短短两个月内，四家 AI 巨头合计投入约 90 亿美元——不是用于打造更好的模型，而是把人类工程师派进客户的办公楼。这是今年创始人能听到的最响亮的信号。这些公司斥资数十亿美元构建的模式，如今你几乎可以零成本运行——而且，当 AI 让其他一切商品化时，这是建立仅存的两样东西的最便宜方式：客户的信任，以及分销护城河。
今年大约两个月的时间里，AI 领域市值最高的四家公司接连做了同一件奇怪的事。
OpenAI 成立了一家独立公司——字面意义上的一个新实体——把工程师派驻到客户的办公室。Anthropic 也做了类似的事，成立了一支 15 亿美元的合资企业。AWS 承诺投入 10 亿美元，组建一个专门的组织，其全部工作就是将小型工程师团队嵌入客户内部，每次驻场数周。微软则以一个 25 亿美元、拥有六千名员工的部门为这一轮画上句号。
把这些加起来，就是约 90 亿美元，在短短两个月左右的时间里，由那些号称业务是打造足够智能、无需人类在场软件的公司投入。
这才是值得深思的部分。这些公司的全部卖点就是自动化。它们的模型能写代码、处理客服工单、通过律师资格考试。而面对行业内最大的问题——为什么这些能力没有转化为收入？——它们的回应却是雇佣大批人类，并让他们登上飞机。
它们没有把钱花在更好的模型上，而是花在了把人送进客户大楼。这是迄今为止对 AI 真正瓶颈已转移到何处的最清晰的承认。而一旦你看清它转移到了哪里，你就会看到这 90 亿美元并未覆盖的东西——一个属于创始人而非在位巨头的缺口。它恰好是当底层技术同时商品化时，建立仅存的两种能存续的资产的最便宜方式：客户的信任，以及能够复利增长的分销渠道。这才是隐藏在这个信号背后的真正奖赏，也正是本文要探讨的内容。
没人解释对的 90 亿美元
让我先讲清楚到底发生了什么，因为各个单独的公告都有报道，但背后的模式却没人讲。
OpenAI 推出了它所谓的 Deployment Company——DeployCo——背后是一批私募股权巨头：TPG 领投，Advent International、Bain Capital 和 Brookfield 作为联合创始合伙人。该合资企业估值 100 亿美元，由 OpenAI 控股，启动时已获得超过 40 亿美元的承诺资本。它的工作不是做研究，而是走进企业，让 AI 真正落地运转。
Anthropic 在五月也做了自己的版本——一支约 15 亿美元的合资企业，合作方包括 Blackstone、Hellman & Friedman 和 Goldman Sachs，瞄准的是那些希望 Claude 被部署落地、而不仅仅是获得授权的中型企业和私募股权投资组合。
随后在6月30日，AWS 宣布向自己的前沿部署工程组织投入10亿美元。据公开报道，其模式是：由五到六名工程师组成的小组进驻客户公司，以大约45天为一个周期，按成果定价，而非按计费小时收费。
两天后——四家公司中的最后一家——微软的商业负责人 Judson Althoff 宣布成立 Microsoft Frontier Company：投入25亿美元，配备六千名“行业与工程专家”，他们将进驻客户组织内部，负责设计、部署和运行 AI 系统。
四家公司。两个月。同一个理念。正如 The New Stack 所说，巨头们正在“花费数十亿美元——而且不是花在更好的模型上”。TechXplore 说得更直白：他们正在部署“工程师大军，以帮助 AI 实现盈利”。
这里有一个能解开全部谜团的问题：为什么拥有全球最好模型的公司，要在软件行业最不光彩的业务——服务——上投入90亿美元？
答案是一个我之前写过的数字，而且它并没有变得不那么残酷。MIT 的 NANDA 报告发现，95% 的企业级生成式 AI 试点未能带来可衡量的回报。不是因为模型不好。模型非常出色。它们是在“最后一公里”失败的——也就是让一个出色的模型在与真实公司的数据、工作流程、合规规则和遗留系统接触后得以存活的那项混乱而不体面的工作。
这就是关键信号。能力不再是稀缺资源，部署才是。模型的发展远远超出了所有人实际使用它们的能力，而这90亿美元正是行业内最聪明的公司承认以下事实时的样子：“演示能跑通”与“它已在生产环境中运行、并且有人在为它付费”之间的差距，如今才是整场游戏的核心。
弥合这一差距的人被称为前沿部署工程师。而这个术语之所以突然无处不在，是因为整个行业刚刚围绕他们完成了重组。
吞噬 AI 的工作
如果你想知道一个行业认为价值已经转移到了哪里，不要去看新闻稿。去看它在争夺招聘谁。
按照这个标准，前沿部署工程师是当下 AI 领域最重要的人。该职位的招聘需求同比增长了800%到1000%，具体取决于你相信谁的数据。据报道，在 Indeed 上，相关职位发布从2025年4月的643个增加到一年后的5300多个——涨幅约为729%。根据多项外部统计，它目前是美国 AI 领域增长最快的职位名称。
钱也随之而来。一项针对1500名前沿部署工程师的2026年调查显示，前沿实验室高级 FDE 的总薪酬中位数约为48.5万美元，staff 级别职位超过72.5万美元，principal 级别则突破百万美元。这不是你为支持性职能支付的价格。这是你为那些你相信才是真正产品的人支付的价格。
请注意是谁在招聘。Palantir——二十年前发明这一模式的公司——是招聘量最大的雇主，其次是 OpenAI、Anthropic、Google、Databricks 和 Scale。当今最成熟的 AI 公司正在为那些与客户坐在一起的人才展开最激烈的竞争。
那份调查中最能说明问题的细节并不是薪资，而是这份工作真正需要什么。超过 70% 的近期职位将“面向客户的探索”列为核心要求——即能够坐在利益相关者对面，拆解一个模糊的业务问题，并将其转化为可以交付的东西。稀缺的技能不是写代码。写代码是 AI 已经能做的部分。稀缺的技能是在一家真实的公司里，通过一次对话弄清楚该构建什么。
这个细节正是本文接下来要剖析的裂缝。地球上最有价值的 AI 公司正在向一份其最难之处并非工程的工作投入数十亿美元。难的是“人在现场”。难的是对这位特定客户、这条特定工作流中什么才重要的判断——而这种判断只有身临其境才能获得。
这不是你用更大的模型就能买到的能力。这是你通过亲自到场才能赢得的能力。这也正是它价值 90 亿美元的原因——也正是它对你开放的原因。
诞生于初创公司，由巨头规模化，却与你擦肩而过
这是一段几乎没人讲对的历史，而它会改变那 90 亿美元的含义。
前沿部署并非由 AI 实验室发明。它诞生于一家初创公司。Palantir 用二十年时间围绕一个理念构建了整个公司：面对难缠的客户，你不是把软件卖给他们——而是派出你最优秀的工程师深入客户的问题之中，与他们一起把东西做出来，之后再把你学到的东西转化为产品。a16z 给随后发生的事情起了个名字：“万物的 Palantir 化”。整个行业都复制了这一模式。
它之所以奏效——也是批评者们多年来在把 Palantir 贬为“穿着软件外衣的咨询公司”时所忽视的——在于后半部分。工程师们待在那里不是为了计费工时。他们是为了发现模式。每一次部署都让公司学到一些可复用的东西，了解这类客户的问题实际上长什么样，而这些经验又被反哺到产品中，于是下一次部署更快，再下一次更快。人是传感器。产品才是生意。记住这个两段式结构——传感器与生意，楔子与护城河——因为它正是区分本系列文章所面向的创始人与那些会花三年时间无意中经营一家代理公司的创始人的关键所在。
而当这些实验室构建自己的版本时，它们是通过收购初创公司来实现的。OpenAI 并没有有机地培育出自己的前沿部署能力——它收购了 Tomoro，一家建立在这一模式之上的伦敦公司，从而让 150 名前沿部署工程师从第一天起就加入 DeployCo。这一模式是从小做起、再逐步放大的，而不是反过来。
这就让接下来发生的事情显得有些奇怪。每一个这样的十亿美元级载体都指向同一个方向：高端市场。DeployCo、Anthropic 的合资企业、Microsoft Frontier、AWS 的那个部门——它们全都瞄准财富 500 强企业，以及那些整合了中端市场的私募股权投资组合。没有一个是为初创公司客户而构建的。
这不是疏忽，而是经济规律。对前沿部署项目的独立分析都指向同一个硬性底线：这一模式只有在年合同价值大约超过 5 万至 15 万美元时才划算，低于这个水平就会亏本。一位从业者描述了今年市场分化成的两种规模：一种是 25 万美元以上、采购周期长达一个季度的企业版；另一种是 5 千到 1 万美元、以十天冲刺方式运作的、由创始人亲自主导的精简版。前沿实验室的定价只有在企业级规模下才能成立。如果你是创始人，巨头们的这套模式从来就不打算卖给你。账算不过来。
所以这里确实存在一片真正的空白：没有人花十亿美元为创始人构建前沿部署模式。而你的直觉可能是把这解读为一个应该有人来填补的空白——一个产品、一项服务、一个可以购买的东西。
它不是。因为创始人不需要任何人替他们构建这套模式。每次部署 25 万美元的成本，刚刚崩塌了。
为什么这突然成了你的模式
要问前沿部署为什么曾经昂贵，答案很具体。它需要一名资深工程师——你最好、最昂贵的人才之一——亲自驻场数周，为一个他们从未见过的系统手工搭建定制化集成。整个成本结构可以用一个比喻来概括：坐在飞机上的工程师。资深、稀缺、缓慢，收费也相应高昂。
现在再看看 AI 对这句话里每一个要素做了什么。
资深工程师最稀缺的技能——读懂一个陌生的代码库、梳理一个工作流、编写集成代码——恰恰是今天的模型最擅长的事情。过去两年我一直身处嵌入式 AI 项目之中，这是我能够亲身作证的变化：过去会吞噬部署开局数周时间的侦察工作——理解他们的系统、追踪他们的工作流、搭建胶水代码——如今对于一位在环中使用 Claude 或 GPT 的创始人来说，只需要一两天的工作。那笔曾支撑 25 万美元项目的工作，正在压缩成一周的专注工作。不是因为问题变简单了，而是因为工作中昂贵的部分——针对陌生系统的资深工程时间——正是 AI 所吸收的部分。
我一直在回到我在上一篇文章中写到的一个悖论。推理成本下降280倍、开源与闭源模型之间差距的消失——这件正在悄然杀死你功能护城河的事——恰恰也是把你变成一个单人前沿部署小组的力量。商品化让你的巧妙AI功能容易被任何人复制，而正是这种商品化让你能够走进客户的烂摊子，在一周内重建他们的工作流程。这是一把双刃剑。大多数创始人只感受到了刀刃的一面。
让我精确地陈述这种不对称性——因为这一论断的粗糙版本是错误的。一家两人的初创公司无法在部署上胜过微软的六千名专家，但它也不需要。记住那条底线：巨头的成本结构使得任何合同价值低于大约5万美元的业务对他们来说都不经济。这条底线就像一堵墙，而他们在墙的另一边。墙下的每一笔交易——那个有3万美元问题的中型市场公司、对Frontier小组来说太小的细分工作流程、永远不会见到DeployCo工程师的客户群体——属于任何能够在那个层级盈利部署的人。AI刚刚把你在那里部署的成本降到了几乎为零。把你挡在他们市场之外的同一套经济学，也把他们挡在了你的市场之外——而你的市场刚刚变得无比巨大。
我认为创始人还没有内化这一点。我们花了两年时间焦虑AI会把我们商品化、夺走我们的护城河。这个故事被忽视的另一半是：AI也把一种曾经只属于世界上资本最雄厚的公司的动作交到了我们手中。巨头们花了二十年时间和90亿美元打造了前沿部署工程师。刚刚成为可能的是他们雇不到的东西：前沿部署创始人——一个从第一天起就亲自执行这个动作、以AI作为整个小组的人。
能够留存的两样东西
便宜只有在你现在负担得起的东西值得拥有时才有意义。所以，在向你展示这个动作在实践中是什么样子之前，先退一步问问：在这个市场中，什么才是真正持久的——因为这才是这个时刻真正重要的原因。
我在上一篇文章中论证了功能不会持久。麦肯锡的判断是，采用一个新AI模型带来的竞争优势只能持续六到八周，之后所有人都会有它。Mighty Capital对578家获得融资的AI公司的护城河进行了排名，功能护城河垫底，数据护城河也仅略高于它们。当模型层每周都在重新定价时，你在其之上构建的任何竞争对手同样可以构建的东西，都不是护城河。它只是一个保质期很短的先发优势。
有两样东西不会商品化。客户对你的信任。以及一个每使用一次就变得更强的分发渠道。这两样都无法被开源、下载，或用一个更好的模型来匹敌。而前沿部署是迄今为止人们找到的制造这两样东西的最便宜的方式。
从信任说起，因为这是创始人最容易低估的一点。看过你演示的客户，和你为其重建了实际工作流程的客户——坐在他们办公室里，实时修复他们那些奇怪的边缘案例，推动他们真正关心的某个指标——这两者有着本质区别。前者只是一个潜在客户。后者是一段关系，而且即使竞争对手拥有更好的模型，也必须从零开始赢得这种关系。你无法靠演示获得这种信任，只能靠部署获得。归根结底，巨头们正在投入的 90 亿美元，赌的是对 AI 的信任是在客户现场建立的，而不是在融资演示文稿里。
然后是分发，这是复利效应发挥作用的地方。每一次前沿部署的构建都同时做三件事。它让你更深地嵌入客户的工作流程——红杉资本的说法是“你的护城河就是你的工作流程；不要构建工具，要构建成果”——这会成为任何单一功能都无法企及的转换成本。它产出一个参考案例：一个有名有姓的客户、一个真实的结果、一个下一个潜在客户的同行愿意为之背书的故事。它还充实你的模式库，让你在同一垂直领域的第二次部署比第一次更快、更便宜，第五次则更快。这正是具备复利效应的分销渠道的定义——也就是我上次告诉你的、真正值得验证的那种“分发防御性”。冷启动外呼式销售随着规模扩大会越来越难。而前沿部署式销售会越来越容易，因为每一次部署都会留下信任、参考案例和可复用的资产，从而降低赢得下一个客户的成本。
所以，这才是这个时刻真正不寻常的原因。不仅仅是因为过去每次部署要花费 25 万美元的模式，如今创始人只需支付一笔 API 账单就能实现。更在于这种新近变得廉价的模式，恰好是在底层技术同时商品化的情况下，构建仅有的两种能够存续的资产的最便宜方式。你得到的不是服务折扣。你得到的是护城河的折扣。
实际运作起来是什么样子
那么，以部署速度制造信任在实践中是什么样子？你不必凭空想象。它已经在公开上演，而最清晰的例子并非某个不起眼的种子期团队——而是一家把这种模式运作得如此出色、以至于这个论点不容忽视的公司。
Sierra，这家客户体验 AI 公司由前 Salesforce 联合 CEO、现任 OpenAI 董事会主席 Bret Taylor 联合创立，在不到两年内达到了 1 亿美元的年度经常性收入。这不是最有意思的部分。有意思的是它是如何做到的。Sierra 卖的不是软件订阅。它将 AI Agent 部署到企业的实际客户运营中，并且只在 Agent 自主解决客户问题时才收费——即按解决付费。如果 Agent 需要转交给人工处理，这次交互则是免费的。
Taylor 有一句话解释了这种结构为何重要：他认为，AI 生产力最基本的单元不是人，而是流程。你卖的不是席位，而是客户工作流程中的一个结果。而只有当你部署得足够深入、足以对这个结果负责时，你才能按结果定价——这意味着你必须嵌入到工作流程之中，而不是站在它旁边。按结果定价与前沿部署工程，原来是同一个理念戴着两顶帽子：如果你没有足够深入地嵌入以交付结果，你就无法令人信服地为结果收费。这使得这种定价模式不仅是一种收入模式，更是一种信任工具——它向客户传递的信息是：“我们对你的结果嵌入如此之深，以至于愿意把我们的收入押在上面。”这正是上一节所说的信任论证，转化成了合同条款。
Sierra 是一家资金充足、创始人知名的公司，所以人们有理由质疑这种模式能否向下扩展。a16z 的数据表明它可以，而且比你想象的更远。那些处理真正复杂工作流程的企业软件初创公司，如今经常在头两年内从零做到 500 万美元、1000 万美元乃至超过 2000 万美元的 ARR，靠的正是这一策略——在早期采用阶段把具备技术能力的人直接派驻到客户那里，攻克艰难的实施环节，然后让合同随之而来。用 a16z 自己的说法，前沿部署工程师是初创公司里最热门的岗位，而不仅仅是在实验室里。
再说一个更低调的版本，也是对你最重要的版本：很多创始人已经在实践这种模式，只是没有给它命名。那位独自创业的创始人，为了拿下最初三个客户，用一个周末亲自为每家客户重建工作流程，驻守在他们的 Slack 里，实时交付修复——这位创始人正在运行的就是前沿部署模式。他只是把这当作“不惜一切代价达成合作”。本系列文章要论证的是，这种不惜一切代价的拼劲并不是一个要成长后摆脱的阶段。只要带着纪律去做，它本身就是战略。巨头们只是给你本来就在免费做的事情贴上了 90 亿美元的价签，并告诉你这是企业 AI 中最有价值的模式。
Forbes 称前沿部署工程师是企业界最昂贵的岗位。但对于把 AI 纳入工作闭环的创始人来说，它可能是你手中最便宜的竞争优势。
为什么是现在——以及为什么窗口会关闭
你可能会合理地追问：如果这条路如此显而易见，为什么不是所有人都已经在做？原因有两个，而这两个原因也正说明这个窗口是真实存在的，但只是暂时的。
第一个原因是，整个行业在过去三年里都朝着相反的方向努力。AI 时代的创业公司默认本能是：先做产品，放一个注册页面，做个演示，然后祈祷。这是 SaaS 的经典打法，而且是一套好打法——适用于“构建才是难点”的世界。但如今构建已不再是难点。当技术层在几天内就商品化时，演示几乎证明不了什么，“我们做出来了”只是入场券，而非成就。价值已经转移到了前沿部署所产出的东西上——一个在客户真实环境中运行的系统、一段关系、一个你已深度嵌入的工作流。而大多数创始人仍在优化那个已经变容易的部分。
第二个原因是，这种动作看起来像是倒着走的。以服务为先——用干净的软件毛利率去换取驻扎在客户楼宇里的苦差事——读起来就像可规模化创业公司的反面。看起来像是变成一家咨询公司。创始人所受的训练恰恰是逃离这种模式。
但这两个原因恰恰正是这个时刻存在的原因——真正的机会总是在它还显得不够体面时就已奏效。不过，我要对自己的论点提出一个反驳：如果 a16z 已经发布了这套打法，而且相关职位招聘增长了 800%，窗口是不是已经关闭了？仔细看看是谁在执行这个动作，以及是什么时候。正在成为主流的版本是招聘趋势——成长期创业公司在 B 轮及以后增加前沿部署团队，因为那时已有营收足以支撑这些薪资。调查数据显示，大约 43% 的前沿部署工程师已经在创业公司工作——但他们是作为员工，在产品市场契合之后才被雇用，就职于付得起薪水的公司。而尚未成为标准的，是本系列所讨论的版本：创始人亲自执行这个动作，从第一天开始，以 AI 作为小队，在还没有人可雇之时。那才是真正的窗口。它不会在人们注意到前沿部署时关闭——它早已被注意到了。它会在“亲自执行”成为默认创业打法之时关闭。复利式的先发优势——早期的口碑案例、可复用的模式、信任——属于那些在它还显得反直觉时就开始行动的创始人。
不过，我想坦诚地谈谈这个陷阱，因为它是真实存在的，而同一篇 a16z 文章对此的直言不讳令人耳目一新。如果你只复制嵌入式工程师那一部分——如果你只吸取“进入客户楼宇”这一课就止步于此——你最终会得到成千上万个定制的、无法维护的部署，却毫无护城河可言。你会变成一家代理公司：忙碌、现金流为正，却永远困在用时间换金钱的交易里。没有产品主脊的前沿部署不是护城河。它只是一份工作。
所以这并不是在主张变成一家咨询公司。而是在主张把部署作为切入点——以此深入真实问题，弄清什么才真正值得构建——然后进行有纪律的工作，把每一次项目合作都沉淀为产品。Palantir 并没有一直停留在服务公司。它把现场工作定价在接近成本的水平，并将其沉淀为以约 81% 毛利率运行的软件。服务是切入点，软件才是业务。这个区别——切入点与业务——才是整场博弈的关键，也是本系列后续内容要探讨的主题。
本系列将要做什么
我花了大量时间近距离观察大型企业实际上是如何采购和部署 AI 的，而最让我印象深刻的是那个现实与创始人所获建议之间的鸿沟。创始人被告知要快速构建、发布、迭代。与此同时，那些拥有最多资金和最好模型的公司却得出结论：制胜之道是放慢脚步，走进客户的会议室，与客户一起构建。应该有人把巨头们花 90 亿美元学到的东西，翻译成一个没有预算的创始人在周一就能实际执行的东西。
这就是本系列的内容。第一篇文章讲的是“为什么”——这个时刻，以及它旨在积累的两种资产。接下来的三部分讲的是“怎么做”。
下一篇是框架——作为创始人，如何运行前沿部署模式而不被定制化工作淹没。我会采用巨头们使用的企业级打法，剔除那些只在财富 500 强规模下才合理的部分，并给出一个为一两人团队设计的版本：如何选择第一个客户、交付切入点，以及——这一步是护城河与外包代理的分水岭——如何把每一次构建沉淀为可复用的产品主干。
然后，为什么这是构建正确产品的最快方式。前沿部署是我上次描述的“合成验证陷阱”的解药。你不再让 AI 去想象你的客户，而是开始在客户真实的工作流中进行构建，使用他们的真实数据和真实边缘案例——那 20% 永远不会出现在演示中、却是唯一具有防御性的部分。
最后，为什么这是新的市场推广方式。以前沿部署构建作为切入点，是种子期初创公司拿下“演示加祈祷”模式无法企及的订单的方式——也是你如何有意牺牲一些早期利润，换取本文所讲的复利式信任与分发渠道的方式。
不过，你不必等到框架出来才能感受这种模式带来的变化。这里有一个你本周就可以做的实验。选一个你通常会发送演示的客户，改为提供这样的方案：把你最糟糕的工作流程给我，再给我一周时间——我会以固定价格在你的环境中重建它，并且无论结果如何，你都可以保留我构建的东西。这就是从业者已经定价在 5,000–10,000 美元的合作模式的创始人版。无论他们如何回答，你都会注意到，当你的请求从“评估我的产品”变成“看它如何解决你的问题”时，对话变得多么不同。这种差异，亲身体会之后，就是本系列的核心论点。
那 90 亿美元是一个信号，而不是策略。真正的策略是：AI 领域最有价值的公司刚刚用他们的支票簿告诉你价值究竟在哪里——而你要做的是，把这些价值瞄准那些没有人在争夺的客户，用一种你现在可以比他们更便宜地运行的模式。
我在哪些地方可能错了？我特别好奇的是，你是否已经在运行一种前沿部署模式，只是没有这样称呼它——通过和客户一起构建而不是向他们推销来赢得客户——以及你在这样做时，哪些地方有效，哪些地方出了问题。回复告诉我。我每条消息都会读，而最尖锐的反驳往往会重塑本系列接下来的方向。
本文是《前沿部署创始人》（The Forward-Deployed Founder）系列的第一部分，该系列隶属于《AI 原生创始人》（The AI-Native Founder）。它建立在《你在验证错误的东西》和《AI 不仅仅改变了我们构建的东西》这两篇文章之上。*
第二部分——《落地、收获、复利：一人团队的前沿部署框架》——即将推出。
如果你是一位用 AI 构建产品的创始人，想就如何运行这种模式交流心得，请回复告诉我你正在构建什么，以及你卡在哪里。