GitLab Duo 接入微软 Foundry：企业 AI 开始“模型自选、部署自控”

企业用 AI 写代码，最纠结的从来不是“效果好不好”，而是“代码和提示词到底流去了哪里”。GitLab 的新动作，正是冲着这个问题来的。

一分钟速览

• GitLab 宣布通过微软 Foundry 扩展自托管 AI 选项，让企业把模型层部署在自己选择的 Azure 环境中。
• 开发环境正在演变为一个“与模型无关的控制层”：GitLab 管工作流与 AI 功能，组织决定底层用哪个模型。
• 本次发布的意义不止于多一个集成，而在于源代码流向、提示词去向、凭据归属与司法辖区都变得可控。
• Bedrock、Foundry 这类平台提供多模型基础设施，但替代不了 GitLab 这样的集成 DevSecOps 平台。
• 企业级 AI 工具正朝“模型可选择、部署可管控、保障数据主权”的方向演进。

深度分析：模型层与工作流层的分工

过去，企业上 AI 编程助手往往要在“体验最好”和“数据最安全”之间二选一：用厂商托管版，体验顺滑但数据出内网；自建，安全但工程成本高。Foundry 集成给出的第三条路，是把模型层放进企业自有的 Azure 环境，工作流仍由 GitLab 统一管理。

这实际上定义了新的架构分层——上层的开发体验与 AI 功能保持统一，底层的模型运行位置和数据处理辖区由企业自己决定。

数据支撑：从“用哪些 AI 功能”到“模型在哪跑”

企业的决策清单正在变长：不再只是“给开发者开哪些 AI 功能”，还包括模型在哪里运行、源代码和提示词流向何处、谁控制凭据、哪些司法管辖区的数据会被处理。每一项都对应合规审计里的一个必答项。

趋势洞察：数据主权成为企业 AI 的硬门槛

在金融、医疗、政府等行业，数据主权往往是一票否决项。谁能让企业“用自己的云、跑自己的模型、守自己的合规”，谁就能拿到这些订单。GitLab 与 Foundry 的组合，本质上是把这类需求产品化。

结语

企业 AI 的竞争，正在从“谁的功能多”转向“谁能让企业放心”。

成本与迁移的现实问题

对企业来说，真正的难点在迁移：把模型层放进自有云，意味着要重新评估算力预算、网络延迟与运维责任。好在工作流层保持不变，开发者的使用习惯几乎不需要改动，这让“数据主权升级”从大工程变成了一次可分批推进的调整。