计算机行业动态点评：OpenAI与Anthropic加码企业AI部署，模型竞争进入“重交付”阶段

行业研究 / 计算机 / 证券研究报告 挖掘价值 投资成长 计算机行业动态点评 OpenAI 与 Anthropic 加码企业 AI 部署：模型竞争进入“重交付”阶段 2026 年 05 月 17 日 【事项】  Anthropic 于 5 月 4 日宣布与 Blackstone、Hellman & Friedman、Goldman Sachs 共同成立 AI 服务公司，面向中型企业推动 Claude进入核心业务场景。General Atlantic、Leonard Green、Apollo、GIC、Sequoia 等参与支持。官方未披露交易规模；据 WSJ 报道并由 Reuters转述，该合资公司规模约 15 亿美元。  OpenAI 于 5 月 11 日宣布成立 OpenAI Deployment Company（部署公司），初始投资超过 40 亿美元，由 OpenAI 多数持股并控制。合作方包括 TPG、Advent、Bain Capital、Brookfield 等 19 家投资机构，以及 Bain & Company、Capgemini、McKinsey 等咨询公司。OpenAI同时收购应用 AI 咨询公司 Tomoro，获得约 150 名 FDE（Forward Deployed Engineer，前线部署工程师）和部署专家。据 Axios 报道，该公司以 100 亿美元投前估值融资，投资人获得 17.5%最低回报且利润封顶。 【评论】  为了加速企业级市场落地，大模型公司正在从 API 分发走向重交付分发。 OpenAI 官方将 FDE 定义为把 AI 带入复杂真实场景的关键方式，并强调 FDE 需要进入企业内部，处理权限、治理、合规、遗留系统等现实约束。官方文档显示，FDE 会深入客户组织，与业务负责人、技术负责人、运营团队和一线团队共同工作，围绕 AI 重新设计关键运营流程。 Anthropic 也指出，Claude 进入企业核心运营，需要 hands-on engineering（现场实施）和对企业运行方式的深度理解。这与中国企业软件过去的 To B 落地路径具有相似之处。企业软件进入大型客户和政企客户，往往不只是标准产品销售，还需要实施交付、系统集成、定制化配置和流程梳理。企业 AI 当前强调 FDE 进入客户现场，本质上也是在重新重视这类重交付能力。 Reuters 指出，企业 AI 即使被包装成高毛利软件，仍然依赖劳动密集型、高技能服务。AI 带来的变化在于，AI 有望提升 FDE 的人效，让一个工程师服务更多客户、处理更多场景。 Palantir 长期采用 FDE 模式，将工程师派到客户一线解决复杂场景中的数据、权限、流程和系统部署问题。这说明 FDE 并非 AI 时代的新概念；新的变量在于，模型能力可能提升 FDE 的人效和复用能力。  企业 AI 的瓶颈正在从模型能力转向现场流程和隐性信息处理。 MIT NANDA 报告《The GenAl Divide - State of Al in Business 2025》显示，定制化企业 AI 工具从试点到成功实施存在明显断层，仅 5%能 强于大市（维持） 东方财富证券研究所 证券分析师：罗云扬 证书编号：S1160525030001 联系人：王禹馨 相对指数表现 相关研究 《计算机行业 2025&2026Q1 财报总结：Token 成为刚需，国产化迎供需共振》 2026.05.12 《 Anthropic推 出Claude Managed Agents：解决企业级 Agent 落地难点，平台能力进一步上移》 2026.04.10 《AI 时代，关注结果交付模式》 2026.03.02 《字节发布 Seedance2.0，多模态 AI 产业迎来加速拐点》 2026.02.22 《AI 应用行情演绎，关注场景变革和大厂链》 2026.01.20 -10%0%10%20%30%40%2025/52025/112026/5计算机沪深300敬请阅读本报告正文后各项声明 2 计算机行业动态点评 进入生产环境，核心问题包括上下文记忆不足、无法从反馈中学习。这说明瓶颈已经从模型能力转移到了业务流程重设计。OpenAI CRO（首席营收官）Denise Dresser 指出，AI 已经能在组织内部做越来越有意义的工作，现在的挑战是帮企业把这些系统整合进真正驱动业务运转的基础设施和工作流。 进一步看，FDE 的价值在于进入现场，获取真实上下文。一线工程师在客户现场能接触到真实流程、隐性规则、部门关系、系统边界、数据位置和责任划分。这些信息通常不在文档里，也很难通过远程 API调用获得。FDE 的作用，就是把客户组织里的隐性上下文，转化成模型、系统和流程能够处理的显性结构。  我们认为，AI 进入生产环境后，对现场兜底能力提出更高要求。模型可能生成未经测试、缺少隔离、直接影响生产环境的代码，甚至在出错后仍然坚持判断无误。没有一线工程师介入，很多问题难以及时定位。企业 AI 的关键问题已经不只是模型能力是否足够强，还包括谁来负责测试、隔离、回滚、治理和责任划分。  PE 参与的核心意义，是把企业 AI 部署从外部销售变成股东推动。 PE 是掌握大量被投企业和治理影响力的产业入口。对于 OpenAI 和Anthropic 而言，PE 提供的不只是资金，还包括一批具备改造需求、决策链条可推动、且能够快速试点的企业客户。这也是头部模型厂商选择与 TPG、Advent、Bain Capital、Blackstone、Hellman & Friedman等机构合作的重要原因。 PE 能够解决客户入口问题，但无法替代交付本身。企业 AI 真正难落地的环节，仍然是数据权限、系统接入、流程重构和组织协同。PE 可以推动企业签约，也可以提高 AI 改造优先级，但现场工程仍需要 FDE完成。因此，部署公司能否跑通，最终取决于三件事：可复制的行业模板、稳定的 FDE 供给，以及足够高的人效。 这也是 OpenAI 收购 Tomoro 的核心意义。Tomoro 带来的约 150 名FDE 和部署专家，是 OpenAI 快速补齐企业 AI 交付能力的关键抓手。我们认为，企业 AI 竞争正在从模型能力竞争，延伸到交付能力竞争。谁能更快进入客户现场、重构流程、沉淀方法论，谁就更可能在企业AI 部署中占据优势。 进一步看，模型厂商主导部署公司还存在天然的中立性约束。企业客户往往希望根据场景选择不同模型，而 OpenAI 或 Anthropic 主导的部署公司更希望把项目转化为自家模型消耗。短期看，这有助于模型厂商提升企业端用量；中长期看，客户是否接受单一模型绑定，以及咨询公司和系统集成商能否在多模型环境中保持中立，将决定这一模式的可持续性。  具备现场工程能力的中国软件厂商在 AI 时代价值或被重估。 企业 AI 部署正在重新提升现场工程能力的价值。美国过去二十年的企业软件更强调产品化、标准化和远程交付，但企业 AI 进入核心业务后，重新需要驻场实施、系统集成、流程梳理和组织协调。这与中国软件