OpenAI 的 Colin Jarvis 于 2026 年 9 月 23 日在阿姆斯特丹 HumanX 大会上。
图片来源：ALX MEDIA / HumanX
OpenAI 前沿部署工程负责人周三表示，大多数在企业级 AI 上遇到困难的公司并不是在等待更好的模型。Colin Jarvis 说，在大约 80% 的情况下，问题出在部署上。企业还不知道如何推广 AI、治理 AI，或证明自己可以信任 AI。
总部位于格拉斯哥的 Jarvis 领导 OpenAI 的前沿部署工程师（FDE），他们深入客户公司内部，帮助其模型投入生产。他在阿姆斯特丹的 HumanX 大会上接受了《经济学人》Alex Hern 的采访。
“就我个人而言，我并不觉得在模型开发本身上抢跑有多大压力，”Jarvis 说。
他说，在另外 20% 的情况下，客户表示模型还无法胜任这项工作。如今这些差距已经变得狭窄而专业，例如半导体设计中的某项任务，而不是日常办公工作。
FDE 做什么
Jarvis 说，团队最初主要由软件工程师组成，因为基于原始 API 进行开发意味着一切都要从零写起。借助 Codex 等工具，现在每个项目中大约 50% 是定制工作，而此前约为 90%。这使得招聘方向转向领域专家，包括一位前投资银行家、前科学家和一位芯片验证工程师。
每次合作都从为期两天的走访开始。团队会请业务负责人暂时忽略 AI，说出其业务中最大的杠杆点，然后针对其中 whichever 最重要的那个开展工作。
在一家半导体公司，工程师们可能把 80% 的时间花在处理夜间作业产生的 bug 上，Jarvis 说。OpenAI 构建了一套系统，能够找出根本原因、提出补丁，并在工程师审核后应用。它从一个部门推广到了整个公司。该公司估计每年可节省约 4000 万至 5000 万美元。
其他项目包括一个根据自然语言指令迭代汽车零部件设计的 Agent，是为一家欧洲制造商开发的。另一个项目帮助起草临床试验文件，其中始终由人类负责把关。
为什么试点会失败
Jarvis 指出了两个常见错误。企业选择某个用例是因为它看起来适合 AI，而不是因为它重要。或者，他们在一个部门成功落地了一个不错的用例，但它始终只是一个无法推广的演示。
他说，成功的公司以生产环境中的实际使用来衡量成功，而不是概念验证。一家半导体客户在大约 18 个月后已有约 35 个用例上线。该公司建立了一个中央团队来扩展项目，并在每个业务部门派驻了少量工程师。
Jarvis 说，FDE 的薪酬与使用量没有挂钩。他们的考核标准是项目是否达到生产阶段并推动某个真实指标。当 OpenAI 的 embeddings 对 Klarna 的搜索服务来说速度太慢时，他建议该公司改用开源模型。
“从 OpenAI 的角度来说，我们应该始终保持临时性的存在，”他说。
节奏问题
Hern 指出，随着要求放缓 AI 发展的压力不断增大，Sam Altman 当天正在联合国出席会议。Jarvis 表示，OpenAI 已经表明，当触及自身安全框架的极限时会暂停训练。他说，他认为 OpenAI “在今年 9 月”暂停了其主要强化学习运行。
OpenAI 于 8 月 18 日发布了关于这次暂停的官方文章。文章描述了对最新模型为期两周的强化学习训练暂停，并表示其规模最大的前沿运行计划仍处于搁置状态。Altman 此后表示，OpenAI 将按自己的节奏推进，不会等待国会。
Jarvis 表示，FDE 有助于检验在实验室中构建的安全框架，在混乱的真实企业环境中是否依然有效。
向客户办公室派驻工程师的并非只有 OpenAI。AWS 正投入 10 亿美元采用同样的模式，微软也在 7 月启动了25 亿美元的部署业务。
订阅 TNW 新闻通讯
每周将最重要的科技新闻发送到您的邮箱。