2026年7月中旬最具启示性的AI故事并非新模型，而是两家前沿实验室各自独立地认定：仅靠更好的模型不足以赢得企业市场。Anthropic 推出了 Ode with Anthropic，这是一家由 Blackstone、Hellman and Friedman 和 Goldman Sachs 支持的、估值约15亿美元的实施合资企业。OpenAI 也建立了自己的对应机构 The Deployment Company。两者都基于同一个赌注：下一座巨大的AI价值宝库不在模型层，而在于将模型接入真实企业实际运作方式的、琐碎而依赖人的工作。
对于一个三年来一直把模型质量当作全部竞争所在的行业来说，这是一个值得注意的转折。本文将解释这些机构是什么、实验室为何要建立它们，以及这一举措对AI资金真正来源的启示。
这些机构究竟是什么
两者都是将工程师派驻到客户公司内部的服务业务。Ode with Anthropic 是与主要金融支持方共同创建的合资企业，拥有约100名工程师，其前身是 Anthropic 收购的服务初创公司 Fractional AI，其联合创始人 Chris Taylor 和 Eddie Siegel 现在领导该机构。它的职责不是销售 API 访问权限，而是派驻团队，在缺乏自主能力的企业内部构建、集成和运营 AI。
两大领先实验室都在花钱买进入实施领域的机会
2026年推出了两个前沿部署服务机构，基于同一个赌注：价值在于将模型接入真实工作流，而不仅仅在于模型本身。
- •合资企业估值约15亿美元
- •由 Blackstone、Hellman & Friedman 和 Goldman Sachs 等支持
- •约100名工程师；源自对服务初创公司 Fractional AI 的收购
- •由 Fractional 联合创始人 Chris Taylor 和 Eddie Siegel 领导
- •OpenAI 自己的前沿部署实施部门
- •同样的论点：将工程师派驻到客户内部，而不仅仅是销售 API 访问权限
- •与 Deloitte 和 Accenture 等咨询业巨头竞争
- •是实验室向服务收入拓展这一更大趋势的一部分
来源：TechCrunch，2026年7月15日，以及公司声明。数据描述的是 Ode；关于 OpenAI 的 Deployment Company 的细节均基于报道。
OpenAI 的 Deployment Company 从竞争的另一端遵循着同样的逻辑。这种共享模式通常被称为前沿部署工程，它并不新鲜：这是 Palantir 多年来不断完善的打法——让工程师与客户的问题共同生活，而不是交付软件后指望客户自己摸索。新鲜之处在于，两大领先的模型实验室决定直接掌握这种能力，而不是将其留给已经拥有庞大前沿部署团队的 Deloitte 和 Accenture 等咨询业巨头。
实验室为何现在这么做
此举回应了过去两年暴露出的一个问题。企业在 AI 上遇到困难，并不是因为模型不够强大，而是因为企业内部没有人能够将强大的通用模型与数十年积累的、独特的工作流程、数据和流程连接起来。能力强大的模型与被企业真正掌握的业务成果之间的差距，是一个集成差距，而且这个差距很大。
Enterprises do not fail at AI because the models are weak. They fail because nobody inside the building can wire the model into decades of messy workflow.
三种压力使得在当下拥有这一差距变得颇具吸引力。首先，模型层的差异化正在压缩。随着多家实验室聚集在技术前沿附近，且强大的开放权重模型不断改进，原始模型在价值中所占的份额越来越小，也更难维持溢价。其次，服务收入是持久且可扩展的，这是转售 API 所不具备的：一旦你的工程师嵌入客户的运营中，关系就会加深，转换成本也会上升。第三，它将一项支持成本转化为利润中心。实验室本来就在为拿下大客户进行大量的手把手支持；将这项工作正式化为一家公司，就把这种必要的工作变成了一门生意，并引入外部资本来资助其扩张。
不带吹捧也不带讥讽地解读这一战略
目前有两种看似顺理成章的叙事，但都过于简单。乐观的说法是，实验室只是在客户所在之处与他们会合，而嵌入式专业知识是让 AI 真正创造价值的诚实方式。讥讽的说法则是，模型业务正在商品化，因此实验室正退守到利润率更低的咨询业务，因为软件护城河比宣传的要单薄。
更准确的解读则兼具两者。实施环节确实是大量企业价值被释放的地方，客户也确实受益于专家帮助弥合集成差距，这是真实的。同样真实的是，如果模型层的差异化正在收窄，那么涌入服务业正是你所预期的举动，因为当产品本身不再能支撑溢价时，服务业就是你的去处。两者可以同时成立，而耐人寻味的张力在于：同一个举动，在同一个决策中，既表达了对总可触达价值的信心，也表达了对模型层可防御性的担忧。
当然，也有一些值得指出的风险。服务业务靠人而非代码来扩展，因此与软件相比，其利润率更低，运营负担更重。而且，一家既销售模型又为客户部署模型的实验室，处境接近于利益冲突：嵌入式团队显然有动机将每一次合作都标准化到其母公司的模型上，无论这是否最适合眼前的任务。
这对企业采购 AI 方式意味着什么
对于处于接收端的公司而言，即使它们从未聘请这些公司，这些新公司也是一个有用的信号。这个信号表明，难点在于实施而非模型选择，预算和规划应当反映这一点。企业 AI 的持久成本和价值，更多地存在于集成、变革管理和工作流程设计中，而不是在于底层用的是哪款旗舰模型。
这种重新定位还隐含着关于供应商锁定的警示。接受单一实验室的前沿部署团队固然高效，但这往往会让整个组织的标准化建立在那个实验室的技术栈之上——在前沿技术转移、价格变动，或某个任务出现更优模型之前，这一切都很舒适。保持最大话语权的团队，是把底层模型当作可替换组件来对待的团队，他们让集成层——即与自身数据和工作流的连接——独立于任何单一供应商。
这就是模型无关基础设施不那么光鲜的理由。像 Metir AI 这样的平台位于集成层而非模型层，将多家实验室的领先模型汇聚到同一个工作区，团队只需将 AI 接入工作一次，之后便可将每项任务路由到最合适的模型，而无需在前沿或定价每次变动时重新改造管道。拥有这一层，正是公司获取实验室们所追逐的实施价值的方式，同时保留实验室天然倾向于收窄的那种自由。
更大的图景
同一周内两家实验室旗下的实施型业务相继启动，标志着 AI 市场正在走向成熟。故事的重心正从“谁的模型最聪明”转向“谁的模型真正被部署和使用”，而这是一场更偏运营层面的较量。它奖励的是集成、服务，以及将通用工具适配到具体业务上那些枯燥的工作，这也解释了为什么实验室们愿意建立毛利率较低的服务部门来占据这一领域。
对其他所有人而言，启示不在于该聘请哪家业务。而在于：价值已转向实施；实施会产生向单一供应商靠拢的真实引力；持久的优势属于那些自己掌握集成层、同时保持底层模型可替换的团队。最好的模型会不断更迭，而它们所嵌入的工作流才是复利所在。
掌握集成层，保持模型可替换
实验室们的判断没错：价值确实存在于实施之中。能保持话语权的团队，是那些将 AI 接入工作一次、并始终保留替换底层模型自由的团队。Metir AI 在集成层将领先模型汇聚到同一个工作区，让你构建在自己的工作流和数据之上，而不是绑定在单一供应商的技术栈上。免费试用 Metir AI，保留这份与价值相称的自由。
来源：
- Anthropic 与 Blackstone 押注下一个万亿美元级 AI 业务是实施，而不仅仅是模型 | TechCrunch
- Anthropic 以 9650 亿美元估值完成 650 亿美元 H 轮融资 | Anthropic
- Anthropic 超越 OpenAI 成为最有价值的 AI 初创公司 | CNBC
- Microsoft 的 Frontier 计划旨在将 AI 支出转化为可衡量的回报 | Fortune
图片来源
- 主图：位于曼哈顿下城的 200 West Street，高盛总部，Ode 与 Anthropic 项目的金融支持方之一。照片由 Kidfly182 通过 Wikimedia Commons 提供，CC BY 4.0。
- 正文配图：位于曼哈顿公园大道345号的黑石集团总部。图片来源：Americasroof，经 Wikimedia Commons，CC BY-SA 3.0 授权。