夜雨聆风我是阿超，专注帮企业用AI进行降本增效。今天聊一个这两天刚出的行业数据，它可能是今年对中小企业老板最有用的一个信号。全文2700字左右，阅读完大约需要10分钟。
97.5亿美元，派人上门
前两天我刷到一组数据，硅谷投资人Tomasz Tunguz统计的。过去12个月，全球最有前沿的些批AI公司，一共承诺了97.5亿美元，目的都是同一件事。
不是训练新模型，也不是抢显卡，而是派人上门给企业装AI。
OpenAI更是直接掏40亿美元成立了一家独立公司，名字起得毫不掩饰，就叫部署公司（Deployment Company），专门派工程师进驻客户现场。这家公司还没正经干出什么名堂，投后估值已经140亿美元了。
微软和亚马逊没成立新公司，直接从自己家调工程师，一个掏了25亿，一个掏了10亿。Anthropic也搞了一个，15亿美元，黑石、高盛这种老钱都跑去入股了。谷歌云拿7.5亿设了个伙伴基金。Salesforce更直接，承诺开1000个这类岗位。
OpenAI顺手还收购了一家爱丁堡的咨询公司，150号人，客户名单里有维珍航空、NBA、红牛。
我第一次看到这组数字的时候，愣了一下。
这些公司手里握着全世界最聪明的模型，最后却集体掏出百亿美元级别的钱，去干一件听起来特别不性感的事，派人上门。
这些钱雇的是什么人
这个岗位有个名字，叫FDE，Forward Deployed Engineer，翻译过来是前沿部署工程师。
具体是什么呢？
FDE不是卖软件的销售，也不是远程答疑的客服，是带着AI入职你们公司的人。他会搬个工位坐进客户的办公室，看你们的业务怎么跑，数据存在哪，员工卡在什么地方，然后把AI一点一点装进你们的流程里，装到能跑出结果为止。
你可以这么理解。你买了AI工具，等于买了一套毛坯房。房子是好房子，钢筋水泥都是顶配。但毛坯房住不了人，水电要走，地板要铺，家具得按你家的生活习惯摆。
FDE就是那支施工队。
大厂们花97.5亿美元想明白的事，浓缩成一句话就是，卖房子不如卖装修。因为客户要的从来不是房子，是能住进去的家。
为什么大厂集体想通了
坦率的讲，这波操作背后的逻辑，跟我在一线的体感完全对上了。
瓶颈变了。
两年前大家还在卷模型能力，谁跑分高谁牛。现在GPT、Claude、Gemini这一批模型，对绝大多数企业的日常业务来说，能力已经溢出了。写方案、整理数据、回客户消息，这些活它们早就能干。
但你去看企业那头，完全是另一番景象。
麦肯锡去年调研，88%的企业说自己已经在用AI了，但只有39%能看到利润层面的影响。Gartner更狠，预测到2027年底，超过40%的Agent项目会被砍掉。
用的人很多，赚到钱的很少。
为啥？不是模型不行，是没人把模型装进业务里。
这种事历史上发生过一模一样的一遍。工厂刚通电的那些年，电动机替代蒸汽机的速度慢得离谱。经济学家后来复盘，问题根本不在电机，在于整个工厂的布局是围着蒸汽机的传动轴设计的，不推倒重排生产线，电的好处就释放不出来。
装电机容易，改工厂难。AI现在就卡在改工厂这一步。
我上一篇文章写过，大多数中小企业连数据这关都没过，销售数据在财务那儿，聊天记录在客服微信里，决策在老板脑子里。你把再聪明的AI丢进这种环境，它也只能干瞪眼。
大厂们看明白了，中间缺了落地这个环节，客户就是用不起来，用不起来就不续费。所以他们宁可自己掏钱养施工队。
这不是慈善，是生意。装的过程里，工程师摸透了客户的业务流程，员工被教会了，数据接通了。这时候客户想换一家AI，换的就不是一个软件，是把整个装修砸了重来。谁舍得？
我干的就是这个活
这块我太有体感了，因为我平时干的就是这个。
之前给一个老板做闲鱼矩阵运营发布系统，他们原本五个人的部门，每天的工作我看着都累。复制同行文案和商品图，打开豆包二创，切到闲鱼手动填标题填描述填价格，点发布。一条商品10分钟，一天几十条，三个账号各来一遍，标准的赛博流水线。
我决定用AI把这条流水线自动化。坦率的讲，一开始我也手痒，想直接上手搓一个全能Agent。但最后我做的第一件事，不是打开Codex写代码，而是搬了把椅子，在他们旁边坐了一整天。
就是看。看他们每一步点什么，哪一步在等，哪一步在骂人。
看完我把整个工作流拆成四个环节，商品数据收集、上架发布、消息处理、选品沟通。然后逐个判断，哪些交给AI，哪些必须留给人。
数据散在手机相册和剪切板里，那就先换数据源头，全部集中进飞书多维表格。上架发布是高频、规则死板的体力活，全自动。消息处理做人机配合，AI起草，人确认了才发，涉及退款和价格承诺的，AI不碰，直接通知人接管。选品和客户沟通，完全不动，这是人的判断力，强行自动化要出事。
最后的结果，原来五个人的活，一个人就能盯完，提效80%。
你其实会发现，这整件事里，写代码是最不值钱的环节。真正值钱的是前面那一整天的观察，是拆环节，是判断哪里能自动、哪里必须留人。
是把业务翻译给AI，再把AI翻译给业务。
大厂花97.5亿美元雇的，就是干这个翻译活的人。
雇不起施工队的老板怎么办
看到这可能有老板要说，OpenAI的施工队再好，也轮不到我这种几十人的公司。
没错，大厂的FDE只服务大客户，黑石入股Anthropic的部署公司之后，第一批客户就是自家投的275家公司。人家的施工队，是给豪宅配的。
但这个信号对你反而更值钱。全球最顶尖的AI公司，用97.5亿美元真金白银承认了一件事，AI不是买来就能用的。以后再有人跟你说买套工具就能降本增效，你可以把这个数字甩给他。
雇不起大厂的施工队，解决方法有两个。
第一，自己当半个施工队。不用会写代码，先干我上篇文章说的那几件事，每天把经营数据填进表格，开会录音留纪要，客户聊天记录每周归档，把你脑子里的判断标准写下来。这就是在给未来的AI打地基。
第二，找小施工队。市面上已经开始出现服务中小企业的独立部署者了，一个人或者一个小团队，干的就是FDE的活，收费是大厂的零头。比如阿超我，就属于这一类。
不管走哪条，有个原则你得记住，别一上来就想搞全自动的万能AI。
一家30人的销售公司，最值得先做的不是什么智能销售Agent，而是三件小事，把客户字段统一了，让AI自动生成跟进纪要，到点提醒下一步动作。先让AI在一个小场景里跑出结果，再谈扩大。
小切口，快见效，能验收。这是我自己交付时的铁律。
会装AI的人，比会做AI的人稀缺
回到开头那97.5亿美元。
我越琢磨越觉得这笔钱标记了一个转折点。上半场大家拼的是谁能做出更聪明的AI，这一局基本打完了。下半场拼的是谁能把AI装进千千万万个具体的业务里。
模型会越来越强，也会越来越便宜，会做AI的人已经不缺了。
接下来两年，最稀缺的是会把AI落地到真实业务场景中的人。
而对老板们来说，最值钱的能力，是分得清自己缺的到底是房子，还是装修。
