7 月 2 日，微软宣布成立 Microsoft Frontier Company，计划投入 25 亿美元，组织 6000 名行业与工程专家，帮助企业将 AI 用到核心业务中。这是微软新设的运营业务。微软商业业务 CEO Judson Althoff 在官方博客中写道：Frontier Company 要做的是"Frontier Transformation"，不仅帮助客户采用 AI，更要"co-design、co-innovate、deploy and continuously improve AI systems at scale"。
两天前，Amazon Web Services 刚宣布投入 10 亿美元建立 AI 驻场工程团队。5 月，Anthropic 宣布与金融机构成立 AI 服务合资公司，媒体也报道了 OpenAI 的类似计划。这些业务沿用了 Palantir 推广的驻场工程师（Forward Deployed Engineer，FDE）模式：工程师直接参与客户项目，解决 AI 在实际业务中的部署问题。几家公司的投入表明，企业部署服务正成为 AI 厂商争取客户的重要手段。
专家参与客户项目，并负责持续改进
微软已有企业服务业务。按 CNBC 的报道，Enterprise and Partner Services 在截至 2026 年 3 月的季度创造了约 21 亿美元收入。新设的 Frontier Company 更强调工程团队直接参与客户业务，并持续改进部署效果。
Althoff 在接受 CNBC 采访时拒绝将 Frontier Company 简单归类为 FDE。"This goes beyond what has been labeled as Forward-Deployed Engineering,"他在博客中强调，"and will be the largest, most capable, outcome-driven engineering organization in the industry."
FDE 模式将工程师派到客户现场，让他们在实际工作环境中理解并解决问题。微软则计划把工程能力、行业知识、组织变革经验和持续改进服务放进同一个团队。按公司的设想，团队会长期参与客户项目，根据实际使用情况调整系统，并用可衡量的业务结果评估效果。
微软在公告中列举了早期案例：伦敦证券交易所集团（LSEG）——将 AI 嵌入 LSEG Workspace，帮助金融专业人士在结构化和非结构化金融内容中进行复杂查询；Land O'Lakes——农业合作社的 AI 转型；联合利华；诺和诺德。微软称，这些客户已取得可衡量的成果。其中，LSEG 的系统会根据客户反馈和实时用户测试持续改进。
多家 AI 厂商在两个月内扩充部署团队
从 5 月到 7 月初，多家公司密集宣布了企业部署业务计划。
5 月 4 日，Anthropic 宣布与 Blackstone、Hellman & Friedman、高盛成立合资公司，专注企业 AI 服务。TechCrunch 援引《华尔街日报》称，该企业估值为 15 亿美元。同一天，Bloomberg 报道 OpenAI 正在为 Deployment Company 融资，方案是以 100 亿美元估值从 TPG、Brookfield、Bain Capital 等 19 家投资方筹集 40 亿美元。
6 月 30 日，AWS 宣布投入 10 亿美元建立内部驻场工程团队，由 AWS Frontier AI 副总裁 Francessca Vasquez 领导。工程师将组成 5 到 6 人的小组参与客户项目，每个项目周期约 45 天，目标是让客户在项目结束后具备独立创新的能力。
7 月 2 日，微软 Frontier Company 以 25 亿美元和 6000 人的规模入场。
Althoff 在博客中这样描述客户需求的变化："Customers have moved well beyond experimentation and understand the importance of adopting AI to transform their business. They are now concentrating on delivering measurable business outcomes and demonstrating a return on their AI investments."
在他的判断中，企业客户已从尝试 AI 转向要求可衡量的投资回报。部署团队因此需要同时具备行业和工程经验，能与客户一起调整现有工作流程。
微软靠现有客户关系和多模型平台争取业务
这些团队的目标相近，资金来源和服务方式却有所不同。
OpenAI 和 Anthropic 选择与私募基金合作，可以分摊部署业务的成本和风险，也能接触基金所投资的公司。两家实验室自身也在筹集大笔资金：OpenAI 于 3 月底宣布完成 1220 亿美元融资，投后估值 8520 亿美元；Anthropic 于 5 月 28 日宣布完成 650 亿美元融资，投后估值 9650 亿美元。
AWS 选择在内部组织团队，并承诺投入 10 亿美元。它强调较短的项目周期，以及让客户在项目结束后能自行开发和改进系统。
微软则计划自行投入 25 亿美元，由新设业务组织团队。Althoff 表示，微软在《财富》500 强企业中已有深厚的客户关系，可以在现有工程师、技术顾问和行业销售的基础上扩展服务。
微软还希望借助平台上的多模型选择吸引客户：客户可以选择 OpenAI、Anthropic、微软自研模型、开源模型或行业专用模型。相比实验室围绕自家模型提供服务，微软强调客户可以按需选择。Althoff 在 CNBC 的采访中直言："Do they snap to one model from OpenAI or one model from Anthropic, or a family of models?"
这让微软有机会在客户更换底层模型时，继续提供部署和运行服务。
Nadella 主张让企业保留自己的知识和 AI 能力
这项业务也呼应了 Satya Nadella 在 6 月发表的文章 "A frontier without an ecosystem is not stable"。
Nadella 的核心论点：在 AI 时代，企业需要建立两种资本——人力资本（human capital）和 token 资本（token capital）。前者是人的知识、判断、关系和模式识别能力；后者是企业自建和自有的 AI 能力。他强调，企业应通过人的判断不断改进 AI，再用 AI 帮助员工工作，让经验和能力持续留在组织内部。
"There is no societal permission for an AI future that hollows out entire industries," Nadella 写道。他把 AI 时代的风险类比为第一波全球化：GDP 数字看起来不错，但整个产业被掏空，后果至今仍在发酵。不能让少数几个模型吞噬所有行业的知识和利润。
Frontier Company 将这一主张落实到服务承诺中：帮助企业持续改进 AI，同时保护客户的数据和知识产权。微软称，不会用客户的数据和 IP 训练模型、削弱客户的独特优势。微软 Frontier Company 官网上最显眼的三句话是：Deep enterprise expertise（深度企业专长）、Connected across your entire stack（贯穿全栈）、Your intelligence, protected（你的智力资产受保护）。其中"保护"被强调为"non-negotiable"。
曾负责美洲和亚洲销售的高管出任总裁，系统集成商参与合作
微软任命 Rodrigo Kede Lima 为 Frontier Company 总裁。Kede Lima 拥有 30 年行业经验，其中过去六年在微软负责美洲和亚洲的销售业务，参与过多次企业技术转型。
他的履历与这项业务的客户服务定位相符。微软的措辞是"enterprise-wide transformations as a sales leader in the Americas and Asia"——重点在"transformation"和"sales"。
微软也将与全球系统集成商合作：Accenture 已宣布成立专门的微软 FDE 实践团队，EY、KPMG、PwC、Capgemini 也都是合作伙伴。合作伙伴的工程团队将补充微软计划投入的 6000 名专家。
扩大部署服务，也考验微软的管理和交付能力
对微软而言，Frontier Company 要解决的是如何把 AI 投入转化为客户愿意持续付费的服务。
模型性能、基准测试和 API 定价仍是竞争的重要部分。对于企业客户，把模型接入工作流程和决策系统也需要大量工程工作。这几家公司的部署计划，正是对这部分需求的回应。
驻场团队有机会积累具体行业的部署经验、知识库和客户信任。如果这些经验能在后续项目中复用，部署业务就可能为微软带来持续优势。
微软也有增加 AI 收入的压力。CNBC 在 7 月 2 日的报道中指出，微软股价年内已下跌 21%，在大型科技股中表现落后。报道还提到 Microsoft 365 Copilot 的采用情况，以及 GitHub Copilot 面对新编码助手的竞争。Frontier Company 为微软提供了扩大企业 AI 服务收入的另一个途径。
6000 人的部署团队也会带来管理和质量控制难题。客户需要针对自身业务定制系统，微软则需要把不同项目中的经验整理成可复用的方法，控制交付成本。这两项要求能否兼顾，将影响业务扩张的速度。
25 亿美元和 6000 名专家是微软公布的投入计划。接下来需要观察的是，团队能否帮助客户稳定运行 AI 系统，并让这些项目带来可持续的收入。
