据、派生数据和反馈的归属及导出格式
- 工作流：Agent、插件和编排依赖专有能力：核心流程是否有平台无关的定义与接口
- 评测：只记录当前模型的表现，没有可重跑基准：更换模型后能否用同一业务样本重新验收
- 人员：培训、操作习惯和岗位分工绑定单一产品：切换所需培训、并行期和生产力损失
- 责任：事故、退役和迁移责任没有合同约定：通知期、协助义务、删除证明与退出费用
把“可退出性”当成上线能力，而不是法务附件
很多项目会在采购合同里写入数据可携带和终止条款，却从未真正测试过退出。等到价格变化、产品停服、安全要求改变或模型表现落后时，团队才发现：条款允许迁移，不等于系统能够迁移。
更可靠的做法，是在上线初期就建立一个可执行的退出包，至少包含：
退出演练不是为了频繁更换供应商，而是检验企业是否仍然掌握自己的业务流程。一个只有原厂顾问才能解释、只有特定模型才能运行、没有独立评测集可以重建的流程，实际上已经不再完全属于企业。
- 资产清单：哪些数据、提示、知识源、Agent、连接器、评测集和日志位于供应商平台；
- 依赖地图：哪些岗位和业务结果依赖这些能力，停止一天、一周或一个月分别有什么影响；
- 可迁移格式：核心指令、工具定义、业务规则、反馈和审计记录能否以可读格式导出；
- 替代路径：关键流程能否降级为人工处理，或切换至另一个已完成最低验证的供应商；
- 退出演练：定期抽取一条真实流程，在不使用原平台的情况下恢复运行，并记录时间、损失和缺口。
采购评分表需要从“单价”变成“选择权”
企业仍然应该谈价格，但不能只比较第一年的优惠。更有用的采购评分，可以同时覆盖四类成本：
在此基础上，企业还应要求供应商提供能够持续核验的证据：模型或关键功能变更如何通知，服务质量如何度量，数据如何使用和删除，输出及衍生资产归谁，发生重大变化时能否延续旧版本，以及终止服务后提供多长迁移窗口。
GAO 2026 年的审查特别指出，被调查机构尚未系统收集和共享 AI 采购经验，导致后续项目难以复用早期项目关于可靠性、合同条款和供应商表现的知识。这个问题在企业内部同样常见：采购完成后，评估材料被归档，真实运行中的成本、故障、模型变化和人工负担却没有回到下一轮采购决策。
因此，每个 AI 项目都应形成一份持续更新的“采购运行记录”，用同一套口径记录承诺、实际表现、完整成本、变更事件和退出准备度。采购能力不是把合同签下来，而是让组织在使用过程中仍有能力重新选择。
- 进入成本：许可证、实施、集成、培训和首轮评测；
- 运行成本：推理消耗、人工复核、监控、支持和持续优化；
- 变化成本：模型升级、接口变化、重新评测和流程改造；
- 退出成本：数据迁移、替代方案、并行运行、人员再培训和业务中断。
可以从一次“反向试点”开始
传统试点只证明“这个产品能不能用”。反向试点则多问一步：“如果六个月后不用它，我们能否带走已经形成的能力？”
企业可以选择一条边界清晰、具备业务价值的工作流，在 30 至 60 天内完成两次验证：第一次使用目标平台跑通业务结果；第二次依据导出的数据、流程说明和评测集，在替代环境或人工降级流程中重建最小可用能力。
重点测量的不是两套系统是否完全一致，而是：
通过这次测试，企业才能区分“值得承担的专有优势”和“无意中形成的组织依赖”。前者可以成为主动的技术选择，后者则应在规模扩张前修复。
- 核心资产有多少能够完整导出；
- 替代环境达到最低质量需要多少时间和人工；
- 哪些专有能力创造了不可替代的真实价值；
- 哪些依赖只是因为文档、接口或内部记录不足；
- 中断期间能否保持关键业务连续性。
结语
GSA 页面上的象征性低价来自特定政府采购安排，适用对象、期限和服务范围均有限，不能作为普通企业询价或投资判断的依据。但它准确展示了一个正在形成的市场阶段：领先 AI 厂商愿意显著降低初始进入成本，争夺组织的使用习惯、工作流和平台位置。
这对企业不是坏消息。更低门槛意味着更多试验机会，也增加了议价空间。前提是企业没有把低价误认为低成本，把快速采用误认为长期选择权。
成熟的 AI 采购，不是找到一个永远不必更换的供应商，而是在获得当下价值的同时，保留未来重新选择的能力。
