标签: AI落地

  • 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)
  • 全美只有约 2000 人干得了这活:AI 行业最抢手的岗位,不是训模型

    企业 AI 落地与前置部署工程师
    企业把模型装进流程,比买到最好的模型难得多|图片来源:TechCrunch / Getty Images

    猎头公司 Christian & Timbers 做了半年调研,得出一个挺刺眼的数字:全美真正具备“行业理解 + 能镇得住客户高管 + 有实打实 AI 落地经验”这三样的工程师,大约只有 2000 人。

    不是有 2000 人可以挖,是总共就 2000 人。

    这份独家给到 TechCrunch 的研究,访谈了 180 家公司的 250 多位 C 级招聘负责人,对 80 位财富 500 强高管做了定向问卷,还聊了 300 多位一线工程师,时间跨度是今年 1 月到 6 月。

    半年时间,招人意向从 5% 冲到 70%

    他们盯的这个岗位叫前置部署工程师(forward-deployed engineer,FDE)——不待在自家办公室写代码,而是直接扎进客户公司里,把模型和软件真正接进对方的业务流程。年初还只有 5% 到 10% 的公司说要招,而且多半只是小规模试点;到第二季度末,这个比例跳到了 70%。几家最大的咨询与服务公司甚至说,FDE 人数得扩到原来的十倍,要按 20 到 100 人的规模组建整建制团队。

    “这个速度我从没见过,企业大夏天的都在抢人。”C&T 创始人 Jeff Christian 这么形容。研究预计,到今年年底 FDE 的需求量会暴涨 2100%。

    Palantir 成了人才池,有客户为了挖人先买产品

    市面上大约有 1.7 万名 FDE,其中相当一部分在 Palantir——这个岗位当年就是它发明的。Christian 说,他的一些客户干脆先买下 Palantir 的产品,图的就是能顺带用上人家的工程师。

    但这 1.7 万人里,够得上“顶级”标准的只是一小撮。所谓够格,如今的衡量口径是能带来“几千万美元量级的 ROI 影响”,可能是营收端的线索生成提速,也可能是替掉整个 FP&A 团队,或者顶替印度那边 2300 名单据处理人员。Ode with Anthropic 的 CEO Chris Taylor 把这个门槛说得更直白:很多 FDE 有能力帮你把 Claude Code 推给全公司用,但能亲手做出你旗舰 AI 产品功能的,没几个。

    今年秋天,华尔街要开始算账了

    抢人抢得这么急,根子在钱。企业过去两年砸下去的 AI 预算,到了要交答卷的时候。

    今年秋天华尔街差不多要开口了:我们给了你们两年时间去搞明白这件事,你们没搞明白,没有 ROI。那我们就要开始惩罚那些花了几亿甚至几十亿却没产出的公司,奖励那些做出来的。

    模型厂商同样在挨这一刀。训练和部署已经烧掉几百亿美元,能不能盈利,取决于技术能塞进多少家企业;而中国那边越来越能打的开源权重模型,还在从下面撬价格。这也是 OpenAI 和 Anthropic 各自成立服务公司的原因——Anthropic 那边是 Ode,OpenAI 那边叫 Deployment Company,两家都塞满了 FDE,任务就是把自家技术铺出去。

    企业开始自己养人,怕的是流程外泄

    有意思的是,从保险、金融科技到医疗、游戏,不少企业宁可自己组建 FDE 团队,也不愿意从 Ode 或 Deployment Co. 那里整包采购。理由很实在:把自家专有业务流程交出去,等于给潜在竞争对手递图纸。Christian 说,大家担心的是“这些 AI 公司拿到流程之后回头跟你抢生意”,而这种担心在很多领域是成立的。Taylor 也开始频繁听到一个新说法——“内部前置部署工程师”。


    • 顶级 FDE 全美约 2000 人,市面总量约 1.7 万,Palantir 占大头。
    • 企业招聘意向半年内从 5%–10% 升到 70%,大型服务商计划扩编十倍。
    • 衡量标准已经从“会用模型”变成“能带来几千万美元 ROI”。
    • 企业倾向自建团队,核心顾虑是专有流程被模型厂商反向吃掉。

    不过这个岗位未必是长期饭票。Christian 自己就泼了盆冷水:也许两年后一切都自动化了,是智能体在自动化智能体,而不是人在自动化智能体。中期他判断需求会从企业软件转向“物理 AI”,比如把人形机器人接进产线;再往后五到十年,FDE 这个角色可能干脆消失。

    所以现在这场抢人,更像是行业从“谁的模型最强”切换到“谁能把模型变成钱”过程中的一段短暂窗口。窗口里,懂业务又会动手的人被抬到了天价;窗口关上之后,被自动化掉的可能恰恰是他们自己。

  • 全美只有2000个这样的工程师,AI公司现在抢疯了

    前置部署工程师成为AI行业最抢手的人才
    企业开始意识到,买到最强的模型只是第一步。图片来源:TechCrunch

    猎头公司 Christian & Timbers 做了一份报告,结论看着有点吓人:全美同时具备行业理解力、能镇得住客户高管、又真正动手做过 AI 落地的工程师,大约只有两千人。

    报告里特意加了一句注解:不是”有两千人可挖”,是”总共就这两千人”。

    这个岗位有个专门的名字,叫前置部署工程师(Forward-Deployed Engineer,简称 FDE)。他们不待在自家办公室写代码,而是直接驻扎进客户公司,把模型和软件塞进对方的真实业务流程里跑起来。这个概念最早是 Palantir 发明的,现在整个 AI 行业都在抢。

    半年时间,需求从”试试看”变成”必须有”

    C&T 这份研究访谈了 180 家公司的 250 多位 C 级招聘决策者,做了 80 位财富 500 强高管的专项调研,还在今年 1 月到 6 月之间访谈了 300 多名 FDE 和应用 AI 工程师。

    年初的时候,只有 5% 到 10% 的公司说要招 FDE,而且基本都是给小规模试点项目配一两个人。到二季度结束,这个比例跳到了 70%。规模最大的那批咨询和服务公司,直接说要把 FDE 团队人数扩到原来的十倍,一支队伍二十到一百人。报告预测,到今年年底这类人才的需求会涨 2100%。

    C&T 创始人 Jeff Christian 的原话是:”这个速度我从没见过,企业大夏天就在抢人。”

    市面上有一万七千人,但能交差的只有一小撮

    报告统计美国市场上大约有 1.7 万名 FDE,其中相当一部分还在 Palantir 手里。Christian 说,他有些客户甚至是为了能用上 Palantir 的工程师,才顺带把 Palantir 的软件也买了。

    但真正被认为”精英级”的,才是那两千人。标准很实在:能给客户带来”几千万美元量级的投资回报”。可能是营收侧的增长,比如把获客链路重做一遍;也可能是成本侧的替换,比如把财务分析团队换掉,或者把印度那 2300 个做单据处理的岗位省下来。

    Anthropic 旗下服务公司 Ode 的 CEO Chris Taylor 把这条分界线说得更直白:

    很多 FDE 有能力帮你把 Claude Code 铺到全公司,但能替你做出旗舰级 AI 产品功能的,非常少。

    华尔街今年秋天要开始算账了

    这波抢人潮背后是钱的压力。行业风向已经从”tokenmaxxing”(比谁烧的算力多)转向”valuemaxxing”(比谁真赚到钱),企业开始认真盯着自己的 AI 支出对不对得上账。

    Christian 预判了一个时间点:

    今年秋天,华尔街大概会说:我们给了你两年时间搞明白这件事,你没搞明白,没有回报。那些花了几亿甚至几十亿却拿不出成果的,我们就要开始惩罚了;做出来的,我们奖励。

    AI 公司自己也在这条船上。训练和部署已经烧掉几百亿美元,前沿模型厂商要走到盈利,唯一的路是把技术塞进尽可能多的企业。而这件事现在还被中国那些越来越能打、价格又低的开源权重模型挤压着。

    所以 OpenAI 和 Anthropic 干脆自己开公司做这门生意——前者是 Deployment Company,后者是 Ode,团队清一色 FDE,任务就是把自家技术铺进企业内部。


    企业宁可自己养,也不愿意把流程交出去

    抢 FDE 的不只是 AI 大厂和大型咨询公司。保险、金融科技、医疗、游戏这些行业的企业都在找。而且越来越多公司选择自己组建团队,而不是从 Ode 或 Deployment Co. 请人。

    理由很现实。Christian 说:

    所有人都担心,一旦把自家专有的业务流程交出去,这些 AI 公司回头就能来跟你竞争——在很多领域这确实会发生。所以把这块肌肉长在自己身上,太重要了。

    Taylor 也提到,他现在听到”内部前置部署工程师”这个说法的频率明显变高了,只是客户还没开始让 Ode 帮忙搭内部团队。

    这碗饭能吃多久,没人敢打包票

    年轻工程师看到这里,可能已经在盘算要不要转型。Christian 却给了一个不太乐观的提醒:

    • 短期:需求真实存在,而且还在往上冲;
    • 中期:重心会从企业 AI 转向物理 AI,比如帮公司把人形机器人接进产线;
    • 五到十年:这个岗位”完全有可能消失”。

    他的原话是:”也许两年后一切都自动化了,是智能体在自动化智能体,而不是人在自动化智能体。这种情况有可能发生。希望它别发生,希望公司里还需要这些人。”

    更麻烦的是,如果 AI 高管们对知识工作的预测成真,那这个逻辑适用于所有白领岗位。C&T 因为专注在高速增长的行业,暂时还没感受到寒气,但 Christian 说,更综合的猎头公司已经明显感觉到招聘需求在放缓。

    跟 AI 沾边的一切都在涨,都有人要。至少现在是。

    “我觉得用不了多久,我们的生意肯定也会受到冲击。”他说。

  • 黑石和Anthropic合押15亿美元:这次赌的不是谁家模型强,而是谁能让AI真落地

    这两年大模型一个比一个能打,可真到了企业里,很多人反而更迷糊了:模型是买回来了,钱也花了,然后呢?大部分公司折腾半天,AI 试点项目最后都卡在”演示很惊艳、上线遥遥无期”这一步。现在有人押了一大笔钱,赌的就是解决这个”最后一公里”。

    企业级 AI 落地服务示意
    押注 AI 落地服务,而不是继续卷模型本身。图片来源:TechCrunch

    这家公司叫 Ode with Anthropic,估值 15 亿美元,今年五月悄悄成立,背后是 Anthropic 联手黑石(Blackstone)、Hellman & Friedman、高盛等一票资本搞的合资公司。它的定位不是再造一个更强的模型,而是专门帮别的企业把 AI 真正用起来。有意思的是,OpenAI 早前也干了同样的事,成立了自己的 The Deployment Company。两家顶级大模型公司不约而同地承认了同一件事:想拿下企业客户,光有更好的模型远远不够。

    这门生意是怎么长出来的

    Ode 最早的点子来自黑石。黑石在给自己投资组合里的公司铺 AI 时发现了一个大坑——请来的大型咨询公司太笨重,小的 AI 服务作坊又不够专业,中间是空的。其中一家叫 Fractional AI 的工程服务创业公司格外能打,于是合资公司干脆把它买了下来,当成整个 Ode 的地基。顺带一提,Fractional 被收购时,正好结束了和 OpenAI 长达 11 个月的合作。

    如今 Ode 手上有 100 名工程师,跟 Anthropic 的应用 AI 团队紧密配合,专门去摸清 AI 能在哪些业务环节真正产生价值,再为每家公司量身搭系统。Anthropic 自己的内部团队则继续盯着那些战略级、使命相关的大客户。

    “如果我们执行得好,把它想象成一家万亿美元的公司其实并不难。”——Ode CEO、Fractional 联合创始人 Chris Taylor

    “特种部队”,而不是一支人海大军

    Ode 挑客户有个硬标准:老板得是真信这套东西的人。Taylor 说,他们接的活儿往往是某家公司 CEO 排在前一两位的头等大事,要么是未来两年最重要的产品功能,要么是要重做公司最核心的业务流程。这活儿不轻,所以团队配置也很讲究——超过一半的工程师本身就是前创业者,被内部叫做”成年人级别的工程师”,是精挑细选的特种部队,而不是靠人头堆出来的前线部署工程师(FDE)大军。

    Ode 走的是”Claude 优先”路线,能用 Anthropic 的技术就用,比如 Slack 里的 Claude Tag,但也不排斥在必要时上竞品模型。首席技术官 Eddie Siegel 的比喻挺到位:选模型就像写软件时选编程语言,重要,但绝不是花力气最多的地方。

    “我不会用一家企业选了 Python 还是 Java,去定义它的转型成不成功。”——Ode 首席技术官 Eddie Siegel


    值得盯着的几个点

    • Ode 的核心信念是:那些非 AI 公司,只要用对方法,反而可能成为这波 AI 浪潮里最大的赢家。
    • 背后的私募资本会把自己投的公司源源不断介绍给 Ode,但业务并不只做这些内部客户。
    • 对手不只有 OpenAI 的 The Deployment Company,还有德勤、埃森哲这些也组建了 FDE 团队的咨询巨头。
    • 最大的软肋是人:顶尖工程人才本就稀缺,想一边扩张一边保住”精品”水准,几乎是道解不完的题。

    说到底,模型这几年跑得太快,企业却没跟上。Ode 赌的不是谁家的模型更聪明,而是有没有人能把这块”会魔法但也会胡说八道”的原料,稳稳嵌进真实业务里。这个判断对不对,接下来两年就能见分晓。

  • 福特把350名老工程师请了回来:AI质检,没那么神

    福特最近干了件挺打脸自己的事。公司高管公开承认,前几年太依赖 AI 和自动化质检系统,结果质量没上去,翻车了。于是他们又把大约350名资深工程师请了回来——有的本来就是福特老员工,有的是从供应商那边挖的。

    首席运营官 Kumar Galhotra 跟记者说的是大实话:福特“越来越依赖自动化质检系统”,但结果“令人失望”。所以公司把技术专家召回来,让他们“在零件还没上生产线之前,就把故障点揪出来”。

    “我们一度以为,喂个设计要求进去就能出好车”

    车辆硬件工程副总裁 Charles Poon 的话更直白:“我们错误地以为,只要把人工智能搬进来、把现有的设计要求喂进去,就能造出高质量的产品。”这话听着像句废话,但恰恰是很多公司上 AI 时的真实心态——以为模型是魔法箱,设计要求一倒进去,好东西自己就出来了。

    “人工智能是个好工具,但它好不好用,全看你拿什么数据训练它。”Poon 后来补了这么一句。福特的坑在于:最有经验的老师傅们在公司把他们知识留下来之前就走了,自动化系统接手的,是一堆还没沉淀好的东西,最后反而把老毛病固化了。

    有意思的是,福特并没有因此把 AI 一脚踢开。这350名被叫做“白胡子工程师”的老将,现在的任务是带年轻工程师、主持设计评审,顺手把那些不好使的 AI 和自动化质检工具重新调教一遍。换句话说,人工不是来替掉 AI 的,是来给 AI 兜底和纠偏的。

    这笔钱,省得真金白银

    效果摆在那儿。CEO Jim Farley 说,保修和召回成本的下降,今年给福特带来了“实打实好几亿美元的成本顺风”。更直观的是,在本周发布的 JD Power 新车初始质量调查里,福特拿下了主流品牌第一——这是它16年来头一回登顶,每百辆车的问题数从193降到了152。


    福特工厂与资深工程师
    福特返聘资深工程师强化制造质量管控(图源:TechCrunch / Getty Images)

    当然,福特依然是全美召回次数最多的车企(2025年创纪录地发了153次召回),公司自己也说召回数有滞后性,得等按新流程造的车占比上来才会缓。但至少方向上,他们认准了一件事:AI 能帮忙,可老师傅脑子里那点“手感”,短时间还替代不了。

    • AI 不是万能药:自动化质检翻车,根子在数据和经验没沉淀好
    • 老师傅回来了:350名资深工程师带新人、修 AI 工具、提前排雷
    • 账算得过来:一年省下数亿美元,质量排名也回了血
  • 福特重新雇佣”灰胡子”工程师,AI质量控制没那么靠谱

    福特最近做了一个看似倒退的决定——重新雇佣350名资深工程师,其中有不少是已经退休的”灰胡子”(gray beard),还有一些是从供应商那边挖回来的老将。原因很简单:AI和质量自动化系统没能交出预期的答卷。

    AI质检,翻车了

    福特首席运营官Kumar Galhotra向记者承认,公司此前”越来越依赖自动化质量系统”,但结果令人失望。所以他们”把技术专家请了回来”,让这些老将在零部件进入工厂生产线之前就找出可能的故障点。

    福特AI质量控制
    AI质检系统未能达到预期,福特转而重新雇佣资深工程师

    福特车辆硬件工程副总裁Charles Poon说得更直白:”我们错误地以为,只要引入人工智能、把设计需求喂进去,就能自动产出高质量产品。”这句话基本上把过去几年业界对AI质检的过度乐观一棍子打醒了。

    “Mistakenly we thought that by just introducing artificial intelligence and ingesting the design requirements that we had, that that would produce a high-quality product.” —— Charles Poon,福特车辆硬件工程副总裁

    不是放弃AI,而是让人教AI做事

    需要说明的是,福特并没有把AI一脚踢开。那些被请回来的”灰胡子”工程师,现在的任务是培训年轻员工,同时重新编程AI工具。换句话说,AI还是要用,但得有人在旁边盯着,告诉它什么是对的、什么是错的。

    这个做法其实挺符合现实——AI在制造业落地的最大问题,从来不是算法不够先进,而是它缺乏对物理世界的”常识”。一个干了30年的老工程师,摸到零件就能感觉到不对劲,AI目前还做不到这种程度的直觉判断。

    钱说了算:召回成本降了

    这套”老将回归”的组合拳,看起来正在产生实际效果。福特CEO Jim Farley表示,保修和召回成本的下降,” literally hundreds and hundreds of millions of dollars of a tailwind for Ford on cost”(为福特带来了数亿美元的 cost 顺风)。

    更有说服力的证据是,在本周发布的JD Power新车初始质量调查(Initial Quality Survey)中,福特在主流品牌里拿了第一。这个调查衡量的是车主购车后90天内遇到的质量问题数量,能拿第一说明”灰胡子”们确实在起作用。


    制造业的AI幻觉

    福特的这个案例,其实是整个制造业过去几年狂热押注AI之后的一次现实检验。疫情之后,美国制造业普遍面临熟练工人短缺的问题,大家都指望AI和自动化来填补这个缺口。但福特的经历说明,至少在目前这个阶段,AI还不能完全替代经验丰富的老工程师。

    这件事对其他行业也是个提醒:AI可以让流程更快,但”更快”不等于”更好”。尤其是在质量控制在制造业这种容错率极低的场景里,人的判断仍然不可替代。