7 月 2 日，微软宣布成立 Microsoft Frontier Company——一家全新的运营实体，专注于将 AI 系统部署到企业客户的业务核心。背后是 25 亿美元投资和 6000 名行业与工程专家。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 亿美元建立自己的 AI 前线部署工程团队。两个月前，OpenAI 和 Anthropic 分别联手私募基金成立了 AI 部署合资公司，OpenAI 的 Deployment Company 估值 100 亿美元、融资 40 亿美元；Anthropic 的合资企业估值 15 亿美元。加上 Palantir 二十年前开创的前线部署工程师（Forward Deployed Engineer, FDE）模式，一个清晰的行业趋势正在浮现：AI 的价值链重心正在从"造模型"向"驻场部署"迁移。
不是咨询，不是外包，是前线工程
理解 Frontier Company 的关键在于：它不是一个咨询部门。微软原有的企业服务业务（Enterprise and Partner Services）在 2026 年 3 月季度创造了约 21 亿美元收入，但 Frontier Company 的逻辑完全不同。
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."
这句话有具体的含义。传统 FDE 模式由 Palantir 在 2010 年代初期开创——将工程师派到客户现场，在客户环境中就地解决问题。Palantir 的 FDE 最初被部署到美军驻阿富汗基地，因为这个模式的核心前提是：有些问题只有身在其中才能真正理解。但微软设想的 Frontier Company 比这个更大：它不仅包括工程师，还包括具备垂直行业知识的专家、变革管理经验和持续改进能力。它要做的不是交付一个项目然后撤走，而是嵌入客户组织、持续迭代、以可衡量的业务结果为导向。
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。这些都不是"试试看"的试点，而是已经在运行的、不断迭代的生产系统。
为什么是现在：AI 公司集体"上前线"
如果把时间线铺开，2026 年上半年的部署公司浪潮来得密集且同步：
5 月 4 日，Anthropic 宣布与 Blackstone、Hellman & Friedman、高盛成立合资公司，估值 15 亿美元，专注企业 AI 服务部署。同一天，Bloomberg 报道 OpenAI 正在为 Deployment Company 融资，最终以 100 亿美元估值从 TPG、Brookfield、Bain Capital 等 19 家投资方筹集了 40 亿美元。
6 月 30 日，AWS 宣布投入 10 亿美元建立内部 FDE 组织，由 AWS Frontier AI 副总裁 Francessca Vasquez 领导。工程师将以 5 到 6 人的"pod"形式嵌入客户，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。
这不是巧合。Althoff 在博客中解释了背后的市场信号："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."
翻译过来就是：企业客户已经过了"玩一玩 ChatGPT"的阶段。他们需要的是可衡量的投资回报，而实现这一点需要的是人——真正懂行业、懂工程、能坐在客户办公室里一起干活的人。
微软的底牌：自有资金、现有客户和平台锁定
尽管大家都涌入了"前线部署"赛道，微软的打法和其他几家有本质不同。
OpenAI 和 Anthropic 选择与私募基金合作。这个选择的逻辑很清楚：AI 实验室本身是烧钱大户（OpenAI 在 3 月底刚完成 1220 亿美元融资，估值 8520 亿美元；Anthropic 也在寻求 500 亿美元融资、估值 9000 亿美元），用外部资本做部署业务可以分摊风险和成本。PE 的投资组合公司还能提供现成的客户渠道。
AWS 选择内部化，10 亿美元代表的是内部资源调配而非外部投资。但 AWS 的 FDE 组织强调快节奏和客户自给自足，更像是一种技术赋能服务。
微软的选择是用自有资产负债表出资 25 亿美元，建立一个独立的运营实体。这意味着 Frontier Company 没有外部 LP 的回报压力，可以更长期地嵌入客户。Althoff 说得很直白：微软在 Fortune 500 中已有深厚的客户关系，Frontier Company 不是从零开始，而是将已经存在的工程师、技术顾问、行业销售进行整合和升级。
另一个差异化武器是平台。微软的 AI 平台天然是多模型的——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。这与 OpenAI Deployment Company 天然偏向自家模型的逻辑有根本区别。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?"
这是一种巧妙的竞争定位：微软不要求客户在模型上站队，它要求客户在"谁来帮我落地"这件事上站队。
Nadella 的思想框架：前台是工程，后台是哲学
Frontier Company 的成立不是孤立的商业决策。它背后有一套完整的认知框架，来自 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。关键不是选哪个模型最强，而是建立一个"学习循环"——人的判断驱动 AI 改进，AI 又反过来放大人力资本。
"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 就是这套哲学的执行层。它的价值主张不是"帮你用上最好的 AI 模型"，而是"帮你的组织建立自己的 AI 学习循环，同时确保你的数据和 IP 不会变成别人的竞争力"。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"。
领导层：一个熟悉企业战场的人
微软任命 Rodrigo Kede Lima 为 Frontier Company 总裁。Kede Lima 在微软工作了六年，先后领导过拉丁美洲和亚洲业务，之前有 30 年的行业经验。他不是一个 AI 研究员，而是一个经历过多次企业级技术转型的销售和运营领导者。
这个选择本身就有信号意义：Frontier Company 需要的不是模型科学家，而是理解企业客户如何从技术投资中兑现业务成果的人。微软的措辞是"enterprise-wide transformations as a sales leader in the Americas and Asia"——重点在"transformation"和"sales"。
同时，微软还拉上了全球系统集成商的生态：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。这意味着 Frontier Company 的 6000 人只是微软直属部队，外围还有更大规模的合作伙伴工程师可以被动员。
真正的赌注：交付能力才是新护城河
如果把 Frontier Company 仅仅理解为一个大型咨询部门，就错过了这个动作的深层含义。
过去两年，AI 行业的竞争集中在模型的参数规模、基准测试得分和 API 定价。但随着 GPT-5 级模型的能力趋于收敛、开源模型快速追赶，模型本身的差异化正在缩小。当几个头部模型的能力差距不再是决定性因素时，谁能把 AI 真正嵌入企业的工作流、业务流程和决策系统，就成了新的竞争壁垒。
这就是为什么所有 AI 巨头都在赌"前线工程"。模型可以复制，但 6000 个坐在客户办公室里、理解具体行业痛点的工程师——以及由此积累的部署经验、行业知识库和客户信任——是无法轻易复制的。
微软的赌注还有一个迫切的内因。CNBC 指出微软股价今年已下跌 21%，是大型科技股中表现最差的。Microsoft 365 Copilot 尚未在企业市场获得广泛采用，GitHub Copilot 的编码助手市场份额也在被新玩家侵蚀。Frontier Company 可以看作微软试图将 AI 投资转化为实际收入增长的一次系统性努力。
当然，这也意味着巨大的执行风险。6000 人的前线部署团队对管理和质量控制提出了极高要求。Frontier Company 既要保持"嵌入客户"的灵活性，又要维持可重复的方法论和规模经济——这是一对天然矛盾。Palantir 用了十年才把 FDE 模式打磨到可规模化，微软能否在更短时间内走通这条路，仍是未定之数。
但方向是明确的。当 AI 行业把 25 亿美元和 6000 人押在"上门服务"上，说明一个基本判断已经形成：大模型的竞赛正在收尾，AI 产业真正的硬仗，是能不能用好人。
