Anthropic 的框架提供了一个可解构的样本，但中国版本需要在资本结构、合规信号、数据主权三个维度全面重写——重写之后，反而可能形成比美国更强的护城河。
Anthropic 三层结构（JV渠道 + 预构建Agent + 合规背书）可以迁移，但三个要素在中国都需要找本土替代物
中国合规信号的"Dimon 等价物"不是企业家——是工行/建行行长或某监管机构的实际部署案例；难度更高，获得后护城河更深
数据不出境法规 = 外资大模型无法处理中国金融/医疗/政务核心数据 = 国产大模型在这些垂直的事实垄断（严重被低估的优势）
中国有对应的"驻场工程师"文化，但还没有被系统性产品化——这是 Anthropic FDE 模式真正值得学习的地方
最危险的陷阱：把"国产替代"叙事等同于竞争壁垒——政策红利是窗口期，不是护城河，窗口大约 3-5 年
中国大模型企业真正的竞争对手不是彼此，也不是 OpenAI/Claude——而是 Wind（万得）、金证科技、用友网络这类已经建好行业数据管道的软件公司。谁先拿下它们，谁就拿下了中国版 Bloomberg Terminal 的入口。
中国大模型在政务/金融监管报送这类场景里，外资竞争者事实上缺席——这比任何参数领先都更重要。
选一个"格式标准化 + 数据不出境 + 监管压力大"的垂直，完成产业JV + 预构建Agent + 行业背书三层连接——第一家完成的就是中国市场的 Anthropic。
Anthropic 在 72 小时内完成的不是三件独立的事，是一个强依赖的三层系统。理解这个系统是迁移到中国市场的前提。
关键洞察：三层之间存在强依赖——没有 Layer 3（合规信用），企业不敢采购；没有 Layer 2（具体产品），JV 没有东西可卖；没有 Layer 1（分销管道），产品接触不到决策者。中国大模型企业的问题，往往是三层同时缺失，或各自孤立存在，没有连接成系统。
CTO / CFO 联合拍板，决策周期 2-6 个月，技术评估权重高
采购委员会 + IT 部门 + 合规部 +（国企）党委，决策周期 6-18 个月，资质、等保合规、国产化认证权重同样高
→ 产品再好，缺等保三级 + 国产化认证 + 央企先例可能失单
Dimon 站台 = JPMorgan 法务审查了 = 行业入场券。私营企业 CEO 站台足够
需要有监管渊源机构的使用案例。工行/建行行长站台 = 中国版 Dimon；难度更高，一旦获得锁定效应更强（国企通常不会同时采购竞品）
→ 合规信号更难获得，但获得后的护城河深度远超美国版本
金融数据可上 AWS/Azure 私有云，跨境数据流动相对自由。Anthropic 面对 OpenAI、Gemini 等全球竞争
《数据安全法》+《数据出境安全评估办法》：金融/医疗/政务核心数据事实上不出境。外资大模型无法处理这些数据
→ 外资模型缺席 = 国产大模型在金融/政务/医疗核心场景的事实垄断。这是 Anthropic 最羡慕的竞争格局：地理边界就是护城河。
美国：独立 PE 网络（Blackstone 持有 2700+ 家企业）+ Accenture/Deloitte 系统集成
中国：没有对应的独立 PE 企业网络。SI 骨架是华为 / 用友 / 金蝶 / 广联达；管道是阿里云/腾讯云/华为云/天翼云
→ 中国版 JV 对象 = 华为云 + 某央企基金 / 用友 + 工行战略投资部
美国：Anthropic vs OpenAI vs Gemini，全球化竞争，敏感垂直同样开放
中国：核心垂直（政务/金融监管/医疗）外资实质上缺席，竞争主体只有国产厂商
→ 竞争更聚焦，蛋糕更集中，同质化风险也更高
SaaS 渗透率约 40%，中小企业 + 大型企业混合市场，云原生为默认部署方式。Anthropic 的 Agent 以 API / 云订阅形式交付，无需本地部署，企业可自助上线
SaaS 渗透率约 10%-15%，采购预算高度集中在央企、国企、头部民企。大型企业普遍要求私有化部署（本地化）——数据不离开自己的数据中心，这是硬需求而非谈判筹码
→ 中国版预构建 Agent 的 SKU 必须包含：云版 / 私有化版 / 国产化信创版 三种部署形态；纯云 SaaS 无法进入核心场景
美国的分销障碍是 SI（Accenture/Deloitte）。中国大型企业的工作流已深度嵌入 ERP / 行业管理软件，形成一道更难绕过的壁垒：
覆盖 700 万家企业，大型制造 / 央企 ERP 首选，已内置 YonGPT——用友正在从 ERP 内部长出 AI 能力，是竞争对手，不只是分销渠道
超大型企业 ERP 平台，与华为云深度合作，已具备 AI Agent 能力框架。现有数据 + 工作流集成 + 客户信任，三重壁垒叠加
工程建设行业数字化垄断平台，正 AI 化工程预算 / BIM 场景。外部大模型几乎无法绕开它直接接触工程数字化数据
云原生为默认部署，SaaS 订阅覆盖中小到大型企业，Anthropic Agent 可直接 API 交付
预算集中在央企 / 国企 / 头部民企；大型企业采购须同时提供私有化部署选项
央企 / 国有银行 / 关键基础设施的硬性要求；数据不离开自有数据中心
非核心应用走公有云，涉密流程走私有云；灵活但集成成本高
以中型民营企业为主，非核心业务场景；对应 Anthropic 的主要目标市场
以 Anthropic 三层结构为坐标，评估主要中国玩家的当前位置：
综合得分最高，但"央企不信任阿里"是真实存在的隐性壁垒——在金融监管报送、政务场景尤其明显。钉钉的分销管道在民营企业极强，但触达不了国有金融机构的核心系统
合规信用最强（★★★★★），但模型能力是软肋。华为云的最优策略可能不是做 Agent 产品公司，而是做"最安全的 AI 基础设施提供商"——Layer 1 角色，让其他大模型跑在华为云上
所有大型中国企业的业务流程都已锁在 ERP 系统里。用友（YonGPT）和金蝶正在从 ERP 内部长出 AI 能力——它们已有数据、已有集成、已有采购关系。大型企业的 AI 决策很可能是"用友的 AI 还是另购 AI"，而不是在大模型厂商之间选择。最优解可能不是打败用友，而是成为用友选择合作的大模型。
关键动作：不是"找央企买单"，是"让央企成为股东"——股东关系带来渠道、合规信用、数据访问权
Anthropic 选金融因为支付意愿最强。中国的等价逻辑：格式高度标准化 + 数据不出境 + 监管压力大 = 值得做预构建 Agent 的场景。
面向中小企业、创业公司、民营中型企业。订阅制，快速上线，适合非敏感数据场景
面向央企、国有银行、大型制造企业。数据不出本地数据中心，等保三级认证，与内部 ERP/OA 深度集成
面向政务、军工、关键基础设施。运行在国产芯片（鲲鹏/海光）+ 国产操作系统（麒麟/统信）+ 国产数据库（达梦/人大金仓）全栈上
Anthropic 的 Agent 是纯云交付——中国版必须三种并行，否则直接排除在 70% 的大型企业采购之外
成为用友/金蝶/广联达的 AI 引擎——模型能力对外，工作流 + 数据 + 客户关系归 ERP 公司。速度快，但话语权弱，长期有被替换风险
做 AI-native 的企业软件，从流程设计上绕开 ERP 体系——替换而非集成。周期长，资本密集，但一旦成功拥有完整数据飞轮和定价权
→ 两条路径不能兼得——选 A 就要早签战略合作协议拿到数据；选 B 就要找一个 ERP 防御力弱的垂直场景先打穿
这是最难也最值钱的一步。中国版"Dimon"的等价条件：
《数据安全法》（2021）+《数据出境安全评估办法》（2022）形成的框架，实质上创造了：
Bloomberg Terminal 的壁垒是：数据 + 工作流 + 网络效应三合一。中国有直接对应物：
万得（Wind）：A股全量数据 + 债券/期货/宏观，覆盖中国几乎所有金融机构——任何金融 AI Agent 缺了 Wind 数据访问权，功能天然残缺
所有国产大模型同时进攻金融 + 政务，导致价格战 + 客户决策疲劳 + 垂直 Agent 各自为政互不兼容
政府采购大单稳定但回款周期 6-18 个月，要求多，政策变化敏感，没有真正的商业飞轮
如果认为"监管保护会持续 10 年"就放慢产品化节奏，等外资绕过来时措手不及
每季度发布"SOTA 新模型"，但企业客户用的 Agent 还需要 3 个月定制——是在做模型，不是在做产品
Anthropic 这 72 小时让中国大模型企业第一次看到了一个完整样板——不是"模型公司做咨询"的误读版本，而是 PE 主导分销 + 行业 Agent 产品化 + 合规信用建立的真实三层结构。
中国版的重写比原版更难——找到"中国版 Dimon"需要数年经营，不是一次发布会——但成功之后的护城河比 Anthropic 更深：数据主权 + 合规锁定 + 国产化认证，三重壁垒叠加，替换成本极高。
窗口是真实存在的。问题是有没有公司在窗口关闭之前，把三层连接成系统。
从模型公司到企业 AI 服务平台——追踪 Anthropic、OpenAI 及中国大模型企业的战略演变与市场格局
首次发布 2026-05-09