最近 X 上 AI 圈聊得比较热的有几个方向：

1. Anthropic 风头正劲
- Claude Opus 4.7 在多榜上领先，年化收入 ~$300 亿已经超过 OpenAI（~$250 亿）
- 传在关一轮 $300 亿融资，估值奔着 $900B 去了
- 刚发了 Mythos，用来检测真实代码漏洞

2. Google I/O 刚刚开
- Gemini 4.0 要发，Android XR 眼镜也在议程上
- 大家都在盯着能不能翻盘模型竞赛

3. OpenAI 争议与扩张
- 跟 Elon 的官司快出结果了
- 跟 Dell 合作要把 Codex 推到企业本地/混合部署
- 新搞了个 ~$40 亿的企业部署咨询公司（OpenAI Deployment Company）
- GPT-5.5 定位成 proactive agent 底座，主打 coding + computer control

4. Agent 化是最大主线
- Salesforce 搞了 "headless" 架构，直接让 agent 调 API
- Cloudflare + Stripe 发了协议让 AI agent 自主注册账号、买域名、部署应用
- Jensen 在 Dell Technologies World 说需求 "utterly parabolic"，NVIDIA 发了第一款面向 agent workload 的 CPU（Vera）
- 但微软研究员也泼冷水：高级 agent 跑长任务还是不可靠，得有人盯着

5. 监管在收紧
- 微软、Google DeepMind、xAI 都同意在公开发布前把前沿模型交给美国商务部 CAISI 做国家安全审查

6. 其他零散话题
- Meta 的 "Avocado" 模型突然没声了
- BLS 数据开始显示 AI 暴露岗位在消失
- 梵蒂冈成立了 AI 伦理委员会
- 记忆效率优化（省 30% 内存）、self-driving labs 这些研究方向也在冒

整体感觉是：从 hype 到部署的转折点，agent 是共识方向，但可靠性还没到位。Anthropic 和 OpenAI 的竞争周期已经压缩到按周算了。

好的，一个一个来。

戴尔在搞什么

简单说，戴尔在全力押注企业 AI 基础设施，而且业绩已经兑现了。

核心产品：Dell AI Factory with NVIDIA

跟 NVIDIA 联合搞的全栈方案（算力 + 存储 + 网络 + 工作站 + 服务），从边缘到数据中心全覆盖。定位是帮企业从 "AI 试点" 真正跑到 "AI 生产"。目前已经有 5000+ 客户在用。

刚刚结束的 DTW 2026（5/18-21，拉斯维加斯）新发了几样东西：

• Deskside Agentic AI Solutions：本地化 agent 部署方案，主打便宜，号称 3 个月内省下的云 API 费用就能回本（减少 token 用量）
• 下一代 PowerEdge 服务器 + PowerRack：液冷、高密度，专为 AI workload 设计
• AI Data Platform 升级：数据编排和搜索增强，Q2 出
• Jensen 本人到场站台，说需求 "utterly parabolic"

策略主线：

混合 AI（本地 + 云）、数据主权（企业自己控数据）、agentic AI 从 chatbot 升级到自主执行任务。合作方涵盖 OpenAI、Google、xAI。

业绩层面是真金白银：

Q3 FY2026 AI 服务器订单 $123 亿，全年预期 ~$250 亿，YoY 涨 150%+。戴尔认为到 2030 年 AI 基础设施投资可能到万亿级别，而且大部分 workload 其实不在公有云上跑——这就是 Dell 的甜区。

OpenAI 部署咨询公司（Deployment Company）

这个是 5 月 11 号刚宣布的，全名 OpenAI Deployment Company（也叫 DeployCo），本质上就是 OpenAI 自己下场做企业级 AI 落地咨询。

怎么运作：

• 派 Forward Deployed Engineers（FDE） 直接嵌入客户团队，帮大企业把 AI 从实验推到生产
• 模式跟 Palantir 的 FDE 套路几乎一样，高接触、深度定制
• 单子起步 $1000 万+，多年合同可以到几亿美元
• 一开始拿了 $40 亿+ 种子资金，来自 OpenAI 自己 + 19 家投资机构（TPG、Advent、Bain Capital、Brookfield 领投）

还顺手买了家公司：

收了英国的 Tomoro（2023 年成立的 AI 咨询+工程公司），一下子多了 ~150 个有经验的 AI 部署工程师。Tomoro 的客户有 Mattel、红牛、Tesco、维珍航空。

大背景：

OpenAI 今年 2 月已经跟 Accenture、BCG、Capgemini、McKinsey 签了 "Frontier Alliances" 合作推企业平台。现在又自己下场组咨询公司，等于既是模型商，又是系统集成商——直接抢传统咨询公司的 AI 转型生意。

战略含义：

OpenAI 不只是卖 API 了，而是要做端到端的 AI 部署方。这说明他们认识到光有模型不够，企业落地难才是真正的瓶颈。同时也跟 Anthropic 在抢企业客户——现在两边在企业市场的竞争已经白热化。

两条线串起来看挺有意思：戴尔在铺企业 AI 的 "钢筋水泥"（基础设施），OpenAI 在铺 "装修入住"（部署咨询），一个卖铲子一个教你怎么用铲子，都是赌企业 AI 从试点到全面铺开这个拐点。

Deployment Company 才成立 10 天，目前公布的客户主要来自它收购的 Tomoro 已经签下的单子：

已公布客户：

• Virgin Atlantic（维珍航空）：最亮眼的标杆案例。Tomoro 帮他们做了 AI 旅行管家，支持文字/语音/图片输入，能做推荐、订票、改签，已经在官网和 App 上线了，跑在 OpenAI 模型上。

• Tesco（英国最大零售商）：企业 AI 部署系统。

• Fidelity International（富达国际）：AI 运营系统部署。

• NBA：AI 部署系统。

• Red Bull（红牛）：AI 部署系统。

• Mattel（美泰玩具）：也在 Tomoro 的客户名单里。

• Supercell（手游公司，部落冲突那个）：Tomoro 给他们做了游戏内 AI 客服 agent，服务 1.1 亿用户。

一些值得注意的点：

1. 这些客户本质上都是 Tomoro 的遗产——OpenAI 通过收购直接拿到了现成的案例和关系，不是 DeployCo 从零打下来的
2. 已知的客户英国偏多（Tomoro 是爱丁堡/伦敦的公司），美国客户还没大规模铺开
3. 投资方（TPG、麦肯锡、BCG、凯捷等）承诺会帮忙拉 2000+ 企业客户进来，这才是后面的大头
4. 收费不便宜，据传咨询费率 ~$1 万/天
5. 四大咨询里三家站了 OpenAI（麦肯锡、BCG、贝恩），PwC 据说选了 Anthropic

说白了这个阶段还处于 "刚开业挂招牌" 的阶段，真金白银的单子要看投资方能引多少流。Virgin Atlantic 的旅行管家是目前唯一有公开细节的完整交付案例。

好的，拆细了说。

模式：不是纯咨询，是 "驻场做系统"

DeployCo 的核心逻辑是派 Forward Deployed Engineers（FDE）直接嵌入客户团队，不是出完 PPT 走人那种传统咨询。具体做的是：

• 诊断企业哪里能塞 AI
• 重新设计工作流
• 把 GPT 模型跟客户自己的数据、工具、系统接起来
• 搭出能长期跑的生产级 agent 系统

本质是帮垂直行业搭 agent 系统，不是写报告。跟 Palantir 的模式几乎一模一样——靠深度嵌入提高切换成本，客户一旦用上 OpenAI 的定制系统就很难换。

收费怎么收

有三层：

1. 服务费（FDE 驻场费）
- 费率约 $1 万/天/人
- 一个典型项目配 5 人 FDE 团队，总服务费 $200-300 万
- 最低入场门槛 $1000 万+ 起跳

2. 计费模式有三种可谈
- 固定费：一口价，$10M 打底
- 成果/价值分成：比如帮客户省了 $1 亿，OpenAI 抽 20%
- 混合：固定 + 分成 + API/token 费另算

3. API/推理费另算
- 服务费不包 token 消耗，模型调用按标准 API 定价另外收

合同结构

核心套路——Playbook 复用法：
- 第一家客户全价做，摸出一套可复用的部署 playbook
- 后面同行业客户 B/C/D... 改改就能用，成本降 60-70%
- 对 DeployCo 来说越往后毛利越高，对客户来说也没有便宜多少

锁定机制：
- 签的是 "统一体验条款"，不管直接找 OpenAI 还是走 DeployCo，服务口径一致
- 一旦企业的定制 agent 系统跑在 OpenAI 基础设施上，切换成本极高

投资者的协议也很有意思

那 19 家投资方（TPG、高盛、软银、Bain Capital、麦肯锡等）投了 $40 亿+，拿了什么条件？

• OpenAI 保持控股
• 投资者获 保底年化 17.5% 回报，5 年期
• 不管 DeployCo 赚不赚钱，这个回报是保证的——所以 OpenAI 其实承担了相当大的财务压力
• 投资方不光是出钱，还要帮拉客户（承诺引入 2000+ 企业）

简单总结：OpenAI 既卖模型又卖 "怎么用模型的人"。头部大单可以到几亿美金，长期合同绑死，后面同行业复制成本暴降、利润飙升。本质上是在抢埃森哲/麦肯锡的 AI 转型生意，只不过 OpenAI 手里有模型这张王牌。

这个问题挺有意思的，我拆开说。

中国版能不能走通？能，但长得会完全不一样

先说 OpenAI 这套模式的几个前提条件

DeployCo 能跑的核心假设是：
- 客户愿意付 $1 万/天/人 的费率
- 最低单子 $1000 万 起跳
- OpenAI 模型是无可替代的（锁定的基础）
- 有一批能做深度系统集成的 FDE 人才

这四个条件，到中国全部要打折。

中国的现实约束

1. 付费意愿和价格天花板完全不同

中国企业的 AI 预算普遍在几十万到几百万 RMB 级别，$1000 万起跳的单子在海外是 enterprise mid-market，在中国只有头部央企和银行才掏得起。而且中国企业习惯了 "产品+服务" 打包价，纯按人天计费很难走通。

2. 模型层没有绝对锁定优势

OpenAI 在海外的议价权来自 "最好的模型就是我家的"。国内模型层是混战——DeepSeek、智谱、字节豆包、阿里通义、Moonshot 各有千秋，没有一个能说 "你不用我就亏了"。模型不可替代性是 DeployCo 定价权的根基，国内目前没有谁有这个底气。

3. FDE 人才供给侧

国内能做 "驻场 + 读代码 + 改工作流 + 接数据库 + 训模型" 的工程师，基本都在互联网大厂拿高薪，不会愿意长期出差蹲客户现场。OpenAI 目前也只有 150 个 FDE，靠收购 Tomoro 凑的——放在中国，这类人才更稀缺。

4. 企业客户文化差异

国内大企业（尤其央国企）对 "外部工程师嵌入核心系统" 的接受度有限。他们更习惯找信得过的系统集成商做交钥匙工程，数据不出门、人员可控。

但中国市场已经在跑自己的版本了

搜到的信息显示，2026 年国内已经有一批公司在做类似的事，但形态演化过：

中数睿智（号称 "中国版 Palantir"）：
- 核心差异——用 AI agent 自己做 FDE，承担 80% 的标准化工作（需求理解、建模、配置），人类工程师只做微调
- 交付周期压到 1-2 个月（Palantir 传统要 6-9 个月）
- 单工程师覆盖客户数提升 5-10 倍
- 主攻电力、石油、航天、生物医药等央国企
- 已经盈利

智衍星辰（杭州）：
- 也是 FDE 驻场模式，但聚焦中小企业的营销获客场景
- 服务中小企业（20 人+），明显单价低很多

云大厂（阿里、火山引擎、飞书）：
- 走平台化 + 轻咨询路线
- 卖 Agent 中台、一体机、私有化部署
- 驻场是顺便的，不是主业

中国版的真正走向：AI-FDE

这其实是国内比海外更进步的地方——用 AI 代替部分 FDE。

OpenAI 的模式有个根本矛盾：FDE 是人，人是稀缺的、贵的、不能无限复制的。DeployCo 想规模化就得不停招人，毛利会被人力成本吃掉。

中数睿智的做法是把 FDE 的工作拆成标准化部分（80%）和定制部分（20%），前者用 AI 自动化，后者才需要人。这样单子能做小、能做多、能做快。

举个例子，某头部保险公司用了 AI Agent 部署后，理赔初审单日处理从 2000 件 → 15000 件，准确率 97.3%，人力成本降了 60%。

我的判断

纯 OpenAI 模式（高价人肉 FDE + 模型锁定）在中国走不通。 原因不是需求不够，是价格、人才、模型生态三个基础都不对。

中国版的可行路径是：产品化 > 服务化，AI-FDE > 人肉 FDE，行业纵深 > 通用平台。

具体来说：
- 不做 $10M 起的通用大单，做行业标准化产品（金融理赔、能源调度、政务审批等）
- 人只做最后 20% 的定开，前面 80% 用 AI agent 搞定
- 定价从 "按人天" 转 "按效果/按 seat/按调用"，降低客户决策门槛
- 锁定不靠模型，靠场景 know-how + 数据飞轮（这个比模型锁定更牢固）

国内目前最接近这个路子的可能是中数睿智。但说实话，他们都还在很早期，真正的大浪还没来。

对，而且不是因为 to B 更性感，是因为 to B 产品化是这个生态位里唯一能把账算过来的路。

纯服务（OpenAI 模式）的数学问题是：

人天费 - 人天成本 = 毛利天花板 ≈ 人头数

你 150 个 FDE，撑死了做 30 个项目，每个 $10M，一年 $3 亿营收——对 OpenAI 来说这只是 API 收入的零头。要放大就得招人，招人成本线性增长，毛利永远被锁死。这也是为什么 Accenture 做了几十年还是人肉生意，估值永远不如 SaaS。

产品化的数学不一样：

一次建产品 → N 个客户 → 边际成本趋近于 0

中数睿智把 FDE 的 80% 工作用 AI agent 自动化，本质上就是在把 "服务" 拆成 "可复用的产品模块 + 薄定制层"。这样单子小了也能做、多了也能接、不招人也能扩。

to C 搞 agent？现在各家都在试，但付费意愿太差了。to B 的好处是客户的 ROI 能直接量化——"你花 50 万，我帮你省掉 3 个理赔岗，一年回 200 万"，这账 CFO 看得懂。

所以底层逻辑不是 "to B 好"，是 to B + 产品化 = 服务的人肉瓶颈被打掉了，才能真正 scale。这个在 OpenAIDeployCo 身上还看不到，但在国内已经有人开始这么跑了。

哈哈说实话，主要是刚搜的。

刚才你问国内能不能走通的时候，我搜了两轮——一轮中文、一轮英文——拿到了国内目前做 AI 驻场部署的几个玩家情况：中数睿智、智衍星辰、阿里火山飞书那条线，还有那个保险理赔的案例数据。

但也不全是搜的。框架性的判断——比如服务 vs 产品的数学账、中国企业付费偏好、模型层没锁定优势——这些是推出来的，不是搜出来的。算是 "拿到本地化的素材，拿通用的分析框架去拆"。

有些东西不用搜我也大致有感觉，比如央企对外部工程师嵌入核心系统的抗拒、按人天计费在国内走不通这些。但你让我给具体名字和数据，不搜我真不知道中数睿智是谁。

所以回答你的逻辑是：先搜出事实层（谁在做、怎么做、数据是什么），再用结构框架去判断行不行、为什么。 不会假装我知道某个我没查过的公司。