AI 实验室持续迭代模型，但企业客户真正卡在部署后的稳定性。Databricks 联合创始人 Arsalan Tavakoli-Shiraji 在 TechCrunch Disrupt 2026 指出，企业并非拒绝 AI，而是拒绝“运营不稳定”。过去一年大量试点项目因数据 pipeline 断裂、模型漂移或集成成本失控而搁浅，真实 ROI 验证周期远超预期。[[1]](https://techcrunch.com/2026/05/28/techcrunch-disrupt-2026-databricks-co-founder-on-what-kills-enterprise-ai-deals/)
这一现象与算力军备形成鲜明对比。Cerebras 上周完成 57 亿美元 IPO，Nvidia 此前以 200 亿美元收购 Groq，资本仍疯狂追逐芯片与数据中心，但落地端却在“最后一公里”遇阻。相比之下，Mistral 在欧洲工业场景的代理部署已进入生产验证，而 OpenAI 与 Anthropic 的企业 API 虽流量激增，却面临客户对“黑箱不可靠”的反复质疑。Meta 内部代理路径则通过重构组织降低集成摩擦，显示不同玩家对运营瓶颈的应对分化。
根本驱动力在于代理经济从 demo 转向规模化：推理成本下降让多步任务可行，但治理、监控与回滚机制尚未成熟。过去 12 个月，类似高阶模型的部署已从原型转向生产，但真实 ROI 仍需验证。
未来 6-12 个月，关键悬念在于谁能率先把运营稳定性做成产品级护城河，而非单纯参数或算力竞赛。胜出者或将取决于能否把“不可靠”成本内部化，而非继续外溢给客户。
信源：https://techcrunch.com/2026/05/28/techcrunch-disrupt-2026-databricks-co-founder-on-what-kills-enterprise-ai-deals/
