OpenAI抢滩咨询，AI巨头的最后一块拼图

OpenAI 斥资 40 亿美元成立部署咨询子公司 DeployCo，收购 Tomoro，派驻工程师解决企业 AI 落地难题。本文深度解析其商业逻辑、对中国企业的冲击，以及 CMO 和增长负责人的行动框架。

“企业内部有大量的试点，但许多客户看不到明确的价值，部分原因就在于他们缺乏内部专业知识。”

Gartner 分析师 Arun Chandrasekaran 这句判断，像一把刀，扎进了当下所有企业追逐 AI 时最痛的神经。2026 年 5 月，OpenAI 突然宣布成立独资咨询子公司“OpenAI Deployment Co.”（简称 DeployCo），首期注资 40 亿美元，收购应用 AI 咨询公司 Tomoro，并与 TPG、贝恩资本等 19 家投资咨询巨头联手。几乎同时，老对手 Anthropic 也联手华尔街金融巨头合资卖 AI。信号再清楚不过：AI 军火商们发现，真正的金矿不在卖更多的枪，而在帮企业打赢一场场具体的仗。中国老板们必须清醒地意识到，这个拐点将彻底改写 AI 采购、组织能力和竞争格局。

01 从卖弹药到当雇佣军：AI 巨头最深层的焦虑

OpenAI 的每一步，都踩在产业逻辑的断裂带上。两年前，它在资本市场讲的故事还是“通用人工智能”。现在，它讲的是“部署”。

DeployCo 不是普通的投资，而是一家由 OpenAI 绝对控股的子公司。这种股权结构，与 Anthropic 仅做少数股东的合资模式截然不同。OpenAI 要的不是财务回报，而是对“最后一公里”的绝对控制。DeployCo 一出生就带着 40 亿美元的初始弹药，用来规模化扩张和收购——150 名来自 Tomoro 的工程师直接归编，未来还会更多。这些工程师不是坐在总部接电话，而是被嵌入到客户公司的办公室里，成为“前哨部署工程师”（forward-deployed engineers）。

Omdia 分析师 Lian Jye Su 看得很透，他说：“AI 公司正在照镜子，然后决定自己多少想成为 Palantir。”这句话点破了这轮转向的本质。Palantir 从来不是靠卖软件许可证发财，而是靠把技术专家派到客户现场，和政府机构、军方、企业一起解决具体问题，收的是咨询服务费，赚的是端到端的溢价。OpenAI 和 Anthropic 突然发现，自己过去那种“把模型放在 API 后面等人来调”的模式，在真正的巨头生意面前，像极了卖铁矿石的，而别人在卖航母。

这一焦虑的根源，在于一个残酷的现实：大模型本身的货币化速度远低于预期。企业客户确实蜂拥而来，但大多停留在“POC 试点”阶段——用 GPT-5 生成几份周报、自动写几行代码，每月账单几千美元，然后就没了下文。Futurum Group 的分析师 David Nicholson 说得一针见血：“真正的收入机会存在于‘橡胶接触到路面’的地方”，不仅在于开发和销售新模型，更在于“真正帮助企业拿起这些花哨的玩具，把它们变成商业价值的人”。

对中国企业的启示在于：不要被“最强大模型”的参数竞赛迷惑。你的竞争对手可能在内部已经悄悄搭了一支“AI 部署特战队”，而你还卡在采购哪个 API 更便宜。

02 Palantir 阴影下的新战场：谁来做 AI 时代的集成商？

OpenAI 和 Anthropic 的集体右转，无意中暴露了 AI 产业的一个权力真空：在芯片、云、模型和应用之间，缺少一个能对企业结果负责的“总承包商”。

过去，这个角色由埃森哲、德勤这类传统咨询公司来扮演。企业花几千万请他们做数字化转型，他们再分包给 SAP、甲骨文和各个 SaaS 厂商。但面对大模型，这套打法失灵了。大模型不是标准化的水龙头，拧开就用。它需要与企业自己的数据、业务流程、遗留系统深度咬合，需要对提示词、RAG 管道、微调策略持续优化，更需要对业务场景的重新设计。传统咨询公司既没有模型层的深度理解，也缺乏对 AI 行为不可控性的驾驭经验。于是，空档出现了。

OpenAI 看到了这个空档，但它选择绕开传统咨询巨头，直接下场。这是一种典型的“软件吃掉咨询”的变体。当年 SaaS 公司用产品替代方案，让埃森哲失去了一部分实施收入。今天，AI 模型公司可能直接用“模型+驻场工程师”的组合，把咨询和软件一起吃掉。

但 Nicholson 也警告了一重风险：这种咨询天然带有供应商锁定倾向。“企业希望将 OpenAI 提供的任何东西与自身已在运行的一切进行集成。”而拥有跨十家供应商集成经验的，往往不是某个模型厂商自身，而是中立的第三方专业机构。OpenAI 的工程师进驻客户后，会不会有意无意地将一切技术选型都导向自家生态？会不会在企业内形成新的“API 绑架”？

这就逼出一个更本质的问题：未来十年，企业需要的到底是一个品牌统一、巨头背书的端到端 AI 包办方，还是一个可组装、可替换的开放式 AI 能力平台？

中国市场上，类似的张力其实已经出现。华为云推出盘古大模型的同时，会搭配专属团队帮企业做行业适配；阿里云一边卖通义千问 API，一边通过瓴羊和阿里妈妈注入数据和运营服务。不少大型央国企在招标 AI 项目时，已经开始明确要求“驻场实施能力”和“行业经验沉淀”。这说明，中国 AI 竞争的下半场，也不再是看谁能发布最聪明的模型，而是看谁能把模型变成一把手工程的交付能力。

03 为什么中国企业更需要“驻场工程师”？

如果只看表面，OpenAI 成立咨询公司像个老套的“软硬一体”故事。但如果把它放在中国企业的现实里来看，你会发现，这就是中国老板们一直在抱怨，却始终没被解决的老大难——“落地难”的终极解法。

中国企业对待 AI 有一个典型的三段式死循环。第一阶段，老板在朋友圈看到“AI 取代 XX 岗位”的爆款文章，焦虑之下叫来技术团队，要求半年内全面 AI 化。第二阶段，IT 部门匆匆采购了市面上最火的模型接口，然后拿着几个 DEMO 向老板汇报，看，我们的报表可以自动生成了。第三阶段，老板发现一线业务根本不用，或者用了反而更慢，因为数据脏得出奇，流程割裂，员工宁可用回 Excel。最后项目搁置，直到下一波焦虑袭来。

Gartner 的 Chandrasekaran 指出了这个死循环的命门：“他们缺乏内部专业知识。”这里的专业知识，不是技术层面的算法理解，而是“如何把一件模糊的、非结构化的 AI 能力，转化为一个确定的、可测量的业务动作”的复合能力。这需要懂业务的人、懂数据的人、懂变革管理的人坐在一起，持续打磨。而大多数企业，这三拨人甚至不在同一个楼层办公。

OpenAI 推出的“嵌入式工程师”模式，就是用外科手术的方式，把这种复合能力直接注入到企业机体里。Tomoro 那 150 名工程师的工作，不是帮你写几行调用 API 的代码，而是驻场和你的一线团队一起，设计、测试并部署投产就绪的 AI 系统。这意味着，他们会坐在你销售总监的旁边，理解客情录入的痛点；会跟你的供应链经理泡在仓库里，用 AI 重新规划库存；会在你的产线上蹲点，把模型和 PLC 控制器连起来。

这种模式的逻辑，在中国同样有效，甚至更为迫切。中国有大量年营收在 10 亿到 100 亿之间的制造业、零售业、服务业的隐形冠军。他们不缺行业数据，不缺真实场景，缺的恰恰是能把场景翻译成 AI 项目、又能把 AI 项目落回业务指标的那个“翻译官”。过去，他们找的是埃森哲、IBM，但这些机构常常给出一套厚重的、脱离一线温度的 PPT 方案。现在，如果有一家像 OpenAI 这样的技术原厂，带着既懂模型又愿意下地干活的专家团队来，合作意愿只会更强。

但这也意味着，中国老板们必须开始思考一个棘手的问题：当 AI 供应商的工程师深度嵌入你的组织，每天进出你的 ERP、CRM、甚至车间，你如何确保自己的核心运营数据和业务逻辑不会被反向吸收，成为供应商训练下一代行业模型的养料？

04 咨询业的地震与 OpenAI 的内部矛盾

OpenAI 成立 DeployCo，不仅是对企业客户出招，更是对传统咨询业宣战。

要知道，就在 DeployCo 成立的同时，OpenAI 还宣布了与 TPG、Advent、贝恩资本、Brookfield 等 19 家投资和咨询机构的合作。这像是一场脆弱的联姻：一方面，OpenAI 需要借助这些资本的资源网络和产业关系去获取大客户；另一方面，它自己的 DeployCo 工程师又会和这些机构自身的咨询业务产生直接冲突。例如，贝恩自己就有 AI 咨询团队，当双方共同面对一个零售集团时，到底由谁来主导方案设计，谁来负责实施，利润如何切分？

Gartner 的 Chandrasekaran 对此直言不讳：“OpenAI 需要在自身和合作伙伴之间划清明确的泳道。”但谁都知道，在真正的利益面前，泳道线很容易变成模糊的虚线。

更深的裂缝在于“供应商锁定”的内在悖论。Nicholson 点破了一个残酷的事实：最有能力把十家不同供应商的产品和谐集成的，只能是独立的第三方。而当一个模型厂商开始亲自做咨询，它天然就有冲动把所有问题都导向自己的模型。哪怕竞争对手在某个特定任务上表现更好，驻场工程师更可能建议：“我们可以通过优化提示词来解决，不必引入外部模型。”久而久之，企业获得的将不是一个最优的 AI 组合，而是一个以某家模型为中心的 AI 围墙花园。这就像当年中国企业用惯了某家云厂商的全家桶，最后发现迁移成本高得吓人。

另一个悬而未决的炸弹是定价和驻场期限。Chandrasekaran 补充说，OpenAI 还需要认真考虑，派到客户环境的前哨工程师到底要待多久，以及如何收费。如果按人天算，很可能价格会迅速攀至顶级咨询公司的水平，让中型企业望而却步。如果按项目效果收费，那意味着 OpenAI 必须为客户的业务结果负责——这在 AI 落地的模糊地带，无疑是一次巨大的风险下注。

反观中国本土的情况，这恰恰也是阿里、华为、百度等 AI 大厂正在积极探索的领域。它们各自都成立了自己的行业解决方案军团，也开始派驻“架构师”和“算法专家”沉到客户现场。但与 OpenAI 不同的是，中国大厂往往采取更生态化的路线：它们一边组建自己的铁军，一边通过伙伴政策，鼓励大量中小 ISV（独立软件开发商）去承接最后一公里的实施。这种“平台+生态”的混合打法，可能比 OpenAI 单打独斗式的重资产咨询更具弹性。对企业的启发是：你完全可以要求供应商明确其服务边界，并保留未来引入其他模型和工具的权利，就像你会要求云服务商支持多云架构一样。

05 中国老板的行动框架：把“驻场”变成自己的肌肉

面对 OpenAI、Anthropic 掀起的“模型+咨询”浪潮，中国企业决策者不能只做一个旁观者或被动买家。以下五个行动点，可以直接进入下周一的管理会。

第一，立刻审计你的 AI 试点清单。按“是否产生了可量化的业务结果”为标准，重新评估所有进行中的 AI 项目。把那些还在纯玩技术花活的 DEMO 果断关停，把资源集中到一两个已经看到早期价值迹象的场景上。用 Gartner 的那句话反问团队：“我们到底是在为焦虑买单，还是在为效果买单？”

第二，设立“AI 落地经理”这一新岗位。这个角色不是算法博士，也不是传统项目经理，而是一个能横跨业务、数据、变革管理的复合型人才。如果外部招聘困难，就从内部选拔最懂业务痛点、又有数字化思维的资深中层，给予充分授权，并让他直接向 CEO 或 CGO 汇报。他的核心 KPI，就是把 AI 的“试点率”转化为“采用率”和“留存率”。

第三，在与任何 AI 供应商的合作合同里，加入“可移植性条款”。明确要求：所有提示词库、RAG 管道配置、微调后的模型权重、数据标注规范，都必须在合同期内以标准格式交付，并允许企业在合同结束后迁移到其他平台。不要轻信供应商的“全家桶”承诺。哪怕选了 OpenAI 这样的巨头，也要保留随时换上备用模型的权利。

第四，主动要求供应商派驻的工程师与你的内部团队形成一对一绑定。这是一次宝贵的学习窗口。不要仅仅把驻场工程师当佣兵用，而是规定他们必须每周给你内部团队做一次技术复盘，每个月联合输出一份业务影响评估报告。目标是在 6 到 12 个月后，你自己的团队能独立接手日常的模型运营和优化。这样，你买的就不是一次性的实施服务，而是一套能留在组织里的能力。

第五，开始积累属于你自己的“专有部署经验”。AI 部署不是写出一次代码就能高枕无忧，它需要持续监控模型漂移、更新知识库、根据业务变化调整指令。在这个过程中产生的文档、脚本、操作手册，都是你未来 AI 竞争力的核心资产。把每一次部署都当成一个“能力沉淀”的战役来打，而不是一笔采购合同。

OpenAI 成立 DeployCo 揭示了一个朴素而有力的道理：未来最值钱的不是 AI 模型本身，而是把 AI 模型变成企业利润的组织能力和工程体系。当世界上最聪明的模型公司都开始卷“干脏活”，中国老板们的唯一正确姿势，就是俯下身去，把 AI 落地这堂必修课，变成公司上下的肌肉记忆。

因为，当竞争对手已经能够用 AI 把门店动销预测准确率提升 15%，或者把客服人力成本砍掉 40% 的时候，任何停留在“我们在测”阶段的理由，都会变成致命伤。