AGENT LENS · 行业观察
企业AI部署工程，突然值钱了
微软（MSFT）、AWS、OpenAI、Anthropic，在同一个季度砸下近百亿美元，买的全是同一样东西：把AI缝进企业业务流程的工程能力。这对中国银行（HK3988）业的AI服务商意味着什么？
晋梅·神州信息Al创新中心·2026年7月
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起"这件事。写的时候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起共建；Fiserv和OpenAI拉着六家金融机构共创智能体平台。当时没多想，拿来说了个道理就放下了。
这两周再看，它们是主线的前哨。六月底到七月初，AWS和微软（MSFT）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。四家彼此打得不可开交的公司，短短几周买了同一样东西，行业里管这叫Forward Deployed Engineer——驻场部署工程师。说白了就是工程师搬到客户那边去，坐在业务旁边一起干活。
贰 公告里值得多看两眼的细节
钱是新闻，细节才是判断。
微软（MSFT）那份公告最耐琢磨。负责发布的是商业业务 CEO Judson Althoff，他强调这套打法"超越了传统驻场"，还特意承诺不锁定模型——OpenAI 的、Anthropic的、自研的、开源的都支持，而且客户数据和 IP 不会被用来"把客户的差异化优势商品化"。一家靠自家云和模型吃饭的公司，当众说"模型随便换"——这个姿态比金额更值得品：模型可互换，已经是连模型厂商都默认的前提了。值钱的东西换了地方：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家机构做控股合资，还收购了一家 2023年才成立、约150人的部署咨询公司 Tomoro。投资方名单值得多看一眼：除了TPG、Advent、贝恩资本、Brookfield 这些私募巨头，麦肯锡、凯捷、Bain & Company 三家咨询公司也在名单里。三家以"派人驻场"为生的咨询公司，掏钱入股了一家要把"派人驻场"工业化的公司。卖人天的老师傅们，用自己的钱给这门生意的新形态投了赞成票——这比任何分析师报告都管用。
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，共创伙伴Amalgamated（AMAL） 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——注意，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起"是一回事，只不过美国人把它写进了合同条款。而且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"，说明成熟的买方从签字那天就在谈散场之后的事：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 为什么偏偏是现在
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？
因为买方那头出了状况。MIT的NANDA研究给过一个很扎心的数据：约 95% 的企业生成式 AI 试点，没有产生可衡量的损益影响。同一项研究有个对照组更有意思：请了外部专家一起干的企业，成功率大约翻倍。
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、就是迟迟进不了生产的机构，不在少数。这块后面说到我们自己的经历时再展开。
这波近百亿美元砸下来，四家巨头看明白的是同一件事：瓶颈从来不在模型，在模型和业务之间那道接缝上。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拥有者，如果通用产品能解决问题，它们完全不需要花这笔钱——直接卖API和 SaaS 就行。正是因为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。如果平台本身就够，微软（MSFT）不会额外拿出 25 亿美元和六千个人头。
这一轮砸的钱，买的全是缝合能力。
肆 三个没说出口的半句话
公告读完了，有三句话藏在字面底下，说出来比价格本身更有嚼头。
第一句：站到一起很贵，贵到连最有钱的AI公司都要拉人分摊。OpenAI 的合资结构其实暴露了一个事实：驻场是重人力、低毛利的苦活儿，放在合资公司里，OpenAI拿控制权和模型消耗的放大器，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？因为能把 AI 缝进真实业务流程的人极度稀缺——这活儿要求一个人同时吃透模型能力的边界、行业流程的细节和工程化落地的全套规矩，市场上这样的人本来就不多，还得在真实项目里摔打出来才算数。这跟买一批通用 IT人力驻场完全是两回事。OpenAI为什么宁可搞合资也不自己招人扛？因为这样的人连它也不够用。
第二句：驻场本身挣的是辛苦钱，值钱的是驻场之后能留下来、能复用的东西。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（MSFT）说自己"超越了传统驻场"，其他几家各有各的说法。为什么别扭？因为人力生意在资本市场上拿的是低倍数，没有人愿意被投资人当成咨询公司看。这个命名上的别扭恰恰暴露了所有人心里的那笔账——活是驻场的活，钱得按产品的逻辑赚，否则规模越大亏得越快。
第三句：买方已经在为"你们撤了以后怎么办"谈判了。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？这个问题特别值得中国同行想想——我们和银行共创的时候也反复被问。后面细讲。
伍 一条利润率曲线讲完的道理
这三笔账指向同一道题，而且有人已经花了二十年时间答完了。Palantir（PLTR） 是驻场部署工程这个岗位的发明者，2020 年写进上市招股书，从政府和军事领域起家，后来扩展到商业市场。早年它也被驻场成本压得喘不过气，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，必须沉淀成可以反复卖的软件资产。先是Foundry，后来是AIP。第一家客户驻场解决问题，第二家开始卖复用。
从1.3%爬到六成，靠的不是多派几个人。约85%的毛利、一个人一年 150万美元的收入——全部来自"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。今天四家新玩家意气风发地入场，最终也逃不开同一道选择题：要么学会把驻场经验变成可复用的资产，要么永远停在卖辛苦钱的那一段。
陆 散场以后，能力在谁手里
以上是美国市场的动作。说说中国这头。
中美市场各有各的生态和节奏，但有一条底层逻辑是通的：AI部署工程值钱、业务和技术一起干活值钱、一起干完之后沉淀下来的东西最值钱。这个道理不分国界，中国银行（HK3988）业的同行和客户同样看得到。
这把标尺，其实我们最近一年在共创里已经摸到了。
过去一年多，AI创新中心深度访谈和交流了六十多家金融机构，从国有大行到城商行（884251）农商行（884252），从零售到对公到运营。看了一圈下来，体感非常一致：几乎每家都有 AI 项目在跑，买了模型、搭了平台、甚至出了 demo——但一问"上了生产没有""业务那边认不认"，对方多半沉默。demo看着都行，上到生产就趴窝。为什么？因为从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、监控告警与回滚容灾、审计合规——几万人同一天早上打开手机不能卡死，监管来查的时候，AI 给的每一笔判断都得说得清依据。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，至少大家都知道它在那儿。
业务侧那一座，更容易被忽略。业务目标怎么拆解成AI干得了的活、真实场景的边界条件和例外情况怎么处理、行业惯例和监管红线在哪、真实数据有多脏多杂、老法师的经验直觉怎么变成机器听得懂的规则、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。技术这座山翻不过去，系统上不了生产；业务这座山翻不过去，上了生产也没人用。
正因为看到了这个现状，我们在选择共创伙伴的时候特别在意一件事：对方有没有真实的业务场景、有没有愿意全程坐在一起的业务负责人。纯技术验证的项目我们不接——倒不为别的，经验告诉我们，业务不在场的 AI 项目注定跑不进生产。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：共创如果只产出一个结果，干完就散，那跟传统项目制没有任何区别。真正改变游戏（881275）的是每次共创完，我们和客户一起多做一步——把这次趟出来的东西完整沉淀下来。沉淀的远不止几个模型 prompt。完整的一套 AI 场景落地资产长这样：以业务场景技能包（Skill）为核心，加上怎么把这些技能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完成工程化落地、上线之后怎么运营迭代——业务反馈怎么回流、版本怎么管、什么时候该升级换代。这套东西属于机构自己，人走了，它不走。
拿我们正在推进的一个共创场景来说。我们和银行一起从需求调研走到共创验证，眼下正在往生产环境部署，一路踩坑，也一路把踩坑的收获沉淀下来。这套资产的价值在于：往后再有机构做类似场景，相当一部分能力可以直接接上——学费不用重复交，周期（883436）明显缩短，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，这里有一条铁的边界：能复用的是方法论和工程打法，每家机构的数据和客户信息，绝不出行。
这件事听起来简单，做起来挺反人性的——项目干完，团队最自然的冲动就是赶紧结项进下一个。所以我们在内部立了条硬规矩：每次共创验收两样东西，业务结果要算数，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：你们的人走了以后，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。技能包、编排成智能体的打法、工程化落地的路数、运营迭代的机制——驻场的人会走，这些东西不走，而且每多跑一个场景就更厚一层。做我们这行的，有个很简单的检验标准：项目结束，客户手里只多了一套定制系统，下一个AI 需求来了照样从头立项、从头摸索——那就是卖人天。项目结束，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"站到一起"过。
美国市场这一轮近百亿美元的军备竞赛，帮整个行业验证了一条底线判断：模型可以换，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，这既是好消息也是紧箍咒。好消息是，三十年在银行里积累的业务理解、一千九百多家机构的服务网络，恰好是这把标尺量出来最值钱的东西。紧箍咒是，光有know-how不够，得真的练出把每一次驻场变成资产的纪律。
买来的是工具，养出来的才是资产。这句话，如今就写在我们每一次共创的验收单上。
神州信息AI创新中心
文中事实基于截至2026年7月的公开报道与公司公告：Microsoft、OpenAI 官方公告，Palantir（PLTR） 公开财报数据，FIS / Fiserv / Amalgamated（AMAL） Bank 官方通稿，Bloomberg、CNBC 及 MIT Project NANDA 研究。引语为大意转述。共创案例中涉及的客户信息已做方向性脱敏处理。本文为个人行业观察，仅供交流参考。
