大厂为何筑起AI高墙：美团京东限制员工使用外部大模型背后的安全与成本博弈

事件概述

近期，互联网巨头在内部AI工具使用上采取了一系列限制性措施，引发了关于“大厂孤岛化”的讨论。

• 美团调整：不再推荐业务部门使用阿里云提供的Qwen（通义千问）模型。若业务确需使用，必须提交详细原因并上报至X3级别（老板级）审批。目前，豆包等其他外部模型无需审批，但公司主推自研的LongCat（龙猫）模型。
• 京东限制：正式限制员工访问外部AI相关网站。当尝试打开豆包、千问、Gemini、DeepSeek、ChatGPT、Grok等内外网AI工具时，页面会被自动拦截。拦截页面提供了公司自研大模型的入口及外部AI申请通道。

核心动因分析

大厂“筑墙”行为并非单纯的商业博弈，主要基于以下三重考量：

1. 数据安全与合规

   • 历史沿袭：自互联网时代起，企业便严禁将本地业务数据传至外部服务器。进入云时代后，这一原则演变为私有仓库隔离、代码提交审计以及对屏幕共享、剪贴板等操作的监控。
   • 行业趋势：字节跳动曾禁用Cursor、Windsurf等第三方编程软件以防范代码泄露；微软全面禁止员工使用DeepSeek应用；快手也收紧了第三方编程软件权限。此次美团与京东的措施是在此基础上的范围扩大。

2. 财务成本与资源利用

   • Token成本：大模型推理消耗高昂的Token费用。若允许业务线无节制调用外部API，将产生巨额账单。
   • 算力消化：巨头已投入巨资采购英伟达与华为的AI芯片。若员工仍优先使用由PPU训练的外部模型（如Qwen），则与公司内部的算力投资方向背道而驰。将使用留在内部，被视为集团层面的“稳赚不赔”买卖。

3. 模型飞轮效应

   • 大模型需要大量业务数据“喂养”才能迭代优化。强制内部使用有助于沉淀业务数据资产，推动自研模型的定制化改进，避免仅依赖蒸馏闭源模型。

现实影响与矛盾

尽管管理层算清了安全账和财务账，但执行层面却产生了显著的负面效应：

• 效率落差：自研模型（如LongCat）在能力上起步较晚，响应速度慢且幻觉较多。员工被迫在低效工具上花费更多时间修正逻辑漏洞，而KPI截止日期并未因此放宽。
• “地下工作”泛滥：为应对内网限制，部分员工采取“双轨制”生存策略：在内网完成形式化打卡，同时利用私人设备（手机/iPad）翻墙使用Claude、Gemini等海外先进模型处理核心任务。有分析师指出，这导致原本可通过API安全调用的数据，变成了脱敏后的人工搬运。
• 隐性成本转移：公司获得了安全感、数据沉淀和成本节约，但代价是员工加班时长增加、精力损耗以及被迫在信息孤岛中重复造轮子。这种效率损失未被计入公司的显性成本核算中。