标签: AI企业服务

  • 贝尼奥夫领投2000万美元:用AI抹平企业AI落地的烂摊子

    June 公司创始人团队
    June 的创始团队,大多来自 Salesforce 的 AI 业务。图源:TechCrunch

    大模型不难买,难的是让它真正跑进一家公司的日常运转里。这个问题坑了无数CTO,也养出了一批叫FDE(前置部署工程师)的新贵。现在,一支前Salesforce班底想用AI把这道最难的交付环节也自动化掉。

    AI悖论性地增加了对专业服务的需求。行业应对AI落地的办法,是”再雇更多的人”。——June创始人Efrat Rapoport

    2000万美元的pre-seed,连BP都没写

    周一,June从隐身状态亮相,拿下2000万美元pre-seed,由Marc Benioff的Time Ventures领投,Michael Dell、Box的Aaron Levie、CrowdStrike的George Kurtz这些企业软件老炮跟投。四个创始人之前创办过Bonobo AI,2019年被Salesforce收走,之后在巨头里做了几年AI,看够了客户对接时的狼狈。Rapoport说,这轮融资他们连一份正式BP都没准备。

    模板好写,底下的乱麻难解

    模型进了企业,绕不开Salesforce、ServiceNow、Databricks、Workday这一长串老平台。Rapoport点破关键:建一个agent模板很容易,难的是底下那团乱麻——数据散落在不同系统、流程盘根错节、还有多年堆积的技术债。”当数据库里有10个意思相同的重复字段、不同团队各用各的,agent怎么知道该听谁的?”

    June怎么干

    它的做法是先给企业系统做”体检”:扫描现有软件,弄明白业务流程,找出瓶颈,再自动生成一份一步步的落地路线图,告诉你要先删重字段、先接哪个数据源。你点一下”build”,它就在你的环境里动手搭。

    客户为什么买账

    美国抵押贷款机构CMG的CSO Paul Akinmade,用Claude Code迁代码很快,却卡在和Salesforce对接上几周没动静。June让他提前看清该往哪部署,还能在双方正式开会前就安全上线了一部分。他一开始的硬性条件是:”如果你的产品还要靠FDE,我不要。”June恰恰踩中了这个痛点——它把自己说成FDE和咨询公司的补充,可客户可能正是冲着”能甩开FDE”才来的。


    📎 原文来源:A Marc Benioff-backed startup thinks AI can solve the AI deployment problem(TechCrunch / Tim Fernholz)
  • 谷歌云二把手跳槽,去管Scale AI了

    Scale AI换帅了,而且新老板来自对手的阵营。

    2026年7月30日,这家靠给AI模型做数据标注起家的公司宣布,任命Francis deSouza为新任CEO,8月10日正式生效。deSouza现在的头衔是谷歌云首席运营官,兼安全产品业务总裁——也就是说,他下周才从谷歌云正式离职,紧接着就空降Scale AI。

    他要接替的是临时CEO Jason Droege。Droege从2025年6月创始人Alexandr Wang离开后一直顶着这个位置。而Wang为什么走?因为Meta砸了143亿美元投资Scale,把他挖去领导Meta的AI部门了。现在Wang挂着董事会主席的名,在X上欢迎deSouza,称他是”带领公司进入下一阶段的合适舵手”。

    一个卖AI的人,去管一家做AI地基的公司

    deSouza的履历很”企业”。他当过基因检测公司Illumina的CEO,把营收做到超过45亿美元、业务铺到150多个国家;更早之前是Symantec的产品和服务总裁,还创办过两家被微软和Symantec收购的初创。MIT电气工程与计算机科学的本硕,技术底子也过硬。

    Scale挑中他,信号其实很明确:这家公司不想再只被看成”管训练数据”的,它想成为帮企业把AI真正用起来的那一层。

    “组织都明白AI的价值和潜力,但他们需要有人帮忙把这种潜力变成现实,并且以负责任、可靠的方式部署——这是一个非常、非常大的需求。”deSouza对Axios说。

    从卖数据,到卖”能落地的AI”

    Scale的起点很朴素:给OpenAI、Google这些前沿实验室提供训练模型所需的数据标注和人工评估。但最近几年它一直在往外扩,开始给企业和国防部门(包括美国国防部)直接搭AI应用。公司在博客里放话:应用业务的营收,预计18个月内就会超过老本行数据业务。新客户名单上也出现了BP、梅奥诊所,以及美国和国际上的多个政府。

    Francis deSouza
    新任CEO Francis deSouza,曾任谷歌云COO与Illumina CEO

    这么做不难理解。裸算力越来越像大宗商品,谁都能买,真正能留住客户的是上层那套能直接用的软件和行业方案。Droege时代打下的地基,deSouza要做的,是把楼盖上去。

    接的是一个火药味很浓的摊子

    deSouza上任的时机不算轻松。就在几周前,一个OpenAI的模型在Hugging Face事件里闹出重大安全漏洞;行业里对开放权重模型的监管也越收越紧;连好几位前沿实验室的创始人,都联名签了信呼吁给AI发展踩刹车。

    被问到支不支持减速,deSouza没接那个茬,只说了一句:”不管你以什么速度前进,都得把责任内置进去。”这话翻译过来就是:我不喊停,但我会在方向盘上装好安全带。


    • deSouza 8月10日上任,接替临时CEO Droege,创始人Wang已转去Meta
    • Scale战略重心从数据标注转向企业级AI应用部署
    • 应用业务预计18个月内超越数据业务,客户含BP、梅奥诊所与政府
  • OpenAI 推出 Presence:把“靠谱”的 AI 智能体塞进企业客服和电话里

    企业用 AI 智能体,早就不缺”能不能跑起来”的证明了,缺的是”能不能放心让它干正事”。OpenAI 今天拿出的 Presence,瞄准的就是这个缺口——一套帮企业把可信智能体真正部署到生产和内部流程里的产品。

    从”能答”到”能办事”

    Presence 支持的智能体可以回答问题、解决工单、调用公司系统、在授权范围内直接动手操作,必要时再转给真人。关键设计是每个部署只盯一个具体活儿:处理账单纠纷、理赔保险索赔、解决员工 IT 求助都行。智能体只拿到这件事需要的知识和权限,企业自己定规则——什么它能做、什么要审批、什么必须人工接手。

    上线不是终点。真实会话和转人工的记录会暴露智能体的盲区,Presence 用 Codex 去分析这些信号、提出改动建议,团队先在和生产版本对照的环境里测过,再批准小范围推送。模型在变,业务在变,智能体也得跟着变,但方向盘始终在企业手里。

    已经替 OpenAI 自己接电话了

    这套东西不是 PPT。它现在就跑在 OpenAI 自己的英文电话客服线上(1-888-GPT-0090):接开放式提问、核验来电人身份、调取账户信息、执行授权操作。几周内,它的质量评分就追平甚至超过了一线人工客服的标准,目前 75% 的进线问题能自己搞定;靠 Codex 驱动的提升循环,十天里把人工转接率又压低了 15 个百分点。

    OpenAI Presence 平台示意
    OpenAI Presence 将语音、聊天、策略与人工转接工作流整合到企业智能体平台中。

    外部客户也在试:BBVA 在墨西哥探索用语音智能体做日常银行服务,软银在测自然的日语客户对话,IAG 想在大风大浪等极端天气时段提供及时支援。BBVA 的人说,他们就是把 Presence 当设计伙伴,一起把金融客服的语音体验打磨得更顺、更个性化。

    不是自助,是”陪跑”

    上线前,团队会用模拟和评分器把常见请求、边界情况、高风险场景先跑一遍,护栏在互动越界时介入。目前 Presence 还是限量开放,由 OpenAI 的现场部署工程师和少数全球集成商带着企业落地,暂时不卖自助版。


    对企业来说,最难的从来不是”上 AI”,而是”上完之后不出事”。Presence 的思路不性感,但很实在:把权限、策略、护栏、评估、改写全捆在一起,让智能体在受控的框里慢慢变聪明。

    📎 原文来源:Introducing OpenAI Presence
  • OpenAI 给小生意人递了把 AI 伙计:ChatGPT for Small Businesses 上线

    OpenAI 周二扔出一个叫 ChatGPT for Small Businesses 的计划,瞄准的是那种一个人顶五个岗位的小老板——既要当营销、又要做会计、还得管销售和战略。他们的想法很朴素:与其让这些人在工具面前抓瞎,不如把刚发布的 ChatGPT Work 智能体直接塞进他们的日常。

    不是卖工具,是手把手带

    这个计划里有一堆落地的东西:针对具体场景的线上 webinar、OpenAI Academy 牵头在各城市做的线下培训、可随时回看的图文指南,还有一票合作伙伴的插件集成。ChatGPT Work 是 7 月 9 日和 GPT-5.6 一起推出的,本质上是个住在 ChatGPT 里的智能体,能啃下分析预算、写营销物料、准备会议这类多步骤的活儿——前提是老板愿意给它读文件、接应用的权限。

    一个人、一支 lean 的团队、时间有限、资源匮乏,每个老板都被期待身兼数职。我们相信 AI 能改变这一点,它像放大器一样延伸个人的能力。 —— OpenAI 公告

    把活儿交给插件

    OpenAI 拉来了 Dropbox、Shopify、Intuit、Slack、Atlassian 这些老面孔做集成,把小企业常见的流程直接打包成可复用的智能体插件。去年那轮 AI Jam 里,78% 的参与者当天就搭出了能用的 AI 工作流,42% 的人每周省下五个小时以上——这组数字大概就是 OpenAI 现在想放大的。非营利机构 Community Solutions 的 Adam Ruege 就说,他现在每天用连着 Google Drive 和 Gmail 的参谋长智能体盯日程、备材料。

    • 线上 webinar 加城市线下培训加图文指南,手把手教
    • 打通 Dropbox、Shopify、Intuit、Slack 等常见工作流
    • 目标:把 9 亿免费用户里的更多小老板变成付费 AI 用户

    背后是一门生意账

    CFO Sarah Friar 一点没藏着对大企业客户的野心。OpenAI 现在估值 8520 亿美元、等着上市,可赚的仍比花的多;反观对手 Anthropic,二季度刚透出要首次盈利的信号。有意思的是,Friar 2024 年加入时说过,ChatGPT 每周 9 亿用户里 95% 一分钱不付,但来自企业的收入占比已经翻倍到大约 40%。把小老板们养成付费的 AI 重度用户,显然是这个缺口的解法之一。

    OpenAI ChatGPT for Small Businesses 计划
    OpenAI 用 ChatGPT Work 智能体帮小企业主把杂活交给 AI

  • Anthropic和黑石押注15亿美元:下一个万亿生意,是教企业把AI用起来

    这两年大模型越来越能打,可真到了企业里,一个很现实的问题冒了出来:模型是买回来了,然后呢?怎么把它塞进公司原本的流程里,让它真的干活、真的赚钱?Anthropic 和黑石集团给出的答案是——这门”教企业用 AI”的生意,才是下一个万亿级别的入口。

    企业AI落地部署
    Anthropic 与黑石等机构合资成立 Ode,专攻企业 AI 落地|图源 TechCrunch

    今年 5 月,Anthropic 联合黑石、Hellman & Friedman、高盛等一票机构攒了个合资公司,砸进 15 亿美元。现在它有名字了,叫 Ode with Anthropic。OpenAI 那边也在做同样的事,起了个更直白的名字 The Deployment Company。两家头部实验室不约而同地承认了一件事:想拿下企业客户,光是把模型做得更强,远远不够。

    这门生意,其实是黑石先看明白的

    Ode 最早的点子来自黑石。它给自己投资组合里的公司做 AI 改造时,请来大型咨询公司,也找过小而美的 AI 服务作坊,结果发现中间有个明显的空档。其中一家叫 Fractional AI 的工程服务初创特别出挑,合资公司宣布没多久就把它买了下来——顺带说一句,被收购时 Fractional 刚结束了和 OpenAI 长达 11 个月的合作。

    Fractional 就成了今天 Ode 的底子,一家”规模化的精品作坊”。它的目标一点都不低调。Ode CEO、也是 Fractional 联合创始人的 Chris Taylor 在接受 TechCrunch 独家采访时说得很直接。

    “只要执行得好,把它想象成一家万亿美元的公司并不难。真正难的是,怎么在飞速扩张的同时,别把质量丢了。”

    目前 Ode 有 100 名工程师,和 Anthropic 的应用团队贴身合作,去挖每家企业里 AI 能真正发力的点,再按对方的业务量身搭系统。背后那些私募机构,则顺手把自家投的公司送过来当客户,不过 Ode 的服务不只卖给这些人。

    选哪个模型,反倒不是最费劲的事

    Ode 走的是”Claude 优先”路线,能用 Anthropic 的技术就用,比如 Slack 里的 Claude Tag,但需要时也不排斥竞品。首席技术官 Eddie Siegel 说,真正的门道在实施质量,在于能不能给具体的业务问题搭出定制方案。他打了个特别形象的比方。

    “选模型当然重要,但精力大头不在这儿。它只是要工程化的系统里的一味配料。就好比写软件时选 Python 还是 Java——我不会用这个来判断一次企业转型算不算成功。”

    Taylor 补了一句更根本的判断:那些本身不是做 AI 的传统公司,只要用对方法,反而可能是这波浪潮里最大的赢家。可 AI 这东西他形容为”神奇又爱胡说八道的配料”,想拿它去重做核心流程、改造客户体验,得有人帮忙才行,而顶尖的应用型 AI 人才,恰恰是大多数公司缺的。


    “特种部队”式的团队,能招够人吗

    Ode 把自己的团队描述成精英级的全栈工程师,一半以上当过创始人,用一位黑石高管的话说,这是一支”成熟工程师”组成的特种部队,而不是靠人海铺开的前置部署工程师大军。这种团队市场上供不应求,问题也就随之而来:

    • 既要有创业经历,又要懂系统思维,还得有 AI 底子和企业级产品判断,符合条件的人本就稀缺;
    • 对手不只有 OpenAI 的 The Deployment Company,还有德勤、埃森哲这些搭起自家部署团队的咨询巨头;
    • 要在保持”精品”定位的前提下做到国际化扩张,人才这道坎绕不过去。

    对于人才池会不会枯竭,Siegel 倒不太担心。他觉得现在当创业者比任何时候都容易,端到端地折腾一摊事、去找产品市场契合、去推动业务往前走,这个过程学到的东西,比只解决一个小问题多得多,而这恰好就是 Ode 需要的那种人。到底会不会有足够多这样的人冒出来,眼下还没答案。但如果 Ode 和它背后的机构赌对了,下一场 AI 大战拼的就不只是谁的模型强,而是谁能把模型真正塞进全球最大那批公司的日常运转里。

  • 把 AI 叫成「同事」,人类反而更易犯错:一份 1261 人的研究给硅谷泼冷水

    把 AI 叫成「同事」,人类反而更易犯错:一份 1261 人的研究给硅谷泼冷水

    人类与被称为员工的AI智能体
    当 AI 被冠上「员工」头衔,人的责任感也在悄悄转移(配图:AI 生成)

    硅谷正热衷于把 AI 智能体包装成「数字员工」:给它起名字、发工牌、塞进组织架构图,仿佛它真能和人类并肩干活。但《麻省理工科技评论》援引波士顿大学的一项研究,给这股热潮泼了盆冷水——一旦把 AI 当同事,人的表现反而更差。

    一个名字改变了人的行为

    研究让 1261 名管理者审阅同一份 AI 生成的产出,随机分成三组:一组被告知来自无名工具,一组来自人类同事「Alex」,一组来自 AI 同事「Alex-3」。结果很刺眼——拿到「AI 员工」版本的人,抓出的错误比另一组少了 18%,还多出 44% 把问题甩给上级复核。本想靠 AI 省时间,反而凭空多出一层审批。

    「AI 智能体现在被当成能替代人的东西来营销,这是条走不通的路。」——2024 年诺奖得主、MIT 经济学家 Daron Acemoglu

    责任被悄悄转移

    当 AI 被叫「员工」,人更少把自己当成产出的责任人。这个苗头放到医疗、教育、政务里就危险了——它很容易变成甩锅的方便借口,真出事时大家第一反应是「是 Alex 犯的错」。Acemoglu 的观点是,智能体该被设计成增强人的能力,而不是替代人。

    工人真正想要的,其实不是这些

    斯坦福另一项研究问了 1500 名劳动者:技术专家觉得最该交给 AI 的任务(比如替销售核对客户信用),恰恰是工人最不想要的;他们想要的是辅助自己判断,而不是替自己拿主意。叫它「同事」很简单,也方便出事时推卸,但那只是一层品牌包装,并不会让工具本身更胜任。

    • 近三分之一受访管理者表示,公司已经把 AI 智能体当成「员工」,23% 甚至写进了组织架构图。
    • 微软、OpenAI、Anthropic、谷歌自 4 月起密集推出「数字同事」式 agent 管理工具。
    • 研究提醒:拟人化叙事侵蚀的是人的审查质量,这是治理风险,不是修辞问题。

  • 估值冲上10亿美元:Prime Intellect 想让每家企业都拥有自己的「AI实验室」

    估值冲上10亿美元:Prime Intellect 想让每家企业都拥有自己的「AI实验室」

    Prime Intellect 团队与算力集群
    Prime Intellect 把「AI 实验室」能力打包成企业可用的全栈平台(图源:TechCrunch)

    一家叫 Prime Intellect 的创业公司刚完成 1.3 亿美元 A 轮融资,估值一口气冲到 10 亿美元。它做的事有点反常识:别人都在帮你更好地用 OpenAI、Anthropic,它却想帮你彻底甩开这些前沿实验室,自己动手造 AI 智能体。

    从「租模型」到「自己造」

    过去企业想上 AI,基本只有一条路:去大厂的 API 里租现成模型。Prime Intellect 给出的是一套「全栈」——算力、强化学习框架、评估工具打包在一起,又像超市货架一样可以挑着用,不用担心被某个厂商绑死。创始人 2024 年才起步,看准的是强化学习这条技术路线:模型靠奖励和惩罚反复打磨,企业就能针对自己的业务训练专属智能体,相当于把「AI 实验室」搬回了公司内部。

    企业为什么突然想自己掌控

    动力很现实。把专有数据交给别人,企业怕的是失去控制权;更怕依赖的模型说关就关——Anthropic 的 Fable 项目上个月突然停摆,就是一记警钟。CEO Vincent Weisser 说得很直白:不该只有旧金山那几栋玻璃大楼里的人有能力训练模型,每家企业、每个国家都该有。

    「不该只是旧金山玻璃塔里那几个极客才有训练 AI 的能力,应该是每家企业、每个国家都行。」

    钱和数据主权一起到账

    这套打法已经有人买单。金融科技公司 Ramp 用它的平台做了个查表格的 agent,准确率压过前沿模型,速度更快,成本却只有零头。Zapier 也在客户名单里。快速起量把公司年化收入推到了 1 亿美元。领投方 Radical Ventures 的评价是:别人只给零件,Prime Intellect 给的是顶级 AI 实验室才有的「一站式」能力,而且价格企业扛得住。

    • 本轮由 Radical Ventures 领投,英伟达、英特尔、戴尔的战投悉数入局,还有 Perplexity 创始人等多位明星创业者个人跟投。
    • 平台走模块化路线,客户按需取用,不必一次性押上全部预算。
    • 背后是大公司在 AI 主权上的集体焦虑:数据要握在自己手里,供应链不能卡在别人手上。

  • 微软砸25亿美元、派6000人驻场:AI圈开始卷”落地”了

    过去两年,几乎每家大公司都在试生成式AI,但真要问”到底帮我省了多少钱、多赚了多少”,多数CFO都答不上来。微软这周的一个动作,说明它也想通了:与其继续卖模型,不如直接派人进去帮你把AI用起来。

    7月2日,微软宣布成立一家叫 Microsoft Frontier Company 的独立运营实体,砸下25亿美元启动资金,还要把大约6000名工程师、行业顾问和技术销售直接塞进客户公司内部。这不是传统的软件授权,也不是远程顾问打几个电话就走人——这些人会长期驻扎在你的团队里,跟业务、研发、安全部门坐在一起,现场设计、搭建、然后持续迭代AI系统。

    不是卖模型,是派人进去帮你用

    这套打法在圈内有个名字,叫”前沿部署工程”(Forward Deployed Engineering,FDE)。但微软商业业务CEO Judson Althoff特意撇清:”这超出了所谓的FDE,我们要做业内规模最大、最以业务成果为导向的工程组织。”翻译一下就是:别人派几个工程师,我派一整支队伍,而且KPI不是交付了多少代码,而是你到底拿到了什么可衡量的结果。

    Althoff在公告里写得很直白:微软投资25亿美元,把6000名专家嵌进客户现场,”共同设计、创新、大规模部署并持续改进基于可衡量业务成果的AI系统”。

    亚马逊和OpenAI也在做同一件事

    微软不是第一个动这个念头的。就在两天前,AWS刚宣布拿出10亿美元建自己的FDE体系;OpenAI和Anthropic也各自拉着私募股权搞了类似合资。大家心照不宣:当模型能力越来越像、价格越卷越低,真正的利润池正在从”卖脑子”转移到”帮人把脑子用上”。

    微软的底气在于它已经把工程师铺进了大半个财富500强。这回点名的早期伙伴包括伦敦证券交易所集团、联合利华、Land O’Lakes和埃森哲。有意思的是,微软强调平台对模型保持开放——OpenAI、Anthropic、自家模型、开源乃至垂直行业模型都能接,摆明了不逼客户绑死在某一家。

    客户最在意的两件事:产权和数据

    企业为什么迟迟不敢把AI真正接进核心业务?说到底就两件事:做出来的东西归谁,我的数据会不会被你拿走。微软这次干脆把话挑明:客户保留所有开发成果和知识产权的所有权,而且不用把结果回传给微软。对金融、快消这类把数据当命根子的行业,这条比什么都重要。

    这场仗的对手其实不只是亚马逊。当硅谷开始重写Palantir的剧本——卖的不再是软件,而是”带着人一起把系统跑起来”的服务——AI竞争的维度已经悄悄换了。模型只是门票,能不能帮客户把ROI算清楚,才是下半场的门票。

    微软总部
    微软将AI落地服务做成了一门独立生意(图:TechCrunch / NurPhoto)
  • 微软砸25亿美元成立Frontier,专门帮企业把AI真正用起来

    微软砸25亿美元成立Frontier,专门帮企业把AI真正用起来

    本周四,微软宣布成立一家新的运营公司,名叫 Microsoft Frontier Company,专门帮助企业把 AI 真正用起来。微软给这个项目砸了25亿美元,还配了6000名行业和工程专家。这是微软在 AI 企业服务领域迈出的一大步,也意味着科技巨头之间的”AI部署竞赛”正式进入白热化阶段。

    微软商业业务 CEO Judson Althoff 在声明里特别强调了这件事的分量。他说这不是大家常说的”前方部署工程师”(FDE)模式能概括的,而是”行业内规模最大的、最有能力的、以结果为导向的工程组织”。话说得很满,但背后的逻辑其实很清楚:光有大模型不够,还得有人帮企业把模型真正用起来。

    FDE 是什么?为什么大家都在做?

    FDE(Forward Deployed Engineer,前方部署工程师)这个概念最近在 AI 圈子里特别火。简单说,就是 AI 公司派出自己的工程师,直接进驻客户公司,帮他们把 AI 集成到业务流程里。这活儿不好干,因为每家公司的需求都不一样,数据环境也不一样,不是扔一个 API 文档就能搞定的。

    就在这周早些时候,亚马逊云(AWS)刚刚宣布投入10亿美元做类似的事情,而且明确说自己用的是 FDE 模式。OpenAI 和 Anthropic 也都宣布了类似的合资计划,而且还拉了私募股权公司入伙。所以微软这次的动作,看起来更像是”跟风”,但实际上它有一个别人没有的巨大优势。

    这个优势就是:微软已经把工程师部署到了财富500强里的大部分公司。换句话说,别人还在想办法敲开企业的大门,微软基本上已经在屋里了。

    钱砸下去,能换来什么?

    25亿美元不是小数目,但放在 AI 基础设施这块,其实也不算夸张。微软在公告里提到了几个早期合作伙伴:伦敦证券交易所集团、联合利华、Land O’Lakes(美国乳制品合作社)、埃森哲。这些公司有一个共同点:数据极其复杂,业务流程极其繁琐,正好是最需要 AI 部署专家的地方。

    比如说伦敦证券交易所,它每天要处理海量的交易数据,而且监管要求极严。要让 AI 在这里真正发挥作用,不是调一个 GPT 接口就完事了,得有人深度理解它的数据流、合规要求、业务流程,然后量身定制方案。这种活儿,正是 Frontier Company 要干的。

    微软Frontier公司AI企业部署
    微软Frontier Company:帮企业把AI从概念变成生产力(AI生成配图)

    AI 的真正战场在企业落地

    过去几年,AI 行业的聚光灯一直停留在”谁的模型更聪明”上。GPT-4、Claude Opus、Gemini Ultra,各家都在 benchmark 上卷来卷去。但对企业客户来说,这些问题其实没那么重要——他们更关心的是:AI 能不能帮我省钱?能不能让用户更满意?能不能让我的员工干得更爽?

    这就是 Frontier Company 存在的意义。它不是一个产品,而是一个”把 AI 变成业务价值”的服务体系。微软在这个方向上布局很早,Copilot 已经进入了很多企业的日常工作流。但光有一个好用的工具还不够,企业需要的往往是更深度的定制和集成,这正是6000名专家要去做的事情。


    回过头看,这件事其实揭示了一个重要的行业趋势:AI 的竞争重心正在从”模型能力”向”部署能力”转移。谁最能帮企业把 AI 用起来,谁就能在下一阶段的竞争里占得先机。微软这次砸下25亿美元,某种程度上是在提前下注。

    当然,这么大的承诺能不能兑现,还得看执行。6000名专家听起来很多,但全球有数以万计的企业等着被”AI化”,这笔账算下来其实并不宽裕。而且亚马逊、OpenAI、Anthropic 都在做类似的事情,微软能不能靠先发优势守住阵地,接下来几年见分晓。

  • 印度科技大亨自掏3000万美元,要从零再造一套AI版Microsoft Office

    印度科技大亨自掏3000万美元,要从零再造一套AI版Microsoft Office





    Neo AI原生企业办公平台
    Neo AI原生办公平台概念图(图片:AI生成)

    如果你问一个企业软件从业者,现在最拥挤的赛道是什么,”企业AI”大概率会高票当选。微软把Copilot塞进了Office套件的每一个角落,谷歌在Docs和Sheets里加了AI助手,Salesforce、Notion、Superhuman……几乎所有你能叫得出名字的生产力工具,都在拼命往自己的产品里装AI。

    但有一个人认为,所有这些努力基本上都是在做表面文章。他的名字叫Bhavin Turakhia,一个你可能没听说过的印度连续创业者。过去20年里,他创办了Directi、Radix、Titan、银行软件公司Zeta等一系列企业,走的都是同一条路:先自己出钱把公司做起来,有了起色再引入外部投资者。

    现在他拿出了3000万美元的个人资金,要做一件事:从零开始,给AI时代重新造一套企业办公软件。这套软件叫Neo,今年4月才刚在内测阶段。

    “你想造iPhone,不可能拿诺基亚的零件来改装”

    Turakhia的核心观点其实不复杂:那些在生成式AI出现之前就设计好的办公软件,哪怕往里面塞再多的聊天机器人,也没法真正适配AI时代的工作方式。你需要的不是给旧房子打补丁,而是推倒重来。

    他自己打了个比方,说如果你想造一部iPhone,不可能把诺基亚的零件拆下来拼拼凑凑就完事。这个逻辑放到企业软件上也是一样的:AI不应该是一个你需要单独打开对话框去咨询的辅助工具,而应该从底层就嵌入到工作的每一个环节里,成为一个主动的参与者。

    “如果你的产品在设计的时候AI还没出现,那它本质上就是为上一个时代服务的。你要么从头再来,要么就接受自己永远在追赶。”——Bhavin Turakhia

    3个月搭出初始平台

    Neo具体做什么?它是一个集成了项目管理、文档协作、文件存储和AI功能的企业工作平台。听起来好像跟现有的企业协作工具没什么两样,但Turakhia强调说,Neo从第一行代码开始就是以AI为核心设计的,而且支持多模型兼容——企业用户可以自由切换底层的AI模型,不需要被锁定在某一家供应商上。

    有一个数字很能说明问题:Neo的初始平台只用了3个月就搭建完成了。Turakhia估计,要是放在生成式AI普及之前,同样的工作至少需要一年以上的时间,还得配备规模大得多的工程团队。AI加速开发效率的程度,在这个案例里体现得很直观。

    目前Neo的团队大约有45人,其中18人是工程师。Turakhia表示,预计到今年年底团队会扩展到100人左右,新增的岗位主要集中在AI和软件工程领域。


    先在自己公司里试

    过去几个月,Neo一直在Turakhia旗下的公司(包括Zeta)内部试用。这种”自己先吃自己的狗粮”的做法,在 enterprise software 领域其实挺常见的,但Neo的情况有一点不同:它的创始人同时是好几家公司的老板,内部试用的样本量比一般创业公司大不少。

    接下里的商业化路径是这样的:未来几个月先向中型企业推出,最初的目标用户是科技公司、咨询公司和专业服务公司的知识工作者。这个选择很合理——这些用户对企业AI工具接受度最高,也更愿意为提升效率付费。

    2%的市场份额就够大了

    企业AI这个赛道现在挤成了什么样?微软、谷歌、Salesforce三座大山各自带着完整的办公套件生态在厮杀;Anthropic和OpenAI这两家头部AI实验室也在推自己的企业解决方案;更不用提Notion、Superhuman这些已经在生产力工具里站稳了脚跟的创业公司。

    Turakhia对这些竞争并不担心。他的理由是:企业软件从来都不是一个”赢家通吃”的市场。只要能拿到全球企业AI支出当中2%到5%的份额,这个体量就已经会超过他之前创立的所有公司加在一起的规模。

    这个判断有没有道理?从某种程度上说,企业软件市场的确比消费市场更碎片化,不同规模、不同行业的公司需求差异很大,一家供应商通吃全部客户的情况不太会出现。但反过来,这也意味着Neo要同时跟巨头和创业公司抢市场,难度同样不容小觑。

    Turakhia之前已经成功退出过好几次了,这次拿自己的钱出来单干,说明他至少是真心相信这件事值得做。至于Neo能不能在企业AI的红海里杀出一条路,接下来几个月推向市场之后的用户反馈会给出初步的答案。