调查显示：模型会换，但你围绕它构建的一切将原地不动
内容提要
Stacklok对520名技术负责人的调查显示，企业普遍同时使用多个模型，仅8%只用一家。迁移难点主要在模型之上的集成层：53%认为内部系统或MCP集成最难迁移，多步智能体工作流次之。81%担心被厂商锁定，但“可切换供应商”在采购标准中仅排第六。使用五家以上模型的企业更早构建可移植性。建议将工具定义保留在开放协议上、编排代码自有、评估可跨模型运行，并自建而非租用harness。
延伸解读
多模型已成常态，但迁移成本集中在集成层
调查显示仅8%的企业只用一家模型供应商，25%使用五家以上，模型层锁定已不是主要问题。真正难迁移的是模型之上的集成：53%的受访者将内部系统或MCP集成列为最难迁移的要素之一，多步智能体工作流紧随其后（52%）。这意味着更换模型时，这些集成不会自动跟随，需要重建，企业应优先关注集成层的可移植性。
锁定担忧普遍，却未成为采购优先项
81%的受访者认为前沿实验室和超大规模云厂商让供应商切换困难，84%表示避免锁定对AI战略重要，超过80%的企业曾因切换成本过高而推迟、缩减或重组迁移。然而，“无需重建即可切换模型供应商”在采购标准中仅排第六，“避免依赖单一供应商”垫底。这反映当前决策更看重安全、隐私、成本和合规，迁移问题常被推给未来团队。
多模型用户更早构建可移植性
使用五家以上模型的企业与只用一两家模型的企业相比，在架构上更早投资灵活性：76%已构建内部系统或MCP集成（后者42%），45%使用开源智能体框架（后者22%），67%认为跨供应商可移植性至关重要（后者47%）。驱动因素并非理念，而是同时运行多个供应商的定制集成层过于痛苦，促使他们提前将模型视为可替换组件。
开放架构需求明确，但迁移需务实准备
80%的受访者可能评估封闭前沿架构的开放替代方案，88%预期随经验积累会更多掌控AI架构。他们担心产品/API弃用（39%）和无法导出智能体状态、记忆或评估（37%）。推动迁移的因素很实际：安全合规保证、性能与前沿模型持平、企业级支持。建议将工具定义保留在开放协议上、编排代码自有、评估可跨模型运行，并自建而非租用harness。
Q&A
企业目前使用大模型的情况是怎样的？还有公司只用一个模型吗？
调查显示，仅8%的受访企业只使用一家模型提供商，而25%的企业使用五家或更多模型提供商。多模型并用已成为企业常态。
从一家模型供应商迁移到另一家，最难迁移的是什么？
最难迁移的是模型之上的集成层。53%的受访者认为“与内部系统或MCP服务器的集成”是最难迁移的要素之一，多步智能体工作流紧随其后（52%），其次是护栏和访问控制配置。这些集成不会随模型迁移而自动转移，需要重建。
技术负责人担心被厂商锁定吗？这种担心会影响采购决策吗？
81%的受访者认为前沿实验室和超大规模云厂商使供应商切换困难，84%表示避免锁定对AI战略很重要。但“可切换模型供应商而无需重建”在采购标准中仅排第六（共八项），“避免依赖单一供应商”排名最后。安全、隐私、成本控制和合规才是优先项。
使用多个模型的企业在架构上有什么不同做法？
使用五家及以上模型提供商的企业更早构建可移植性：76%已构建与内部系统或MCP服务器的集成（对比42%），45%使用开源智能体框架（对比22%），67%认为跨供应商可移植性至关重要（对比47%），35%高度可能评估开源替代方案（对比13%）。
企业希望从开放架构中获得什么？他们担心封闭平台的哪些问题？
80%的受访者可能评估开放替代方案，88%预计随着经验积累会更多掌控AI架构。在封闭平台上构建时，39%担心产品或API弃用，37%担心无法导出智能体状态、记忆或评估数据。推动迁移到开放架构的因素包括安全合规保证、与前沿模型性能对等以及企业级支持。
为了降低未来迁移成本，现在应该采取哪些具体措施？
建议：将工具定义保留在开放协议上而非厂商扩展；将编排代码放在自有代码中；确保评估能针对任何模型端点运行；自建而非租用harness以控制身份、记忆、工具等；并寻找可信专家帮助应对快速变化的格局。
