2026年7月8日，可能是值得载入AI发展史的一天。
不是因为这天有什么技术突破，而是因为这天同时发生了三件事。三件事看起来互不相关，但都在追问同一个问题：当AI能够接触你所有数据的时候，安全谁来保障？
第一件事，微软开始在自己的产品里替换掉OpenAI的模型。
第二件事，Anthropic开始强制要求用户上传身份证和人脸信息。
第三件事，中国工信部发布官方警告，AI编程工具Claude Code存在安全后门。
三声警钟，同一个方向。
第一声警钟：微软为什么不用OpenAI了
微软投了OpenAI上百亿美元，是最大的投资方和最紧密的盟友。但就在7月8日，彭博社报道：微软已经开始在Excel和Outlook等核心产品中，用自研的MAI模型替代OpenAI和Anthropic的模型。每周已有数万条AI提示完成了迁移。
表面看是省钱。微软AI主管苏莱曼说得很直白："我们向Anthropic支付了大量资金，目标是减少并最终消除这部分成本。"自研MAI的成本只有对手的四分之一到二分之一，在Excel等场景中的效率比GPT-5.5高出十倍。
但省钱只是表层。深层原因是：OpenAI和微软，是两种完全不同的基因。
OpenAI是做C端的。它追求能力领先、用户体验、迭代速度，核心用户是个人开发者和技术爱好者。这些人对能力最敏感，对安全相对宽容。企业客户，从来不是OpenAI的强项。
微软是做B端的。它的客户是企业，企业最在意的不是模型有多强，而是数据够不够安全、隐私够不够可控、合规够不够扎实。用OpenAI的模型，意味着企业的数据要经过OpenAI的服务器。对很多企业客户来说，这条线过不去。你的代码、你的客户数据、你的商业机密，经过一家美国AI公司的服务器，哪怕有合同承诺不会用于训练，数据离开了自己的基础设施，风险就已经产生了。
所以微软自研MAI，不只是省钱，更是把数据的控制权拿回自己手里。MAI基于"干净数据"训练：完全基于公开授权的人类生成数据，不含合成数据，不含开源训练集，专门帮企业规避版权风险。安全性是训练时就内置的，不是出了事再补的防护。
苏莱曼说了一句话：微软不想在AI时代只当"分销商"，要成为真正的"制造商"。潜台词是：把AI核心能力交到别人手里，对B端企业来说是不可接受的风险。
微软CEO纳德拉在Build大会上也说过一段话："人工智能应当服务于人类社会而非取代之，要避免技术集中权力、削弱人类主体性。"这句话放在7月8日的语境下看，意味更深。自研模型不是为了技术争霸，是为了让企业真正掌控自己的AI能力，而不是把命脉交到别人手里。
麦肯锡这样的顶级企业客户已经开始用MAI的定制化私有模型。不是因为MAI最强，而是因为数据留在自己手里这件事，比模型多强更重要。
知道自己的客户真正要什么，不追最强，追最合适。这本身就是一种判断力。
第二声警钟：用AI还要交出身份证？
同样在7月8日，Anthropic的实名验证政策正式生效。
从这天起，所有Claude个人用户必须完成实名认证。不是手机号验证，是上传身份证件，加上实时人脸扫描。所有数据由一家叫Persona的第三方公司处理。
Anthropic的理由是防止滥用，出发点可以理解。但问题是：一家AI公司要求全球用户交出身份证和人脸信息，这件事本身的风险，谁来评估？
密码泄露了可以换，账号被盗了可以找回。但生物特征不一样——你的脸不能换，你的指纹不能改。一旦这些信息泄露，就是永久性的、不可逆的损失。这是生物特征信息和其他所有个人数据最本质的区别：其他数据泄露了还有补救空间，生物特征泄露了，没有任何补救的可能。
对中国用户来说，这个问题更严重。中国的身份证绑定的是完整的个人信息链：姓名、住址、出生日期、身份证号。再加上人脸扫描，几乎可以还原一个人的完整数字身份。这些信息如果被不当收集、存储或泄露，后果远比密码泄露严重得多。身份盗用、精准诈骗、社会工程攻击，所有这些风险的入口，都可能是一次看似普通的AI实名认证。
更关键的问题是：Anthropic通过Persona收集的全球身份证和人脸数据，存在哪里？谁来监管？万一泄露，用户有什么追责途径？Anthropic和Persona都是美国公司，中国用户的数据一旦提交，就脱离了中国法律的管辖范围。出了问题，你找谁？
一个自然的问题：如果一家AI公司连自己的编程工具都被发现有安全后门，它有什么资格要求全球用户交出身份证和人脸信息？
第三声警钟：AI偷偷回传了你的信息
7月8日，中国工业和信息化部发布官方风险提示：AI编程工具Claude Code存在安全后门，危害严重。
Claude Code是Anthropic开发的AI编程工具，能根据文字需求自主编写和修复代码。工信部监测发现，该工具在2.1.91至2.1.196版本中内置了监控机制，未经用户同意，向远程服务器回传用户地域、身份标识等敏感信息。工信部建议立即卸载或升级受影响版本，并加强开发工具外联权限管控，防止敏感数据违规外传。
这不是普通的安全漏洞。这是一个AI工具，在用户不知情的情况下，偷偷把用户信息传回去了。
Claude Code装在开发者的电脑上，能读写代码文件、执行命令、访问项目数据。换句话说，它拥有开发者电脑上几乎所有数据的访问权限。而开发者的电脑上，往往存放着企业的核心代码、商业机密、客户数据。
这件事暴露了一个比单个后门更深层的问题：AI工具的权限太大了。
Windows和Office存在了几十年，安全问题被反复打磨，权限边界是清晰的，信任基础是几十年积累出来的。即便如此，漏洞依然时有发生。但至少，所有人都知道Windows能碰什么、不能碰什么，出了问题有成熟的应急机制。
而今天的新一代AI工具完全不同。它们一上来就要求访问你整台电脑的所有文件：你的文档、代码、邮件、聊天记录。它能读写、能复制、能上传、能联网传输。它的权限比任何传统软件都大，但它的信任基础却最薄弱。它才出现一两年，安全问题还没经过充分检验，权限边界也没有清晰的共识。
更要命的是，AI工具的行为不像传统软件那样可预测。传统软件执行的是预设的逻辑，你能大致知道它在做什么。而AI工具是自主决策的，它根据上下文判断该做什么，连开发者自己都不一定能完全预测它的行为。一个能自主决策、能访问你所有文件、还能联网的AI工具，如果它偷偷回传数据，你甚至可能永远不会发现。
这不是某一个产品的问题。当所有AI工具都在往"装进你电脑、操作你所有文件"的方向发展，这是一个系统性的安全命题。
三声警钟，一个问题
微软不用OpenAI了，因为用别人的AI，企业数据要经过第三方。Anthropic要你的身份证和人脸，因为用它的AI，你得先交出身份信息。Claude Code被发现有后门，因为AI装进你电脑，它能碰你所有文件，还可能偷偷传回去。
三声警钟，指向同一个问题：当AI能够接触你所有数据的时候，安全边界在哪里？
微软的判断力在于：它知道企业客户最在意什么，所以选择把数据控制权拿回自己手里。但微软只有一家，不是所有企业都能自研AI模型。大部分企业面对的困境是：用AI，数据安全没有保障；不用AI，竞争力又会落后。
这不是某一家公司的问题，是AI发展到今天必然要面对的结构性命题。AI的能力在快速突破，这是好事。但能力的突破不会自动带来安全和可控。恰恰相反，能力越强、权限越大，可能造成的破坏就越大。
当AI能读你所有文件、能看你的代码、能要你的身份证和人脸、能联网传输数据，它的安全边界就不能只靠企业自律来保障。需要在设计之初就内置安全机制，而不是出了事再补。需要明确谁收集数据、谁存储数据、谁对泄露负责。更需要在关乎个人隐私和生物特征的领域，把数据的最终控制权留在用户手里。
7月8日这一天，三声警钟同时响起。它标志着一个转折点：AI的发展已经到了不能只谈能力、不谈安全的阶段。
能力决定了AI能做什么。但边界，决定了它该不该做。
AI OPC
每一次技术更新，都带来三件事：一波人的狂欢，一波人的焦虑，一波认知差的收割。
7月7日，OpenAI发布GPT-5.6，同时宣布将Codex和ChatGPT合并，正式更名为ChatGPT Work。同一天，腾讯WorkBuddy宣布日活突破1300万，3个月发了43个版本。几乎同一周，阿里因安全风险全面禁用Claude Code，而字节跳动的豆包"应用生成"功能早在5月31日就悄悄停了服。每一次技术更新，都带来三件事：一波人的狂欢，一波人的焦虑，一波认知差的收割。去年学搭智能体的人，今年发现被Skill淘汰； 今年学Claude Code的人，下周可能发现公司不让用了。学得越快，过时得越快。追得越紧，焦虑越深。这就引出一个问题：做OPC追技术是最核心的吗？
一、追技术的困境
技术圈有句话：如果一项技术学了三天还没学明白，就不用学了，因为过两天就换代了。听起来像玩笑，但比玩笑更真实。WorkBuddy 3个月43个版本，平均两天一个版本。一个普通人，刚学会上一个版本的操作，新版本已经改了界面、改了功能、改了交互逻辑。刚学会了的技巧，可能明天就不能用了。技术工具的迭代速度，永远快过个人学习的速度。而企业组织的反应速度，又永远慢于技术工具的迭代速度。追技术，永远追不上。不是追得不够快，是方向就错了。
二、客户不为技术付钱
很多人做OPC，以为用了最先进的AI，所以客户会付钱。这是一个常见的思维误区。客户有一万个需求，但只为解决特定问题的那个需求付钱。客户付钱，永远是因为解决了他的问题，不是因为解决过程中用了什么技术。如果用了AI之后，提供了跟别人不一样的解决方案，或者把成本降得更低，客户愿意为此付钱。客户付钱的理由是"不一样"和"更便宜"，不是"用了AI"。AI在OPC的商业模式中不起决定性作用。它是一个放大器。如果有独特的价值，AI帮忙放大；如果什么都没有，什么也放大不了。这才是正确的顺序：先想清楚有什么，再想AI怎么帮忙放大。
三、需要想清楚的三个问题
如果想做OPC，不管是创业做一家公司，还是在企业内部做一个超级团队，有三个问题需要想清楚，而且是诚实地想清楚，不是自己给自己讲故事。第一，客户为什么付钱？不是客户有没有这个需求，需求有很多，但客户愿意付费的并不多。要找到的是那个客户愿意真金白银掏钱的需求。第二，客户为什么买我们的，不买别人的？差异性到底是什么？很多人到这个问题就回答不下去了。如果觉得自己做什么都应该比别人强，那不是自信，是自欺。第三，客户为什么持续付钱？如果客户只买一次就走，那不是商业模式，那是流量游戏。流量的生意永远是焦虑的，因为永远在找下一个客户。真正好的商业模式，是客户买了还会再来，甚至会帮忙转介绍。这三个问题，跟AI没有关系。做什么行业、解决什么问题、有什么独特价值：这些才是OPC的商业本质。AI只是在回答完这三个问题之后，帮忙把答案放大、加速、落地。
四、OPC本质是创业
说到底，OPC本质上是一个创业行为。不管是在外面注册一家公司，还是在企业内部做一个超级团队，本质上都是在创造一个商业闭环：把东西做出来，卖出去，有利润，能持续。但很多人做OPC的顺序是反的：先学AI工具，再想做什么生意。学会了一堆工具，然后开始想：我擅长什么，我有什么资源，我会什么。这不叫创业，这叫自嗨，自己给自己想象了一个看起来很自洽的商业模式，但在股东大会上被问一句"这玩意卖给谁、客户为什么买你的不买别人的"，就回答不下去了。商业模式是讲给自己听的，不是讲给客户听的。客户不会因为有一个好的商业模式就买单，跟客户没有关系。正确的思考顺序，是从"解决什么问题"开始。彼得·蒂尔在《从零到一》里说，创业的本质就一个问题：在什么重要问题上，与他人有不同的看法。这就是差异性。要不然能把成本降得更低，要不然解决事情的方式跟别人不一样。如果跟别人想得一样，做的事也一样，凭什么客户买我们的？这就回到三个层面：有没有发现未被满足的需求？有没有看到被低估的技术变化？有没有反主流的商业逻辑，别人都往这想，我们往那想？这些问题的答案，不来自AI工具，来自在行业里的深度积累。不是比客户多知道一点信息差，信息差正在被AI抹平。真正有价值的是深度的、结构化的、来自实战的判断力：知道什么方向可行，知道什么做法会出问题，知道什么样的客户适合什么样的方案。这种判断力，是在行业里干了很多年，一次次踩坑、复盘、沉淀出来的。它说不清楚为什么这么判断，但就是知道。这才是OPC最核心的资产。
五、乡村OPC：技术不是门槛
今年4月，我们跟小米集团合作，做了一个"乡村OPC"项目。从全国选了30个村官来北京培训，其中有10%左右的人是第一次坐飞机，第一次来北京。他们能做OPC吗？他们的优势很清楚：懂自己乡村的农产品，知道什么东西好，有一颗服务乡村的心。他们的劣势也很清楚：不会拍短视频，不会做直播，不会写公众号，不会宣传自己的产品。而这个时代卖货最重要的能力，恰好就是短视频和直播。AI怎么帮他们？不会拍短视频，AI帮着写脚本、帮着定位、帮着生成内容。不会做直播，AI帮着设计话术、帮着安排流程、帮着做直播复盘。以前可能一辈子没拍过短视频的村官，半天就能上手。这个案例说明了一件事：技术不是门槛。第一次坐飞机的村官都能半天学会AI应用，一个MBA、一个职场人，学技术有什么好焦虑的？真正的问题不是会不会用AI，而是有没有像他们那样，有好产品，有真心想服务的人，有实实在在的价值。他们有最好的农产品，有最真诚的心，缺的只是把好东西传播出去的工具。AI恰好补上了这一块。如果什么都没有，AI也帮不了。如果有，AI会让人如虎添翼。
六、做OPC别从技术开始
每一次技术更新都会制造一波狂欢和焦虑，但狂欢和焦虑都不是商业判断。商业判断是：能解决什么问题，能创造什么价值，客户为什么持续付钱。这些问题想清楚了，工具会迭代，但价值不会过时。AI是放大器。放大的是商业价值，不是技术能力。如果价值是零，再强的放大器也放大不了空气。
