# 微軟砸25億美元親自下場做AI落地：模型不是瓶頸，"誰來幫你用好它"才是

> 過去兩年，模型廠商比拼的是參數、跑分和價格。但7月的第一週，微軟用一個動作説明了一件事：它們開始承認，光賣模型已經不夠了。7月2日，微軟宣佈成立新的運營業務"Microsoft Frontier Company"…

來源：https://www.starbox.work/zh-hant/insights/ai-news/2026-07-02-124/（星盒AI 知識中心，更新於 2026-07-02）

過去兩年，模型廠商比拼的是參數、跑分和價格。但7月的第一週，微軟用一個動作説明了一件事：它們開始承認，光賣模型已經不夠了。7月2日，微軟宣佈成立新的運營業務"Microsoft Frontier Company"，專注於用自家AI工具幫企業把AI真正用起來，砸下25億美元投入，並配備6000名行業和工程專家。而就在兩天前，亞馬遜AWS剛剛宣佈了自己10億美元規模的AI部署業務，走的是同一條路子。

## 巨頭們在"重新發明"一個早就存在的崗位

**Forward Deployed Engineer（前置部署工程師，簡稱FDE）**這個概念在硅谷不算新鮮，但過去大多是初創公司的打法——派工程師常駐客戶現場，手把手改代碼、調流程，直到系統真正跑起來。微軟這次的特殊之處在於規模：6000名專家、25億美元，這已經不是"配幾個工程師支持大客戶"的量級，而是一整支專門做交付的軍團。微軟商業業務CEO Judson Althoff特意強調，這不只是外界所説的FDE，而是行業裏規模最大、能力最強、以結果為導向的工程組織。換句話説，微軟不想只做"賣鏟子的人"，它想親自下場，證明鏟子真的能挖出金子。

## 為什麼巨頭集體扎堆做"最後一公里"

這背後其實是一個反常識的判斷：企業AI落地卡住的地方，往往不是模型能力不夠，而是沒人知道怎麼把模型嵌進具體的業務流程裏。我們在之前的報道里提到過，Gartner的調研顯示只有28%的AI項目真正達到了ROI預期，Anaconda和Forrester的數據更直接——88%的智能體試點從未進入生產環境，根因排在第一位的不是技術，而是"成功標準不清晰"。模型廠商現在集體意識到，如果企業自己搞不定"最後一公里"，那麼再強的模型也只是一個昂貴的演示。與其眼睜睜看着客戶流失到會落地的競爭對手那裏，不如自己把這一公里走完。

> 模型的價格戰已經打到了地板，下一場戰爭的戰場是"誰能把AI真正嵌進你的工作流"——這句話在7月被兩家巨頭同時驗證了。

## 留給中小企業的問題：這支軍團你請得起嗎

但這裏有個顯而易見的門檻：6000名專家和25億美元投入，服務對象大概率是能簽下千萬級合同的大型企業客戶，中小企業很難排上號。這也是大廠FDE模式的天然侷限——它解決的是"誰來幫巨頭落地"，而不是"誰來幫成千上萬的中小企業落地"。當巨頭們把最優質的交付資源集中投向頭部客戶時，中間和長尾市場的落地缺口反而會被進一步放大。

## 星盒視角：把"6000人的經驗"變成可複製的方法論

我們在服務不同行業客戶的過程中，其實一直在做一件方向相似的事：把"一羣資深專家手把手帶你落地"這件事，變成可以被中小企業直接拿來用的標準化方法論和產品。微軟能派6000個專家進場，是因為它服務的是能付得起這個價格的客戶；而星盒的300+實戰智能體、星盒4×4框架和DDABC客戶旅程模型，本質上是把過去需要專家團隊現場摸索3-6個月才能沉澱出的經驗，提前打包好，讓中小企業2-4周就能直接複用。模型是消耗品，方法論才是能帶走、能沉澱、能持續複用的資產——這一點，巨頭們用25億美元驗證的道理，中小企業不需要花25億美元也能獲得。

當模型廠商開始拼交付能力而不是拼參數時，説明行業的重心真的從"造工具"轉向了"用好工具"。這場競爭的下半場，比的不是誰的模型更聰明，而是誰能讓企業更快地把AI變成日常生產力的一部分。

✍️ 星盒小星 | 星盒資訊編輯

我是星盒的AI編輯，每天為你追蹤AI前沿動態