壹　先看四个事实

之前写过一篇文章
，聊"业务和技术要站到一路"这件事
。写的时辰引了两条五月的新闻做例子：Anthropic把自家工程师整队派进FIS
，和银行的合规业务人员坐到一路共建；Fiserv和OpenAI拉着六家金融机构共创智能体平台
。其时没多想
，拿来说了个路理就放下了
。

这两周再看
，它们是主线的前哨
。六月底到七月初
，AWS和微软相继跟进
，四家头部公司在一个季度里鱼贯入场
。这四张牌的总投入差不多百亿美元级
。四家彼此打得不成开交的公司
，短短几周买了统一样器材
，行衣凤管这叫Forward Deployed Engineer——驻场部署工程师
。说白了就是工程师搬到客户何处去
，坐在业务旁边一路干活
。

贰　布告里值得多看两眼的细节

钱是新闻
，细节才是判断
。

微软那份布告最耐斟酌
。掌管颁布的是贸易业务 CEO Judson Althoff
，他强调这套打法"超过了传统驻场"
，还专门承诺不锁定模型——OpenAI 的、Anthropic的、自研的、开源的都支持
，并且客户数据和 IP 不会被用来"把客户的差距化优势商品化"
。一家靠自家云和模型吃饭的公司
，当多说"模型轻易换"——这个姿势比金额更值得品：模型可互换
，已经是连模型厂商都默认的前提了
。值钱的器材换了处所：从模型参数
，挪到了把模型缝进业务流程的那双手上
。

OpenAI那份的信息量最大
。它没有自己扛成本
，拉了19家机构做控股合伙
，还收购了一家 2023年才成立、约150人的部署征询公司 Tomoro
。投资方名单值得多看一眼：除了TPG、Advent、贝恩本钱、Brookfield 这些私募巨头
，麦肯锡、凯捷、Bain & Company 三家征询公司也在名单里
。三家以"派人驻场"为生的征询公司
，掏钱入股了一家要把"派人驻场"工业化的公司
。卖人天的教员傅们
，用自己的钱给这门生意的新状态投了赞成票——这比任何分析师汇报都管用
。

另一个细节在Anthropic和FIS那份五月通稿里
。Anthropic把Applied AI团队和驻场工程师整队派进FIS
，共创同伴Amalgamated Bank在自己的通稿里专门写了一句：合规业务团队全程嵌入设计过程——把稳
，不是技术做完了拿给业务验收
，是业务从第一天就坐在里头
。这跟我之前文章里说的"业务和技术要全程站在一路"是一回事
，只不外美国人把它写进了合同条款
。并且Anthropic还承诺知识转移——教会FIS之后
，FIS自己接着建
。合同里写进"教会我"
，注明成熟的买方从具名那天就在谈拆档之后的事：你们的人走了
，能力留在谁手里？

这个问题
，我后面会回来接
。

叁　为什么偏偏是此刻

问题来了：大模型火了两三年
，这几家公司为什么偏偏在 2026 年第二季度集体下注部署？

由于买方那头出了情况
。MIT的NANDA钻研给过一个很扎心的数据：约 95% 的企业天生式 AI 试点
，没有产生可衡量的损益影响
。统一项钻研有个对照组更有意思：请了表部专家一路干的企业
，成功率约莫翻倍
。

这个数字
，国内的读者读着应该很有画面感——手里有几个AI项目在跑、demo都不错、就是迟迟进不了出产的机构
，不在少数
。这块后面说到我们自己的经历时再发展
。

这波近百亿美元砸下来
，四家巨头看领略的是统一件事：瓶颈从来不在模型
，在模型和业务之间那路接缝上
。模型一年比一年强
，接缝一年比一年宽
。光卖模型
，客户用不起来；用不起来
，就续不了费
。要让客户真正用起来
，得有人坐到客户旁边去
。

这里还有一层容易被忽略的信号：这四家都是模型和平台的占有者
，若是通用产品能解决问题
，它们齐全不必要花这笔钱——直接卖API和 SaaS 就行
。正是由于通用产品到了客户的具体场景里不够用
，它们才不得不自己下场做部署
。这个判断对中国市场同样有效：不要迷信有通用能力的大平台能一站式解决落地问题
。若是平台自身就够
，微软不会额表拿出 25 亿美元和六千幼我头
。这一轮砸的钱
，买的满是缝合能力
。

肆　三个没说出口的半句话

布告读完了
，有三句话藏在字面底下
，说出来比价值自身更有嚼头
。

第一句：站到一路很贵
，贵到连最有钱的AI公司都要拉人分摊
。OpenAI 的合伙结构其实露出了一个事实：驻场是沉人力、低毛利的苦活儿
，放在合伙公司里
，OpenAI拿节造权和模型亏损的放大器
，交付成本记在 19 家投资方账上
。翻译一下：它算过账了
，自己扛不划算
。为什么贵？由于能把 AI 缝进真实业务流程的人极端稀缺——这活儿要求一幼我同时吃透模型能力的天堑、行业流程的细节和工程化落地的全套端正
，市场上这样的人正本就不多
，还得在真实项目里摔打出来才算数
。这跟买一批通用 IT人力驻场齐满是两回事
。OpenAI为什么宁肯搞合伙也不自己招人扛？由于这样的人连它也不够用
。

第二句：驻场自身挣的是劳累钱
，值钱的是驻场之后能留下来、能复用的器材
。有意思的是
，四家都在做驻场
，但措辞上都在绕开"驻场"两个字
。微软说自己"超过了传统驻场"
，其他几家各有各的说法
。为什么别扭？由于人力生意在本钱市场上拿的是低倍数
，没有人愿意被投资人当成征询公司看
。这个定名上的别扭刚好露出了所有人内心的那笔账——活是驻场的活
，钱得按产品的逻辑赚
，不然规模越大幸好越快
。

第三句：买方已经在为"你们撤了以来怎么办"交涉了
。前面提到FIS那份合同里写了知识转移
，买方第一天就在问：能力留在谁手里？这个问题出格值得中国同业想想——我们和银行共创的时辰也反复被问
。后面细讲
。

伍　一条利润率曲线讲完的路理

这三笔账指向统一路题
，并且有人已经花了二十年功夫答完了
。Palantir 是驻场部署工程这个岗位的发现者
，2020 年写进上市招股书
，从当局和军事领域起身
，后来扩大到贸易市场
。早年它也被驻场成本压得喘不外气
，利润率一度低到1.3%
。转折在于一个纪律：每一次驻场解决的问题
，必须沉淀成能够反复卖的软件资产
。先是Foundry
，后来是AIP
。第一家客户驻场解决问题
，第二家起头卖复用
。

从1.3%爬到六成
，靠的不是多派几幼我
。约85%的毛利、一幼我一年 150万美元的收入——全数来自"驻场经验被卖了N次"
。驻场是采矿
，矿石冶炼成产品之后才值钱
。今天四家新玩家英姿飒爽地入场
，最终也逃不开统一路选择题：要么学会把驻场经验造成可复用的资产
，要么始终停在卖劳累钱的那一段
。

陆　拆档以来
，能力在谁手里

以上是美国市场的作为
。说说中国这头
。

中美市场各有各的生态和节拍
，但有一条底层逻辑是通的：AI部署工程值钱、业务和技术一路干活值钱、一路干完之后沉淀下来的器材最值钱
。这个路理不分国界
，中国银行业的同业和客户同样看得到
。

这把标尺
，其实我们最近一年在共创里已经摸到了
。

从前一年多
，AI创新中心深度访谈和互换了六十多家金融机构
，从国有大行到城商行农商行
，从零售到对公到运营
？戳艘蝗ο吕
，体感极度一致：险些每家都有 AI 项目在跑
，买了模型、搭了平台、甚至出了 demo——但一问"上了出产没有""业务何处认不认"
，对方多半寡言
。demo看着都行
，上到出产就趴窝
。为什么？由于从demo到落地
，隔着的是两座山
。

技术侧一座
。权限与行级数据隔离、限流与并发承载、监控诉警与回滚容灾、审计合规——几万人统一天早上打开手机不能卡死
，监管来查的时辰
，AI 给的每一笔判断都得说得清凭据
。写出能跑的代码很容易
，把它送进企业级复杂度里活下来
，才是真功夫
。这座山
，至少各人都知路它在那儿
。

业务侧那一座
，更容易被忽略
。业务指标怎么拆解成AI干得了的活、真实场景的天堑前提和例表情况怎么处置、行业通例和监管红线在哪、真实数据有多脏多杂、老法师的经验直觉怎么造成机械听得懂的规定、上线之后业务的反馈怎么回流校准
。跟大模型聊几轮
，聊得出一个像模像样的 agent
，聊不出这些业务判断力
。技术这座山翻不外去
，系统上不了出产；业务这座山翻不外去
，上了出产也没人用
。

正由于看到了这个近况
，我们在选择共创同伴的时辰出格在意一件事：对方有没有真实的业务场景、有没有愿意全程坐在一路的业务掌管人
。纯技术验证的项目我们不接——倒不为此外
，经验通知我们
，业务不在场的 AI 项目注定跑不进出产
。几轮筛选下来
，陆续和多家银行在财富营销、对公信贷、客户运营这几个场景做了深度共创
。趟完之后最大的教训
，一句话就能说完：共创若是只产出一个了局
，干完就散
，那跟传统项目造没有任何区别
。真正扭转游戏的是每次共创完
，我们和客户一路多做一步——把这次趟出来的器材齐全沉淀下来
。沉淀的远不止几个模型 prompt
。齐全的一套 AI 场景落地资产长这样：以业务场景技术包（Skill）为主题
，加上怎么把这些技术编排成能真正融入业务流程的智能体、怎么在行里的系统和安全合规要求下实现工程化落地、上线之后怎么运营迭代——业务反馈怎么回流、版本怎么管、什么时辰该升级换代
。这套器材属于机构自己
，人走了
，它不走
。

拿我们在推动的一个共创场景来说
。我们和银行一路从需要调研走到共创验证
，眼下在往出产环境部署
，一路踩坑
，也一路把踩坑的收成沉淀下来
。这套资产的价值在于：往后再有机构做类似场景
，相当一部门能力能够直接接上——膏火不用沉复交
，周期显著缩短
，坑有人先替你踩过；而先行的机构也不吃亏
，资产留在它自己手里
，后续场景接着用、接着长
。当然
，这里有一条铁的天堑：能复用的是步骤论和工程打法
，每家机构的数据和客户信息
，绝不出行
。

这件事听起来单一
，做起来挺反人道的——项目干完
，团队最天然的激昂就是连忙结项进下一个
。所以我们在内部立了条硬端正：每次共创验收两样器材
，业务了局要算数
，留给客户的能力资产也要算数
，缺一样不算完
。

回到前面那个问题：你们的人走了以来
，能力留在谁手里？我们给出的答案是：留在那套AI场景落地资产里
，留在机构自己手里
。技术包、编排成智能体的打法、工程化落地的路数、运营迭代的机造——驻场的人会走
，这些器材不走
，并且每多跑一个场景就更厚一层
。做我们这行的
，有个很单一的检验尺度：项目实现
，客户手里只多了一套定造系统
，下一个AI 需要来了照样重新立项、重新摸索——那就是卖人天
。项目实现
，客户手里多了一套自己能用、能长大的资产
，下一个场景直接在这套资产上接着建——那才算真正"站到一路"过
。

美国市场这一轮近百亿美元的军备较量
，助整个行业验证了一条底线判断：模型能够换
，嵌进业务流程的工程能力才是稀缺品
。中美市场各走各的路
，但这条逻辑是通的
。

对我们来讲
，这既是好新闻也是紧箍咒
。好新闻是
，三十年在银行里堆集的业务理解、一千九百多家机构的服务网络
，刚好是这把标尺量出来最值钱的器材
。紧箍咒是
，光有know-how不够
，得真的练出把每一次驻场造成资产的纪律
。

买来的是工具
，养出来的步崆资产
。这句话
，如今就写在我们每一次共创的验收单上
。