一句话说清：供应商锁定（Vendor Lock-in）指你的系统越依赖某一家厂商的接口、格式和特有功能，想换成别家时付出的代价就越大，大到理性上"换不动"，只能继续留下。
打个比方：装修时你按某个品牌的插座尺寸在墙里埋好了全部线路，甚至买了配套的开关面板。想换品牌，不是拔下来插上去，而是砸墙、重新布线、换面板。厂商很清楚这一点，所以它不介意前期给你便宜甚至免费——真正赚钱的是你走不掉的那几年。
这件事在 AI 应用里尤其明显，因为锁定的层次比传统云服务更多：
| 锁定层面 | 具体表现 | 想换时要做的事 |
|---|---|---|
| 提示词（prompt） | 提示词是针对某个模型的脾气反复调出来的，它对格式指令的服从度、啰嗦程度、上下文处理方式都是"这家特有"的 | 整套提示词重调、重新评测，效果未必回到原水平 |
| 微调权重（fine-tuned weights） | 用自有数据训出来的适配权重往往只能在该平台上运行，或只兼容原模型架构 | 重新准备数据、重新训练、重新验证，钱和时间都要再花一遍 |
| 调用代码与周边 | SDK、函数调用（function calling）格式、流式返回、结构化输出、向量库、缓存、限流与计费逻辑，全按一家写的 | 改代码、重跑回归测试、重做监控告警 |
| 组织与流程 | 团队熟悉的是这套工具链，内部评审、合规流程也按它设计 | 重新培训、重新审批，隐性成本最难估 |
这里要跟几个近邻概念分清。它不同于技术债：技术债是你自己代码欠的，锁定是外部依赖带来的。它也不同于一般的迁移成本：迁移成本是"换一次要花钱"，锁定强调的是不对称——离开的代价远高于留下的代价，于是你被动续约。它和"多模型策略"也不是一回事，后者是主动设计出来的对冲手段。
对从业者的实际意义有三条：第一，在模型调用外面包一层自己的内部接口，业务代码只认内部接口，换模型时只改这一层；第二，始终维护一套自己的评测集和测试样例，它是你判断"换了值不值"的唯一尺子；第三，把"退出成本"当成选型指标之一，和效果、延迟、价格并列考虑。
对普通职场人同样成立：你在某个 AI 助手里的对话历史、自定义工作流、调好的提示词模板，换平台基本带不走。真要紧的东西，本地留一份。
但锁定不等于一定是坏事。深度绑定能换来更好的集成体验、更少的胶水代码和更快的迭代速度。清醒的做法的不是"绝不锁定"，而是知道自己被锁在哪一层、值多少钱、离开要付多少。
各家平台的能力与条款会变，具体以官方页面为准。