在全球AI产业进入大规模应用爆发的前夜,一个显著而深远的策略性转向正在重塑AI厂商与企业客户之间的关系。
过去三十年,企业软件的主流商业逻辑是“平台加生态”。SAP、Oracle、Microsoft 等厂商提供标准化软件、数据库、云平台和开发工具。埃森哲、德勤、普华永道、IBM Consulting、TCS、Infosys 等咨询与系统集成公司承担业务蓝图、数据治理、本地化实施和变革管理。
软件或云厂商赚取许可证或订阅收入,服务商赚取人天和项目收入,企业客户在两者之间完成复杂转型。
这个分工曾经非常有效。它支撑了 ERP、CRM、HCM、供应链系统、云迁移和 SaaS 的黄金时代。
公开报道显示,Anthropic 在 2026 年 5 月宣布与 Blackstone、Hellman & Friedman、Goldman Sachs 等机构共同成立一家新的企业 AI 服务公司。
这家公司将作为独立实体运行,嵌入 Anthropic 的工程与合作资源,面向中型企业,把 Claude 带入核心业务运营。
几乎同一时间,OpenAI 也被多家媒体报道正在与 TPG、Bain Capital、Brookfield、Advent 等私募和资产管理机构推动名为 The Deployment Company 的企业 AI 部署合资平台,目标同样是帮助企业把 AI 真正放进业务流程。
Google Cloud 也在持续强化 Gemini Enterprise、行业解决方案和合作伙伴体系,把 AI 从工具调用推向企业级工作流重构。
大家很快把这件事概括为:AI 巨头向咨询行业宣战。
这句话有夸张成分,但方向并没有错。模型公司发现:企业 AI 的最大瓶颈已经不在模型,而在部署、流程、组织和治理。
一、比如SAP 模式的边界:标准化软件为什么不够了
传统企业软件的成功建立在一个基本假设上:企业流程可以被抽象、标准化、配置化。
SAP 的伟大之处,正在于它把财务、采购、库存、生产、销售、人力资源等企业活动抽象为一套可复制的流程语言。Oracle、Salesforce、Workday、ServiceNow 等公司也沿着类似逻辑发展:软件厂商封装通用能力,咨询生态负责把这些能力嵌入具体企业。
在这个模式里,软件功能相对确定。系统怎么记账、怎么审批、怎么创建订单、怎么生成报表,大体可以通过配置、接口和二次开发完成。复杂性主要来自客户行业差异、组织流程差异和历史系统差异,因此交给第三方生态处理是合理的。
但 AI 不是传统软件模块。
大模型的能力是概率性的,输出会随上下文、提示词、模型版本、数据质量和工具调用方式变化。Agentic AI 更进一步,它不仅回答问题,还要拆解任务、调用系统、生成草稿、触发流程、等待人工确认,甚至在某些条件下执行业务动作。
这就让“产销分离”的旧体系出现功能性脱节。模型厂商如果只提供 API,第三方实施商未必理解模型能力边界;实施商如果只懂流程和系统集成,又未必能处理幻觉、模型漂移、评估集、提示词治理、RAG 质量、工具权限和数据边界。企业客户夹在中间,容易得到一个看起来很聪明、但无法进入生产环境的演示系统。
这正是 AI 巨头开始走向重型化服务的根本原因。
企业购买 AI,是为了业务结果。银行希望缩短授信审批周期,制造企业希望降低计划异常和库存波动,医疗机构希望减少医生文书负担,客服中心希望提升一次解决率,软件团队希望缩短从需求到代码的周期。对管理层而言,模型能力只有进入这些指标,才算真正创造价值。
问题在于,模型不会自动变成业务结果。
二、Palantir 模式的回归:AI 公司为什么需要 FDE
Palantir 长期实践的重型交付路径。
Palantir 的核心组织发明之一,是前瞻部署工程师,即 Forward Deployed Engineer,通常简称 FDE。FDE 不是传统售前,也不是普通实施顾问。他们更像是带有业务视角的架构师和工程师,直接嵌入客户现场,在真实数据、真实流程和真实约束里构建系统。
这种角色的关键,不只是“懂技术”,而是同时承担三件事:理解客户业务、编写和调整系统、把现场经验反向带回产品。
在传统系统集成模式下,客户需求通常沿着“客户、咨询方、厂商研发”的链条传递。反馈周期长,信息损耗大,一线问题很难快速变成产品能力。在 FDE 模式下,反馈是闭环的。工程师在现场看到数据清洗困难,就会推动 ETL、知识库和数据连接能力优化;在法律、医疗、金融场景里发现长文本推理偏差,就会推动评估和上下文能力改进;在多个银行反复构建类似信贷审核 Agent 后,就会把通用流程抽象成可复用的行业组件。
这就是服务驱动的产品进化。
AI 时代重新放大了 FDE 的价值。因为大模型要真正进入企业,必须在业务语境中被训练、约束、评估和运营。提示词不是一句咒语,RAG 不是接一个向量库,Agent 也不是套一个工具调用框架。它们都需要在真实流程里反复校准。
这也是为什么 Anthropic 的公告里反复强调,工程团队要坐到客户业务人员身边,理解医生、IT 人员和一线员工的工作方式,再围绕真实流程构建工具。多家媒体把 OpenAI 和 Anthropic 的新动作与 Palantir 的 FDE 模式联系起来,并不是偶然。
AI 巨头需要的不只是销售团队,而是能进入客户现场、理解业务流程、重构工作方式、长期维护系统的前线工程组织。
它们不是简单地“做咨询”,而是在建立模型商业化的下一层基础设施。
三、为什么是合资公司:AI 巨头的估值工程
更值得玩味的是,AI 巨头并不是简单把咨询团队并入母公司,而是选择与私募和资产管理机构成立合资公司。
这背后有非常精密的财务和战略设计。
第一,是保护核心毛利。
模型公司希望资本市场把它们看成高增长、高毛利、高技术杠杆的平台型公司。专业服务则是劳动力密集型业务,毛利通常低于软件和模型订阅。如果把庞大的咨询团队直接放进母公司报表,可能会稀释其科技公司估值叙事。通过合资企业承接服务业务,模型公司既能获得交付能力,又能避免母公司财务结构过早变重。
第二,是杠杆式扩张人才。
企业 AI 交付需要大量工程师、解决方案架构师、行业专家、数据工程师和项目负责人。用 Blackstone、Goldman Sachs、TPG、Bain、Brookfield 等资本方的资金来扩张,可以减少对模型研发资金的占用,也能更快收购或吸纳成熟 AI 服务团队。Reuters 的报道已经提到,OpenAI 和 Anthropic 相关合资平台正在接触可帮助企业部署 AI 的服务公司,意图吸纳数百名工程师和顾问。
第三,是精准获得企业入口。
私募和资产管理机构掌握大量组合公司。这些公司通常有明确的降本增效压力、较强的董事会驱动力和相对集中的决策链条,但又缺乏大型企业那种成熟 A…