文章主张「拥有自己的AI系统」，背后是日益严峻的供应商锁定风险。IBM商业价值研究院调研显示，超七成企业高管认为从主要AI供应商处迁移将面临较大挑战，68%受数据驻留要求困扰。Forrester警告SAP的API策略变更将限制第三方AI智能体接入，而DeepSeek正式组建Harness团队亲自下场做Agent，意味着大模型厂商不再满足于卖API，开始把Agent生态攥在自己手里。这不是传统IT采购的升级版，而是业务单点故障风险的根本转移。

文章相信AI飞轮能持续复合增长，但资本市场正在对「AI投入产出比」产生根本性质疑。美股半导体板块多次因AI投资回报不确定而大跌，市场上出现「AI提高了程序员效率，但没有扩大公司收入」的尖锐声音——原来30人一年的项目，2人+AI搞定，但多开发的软件没有对应市场需求。更残酷的算账：一个工程师年token消耗约100-150万元，而中国程序员年薪约30万，裁5人省150万却要增加同等token成本。效率提升≠利润扩大。

文章提出「系统围绕AI复合增长」的飞轮概念，但「飞轮」在业界有多个截然不同的版本。SAP认为飞轮是「App+Data+AI」三者统一架构内协同；软通动力将其定义为「数据→模型→智能体→场景→数据」的正向循环；金蝶则聚焦制造企业的「从市场洞察到生产排程到财务分析的经营闭环」。这些飞轮的核心差异在于：谁在转动它——是模型能力、数据资产，还是业务场景？同一个词，不同玩家的起手式完全不同。