AI 大廠也下場駐場了:OpenAI Presence 與 FDE,企業 AI Agent 落地該找誰?

TL;DR:2026 年 7 月,連 OpenAI 都親自下場做交付了——它把自家交付團隊命名為 Forward Deployed Engineer(FDE,駐場工程師),並於 7 月 22 日推出由 FDE 主導的託管交付產品 Presence。這意味著企業落地 AI Agent 不再是「自建 vs 採購」的二選一,而是三選一:找大廠駐場(如 OpenAI Presence)、自建團隊、或找獨立中立實施夥伴。怎麼選,取決於三件事——你要多少控制權、能承受多大的廠商鎖定風險、以及有沒有把 Agent 送進生產的評估與治理能力。下面逐一拆解。

OpenAI Presence 是什麼?和直接調 API 有什麼區別?

一句話:Presence 是 OpenAI 的託管交付服務,幫企業把 AI Agent 真正部署上線,而不是把 API 丟給你自己拼。據 The Register 的報道,Presence 於 2026 年 7 月 22 日釋出(OpenAI 官方公告同日,《Introducing OpenAI Presence》),首批場景聚焦客服、外呼銷售、以及高風險的內部工作流,覆蓋語音與聊天兩種互動。

和「直接調 API」最關鍵的區別在交付模式。The Register 明確寫道:

Deployments are led by OpenAI Forward Deployed Engineers and select global systems integrators. Presence is not yet available as a self-serve product.

翻成落地語言:它不是自助產品——不是你申請個 key、讀文件、自己接就完事,而是由 OpenAI 的駐場工程師和指定的系統整合商帶著做。這本身就是一個訊號:把 Agent 從 demo 推到生產,光有模型 API 遠遠不夠,中間那段「髒活」需要有人駐場幹。

Forward Deployed Engineer(駐場工程師)到底做什麼,企業為什麼需要?

FDE 的核心職責,是站在你的業務現場,把通用模型能力翻譯成能跑在你真實流程、真實資料、真實合規約束裡的 Agent——梳理場景、接系統、設護欄、調評估、盯上線後的表現。它填的正是「模型很強」和「業務真的用起來」之間那道最容易翻車的溝。

值得注意的是,這個角色如今已被行業頂格背書。據 The Register,OpenAI 內部承擔交付的部門就叫 "the OpenAI Deployment Company and Forward Deployed Engineers",去年才首次成立。也就是說,連模型能力最強的一方,都判斷「必須有人下場駐場交付」——這從外部驗證了 FDE 模式並非某家實施公司的自我包裝,而是企業 AI 落地的結構性需求。

(關於 FDE 到底如何按價值交付、與傳統外包有何不同,我們在《什麼是 AI FDE:按價值交付》裡有完整定義,這裡不再複述;本文關注的是本週新聞帶來的新變數。)

為什麼連 OpenAI 都親自下場做交付了?

因為純 API 賣不動「落地」。模型再強,企業買回去也不會自動變成上線的業務系統;這中間的實施缺口,大到 OpenAI 只能自己補。

兩條來自 The Register 的事實說明了這個轉向:其一,OpenAI 在 2026 年 5 月收購了諮詢公司 Tomoro,以此擴編 FDE 交付團隊——一家模型公司去買諮詢團隊,方向再清楚不過;其二,如前所述,Presence 至今仍不是自助產品,必須由 FDE 和系統整合商主導交付。

而且落地本身沒有想像中樂觀。The Register 引述 Gartner 的判斷:到 2027 年,計劃把客服轉向 AI 的組織里,約有一半會放棄該計劃;分析師 Kathy Ross 的原話是「it is not a panacea… The human touch remains irreplaceable」(它不是萬靈藥……人的介入仍不可替代)。換句話說,把 Agent 送進高風險場景,失敗率高、需要真功夫——這恰恰是「有人駐場」比「發個 API」更值錢的原因,也是 6AM 一貫的判斷:落地是工程問題,不是買模型的問題。

大廠駐場 vs 自建團隊 vs 獨立實施夥伴:企業 AI Agent 落地怎麼選?

先給結論:沒有絕對最優,只有和你處境匹配的選擇。把三條路攤開對比:

維度	大廠駐場(如 OpenAI Presence)	自建團隊	獨立中立實施夥伴(6AM 定位)
交付方式	FDE + 指定系統整合商主導,尚非自助產品	內部招人自研,從零搭	FDE 式駐場,按價值交付
模型中立性	繫結該廠模型與技術棧,存在潛在鎖定	中立,但需自建全部能力	跨模型中立,幫你保留控制權與呼叫 metadata
上手速度 / 成本	快,但按「boots-on-the-ground」的駐場價計費	慢,招人貴、試錯成本高	快,無重資產投入,聚焦你的具體場景
評估 / 治理	依賴廠商既定的評估與治理棧	需自己從頭搭評估與治理	內建評估 + 治理,先診斷再落地
適用場景	已決定全押某一廠商生態	有長期自研戰略與充足預算	想快落地、又不想被單一廠商鎖定

「大廠駐場」列的事實依據來自 The Register(FDE + 系統整合商主導、尚非自助、駐場定價);「模型中立 / 保留控制權」一行的依據見下一節 Nadella 的論點。

怎麼用這張表:如果你已經鐵了心押注某一家生態、且預算不敏感,大廠駐場最省事;如果 AI 是你的長期核心戰略、願意為自研買單,自建更划算;而如果你想盡快看到業務價值、又不願把命脈交給單一廠商,獨立中立實施夥伴通常是代價最低的一條路。這也是對「自建 vs 採購」二選一框架的一次升級——那個經典框架我們在《企業 AI 自建還是採購(2026)》裡講過,本週新聞把它變成了三選一。

把 AI 全押在一家大模型公司上,有什麼風險?

最大的風險不是價格,而是你把「思考」外包了出去。

這不是我們的危言聳聽,而是微軟 CEO 薩提亞·納德拉本人的判斷。據 TechCrunch 的報道,納德拉說:

Any firm that doesn't have this control, I will claim will not remain a firm because you've essentially outsourced your thinking.

(任何不掌握這種控制權的公司,我斷言它將不再成其為公司——因為你實際上把自己的思考外包了出去。)

他給出的應對很具體,而且每一條都指向「保留控制權」:每次呼叫模型都自留全部 metadata,以便日後訓練自有權重或遷移到開源模型;在應用和模型之間加一層 AI gateway,把 prompt 與具體模型解耦;不要依賴大廠內建的編碼 harness 把自己鎖死。

這恰好是獨立中立實施方存在的意義。6AM 的定位不是替某一家模型公司賣交付,而是站在你這一側:幫你在多模型之間保持中立、把呼叫資料和治理主權留在你手裡、按你的業務價值交付,而不是按某一家的生態繫結你。

落地前先做什麼:評估與治理決定 AI 專案成敗

在討論找誰落地之前,有一件事更早、也更能決定成敗:先把評估與治理搭起來,再上生產。

資料很直接。據 Databricks 的《2026 State of AI Agents》報告(覆蓋 20,000+ 家組織,其中 60% 以上為財富 500 強):用了評估(evaluation)工具的公司,能進入生產的 AI 專案多出近 6 倍;用了 AI 治理的公司,更是多出 12 倍以上。 同一份報告還顯示,企業正快速從單一 chatbot 轉向多智慧體系統——後者在 4 個月內增長了 327%,複雜度只增不減。

結論很清楚:決定 AI 專案能不能上線的,往往不是模型選型,而是你有沒有能力持續評估 Agent 的表現、並對它的行為負責。這也是 6AM 每次接專案都從免費 AI 診斷(/diagnosis)開始的原因——先摸清你的場景、資料與治理現狀,判斷「該不該上、怎麼上、誰來上」,而不是一上來就寫程式碼。評估與治理不是上線後的補丁,而是落地的前置條件。

小結:三條路,先看你要留住什麼

2026 年 7 月最硬的訊號,是連 OpenAI 都承認「光賣模型不夠、必須有人駐場交付」。這把企業的選擇攤成了三條路:大廠駐場省事但繫結深、自建自主但慢且貴、獨立中立實施方快且不鎖定。選哪條,歸根結底看你想留住多少控制權、能不能扛住單一廠商的鎖定風險、以及有沒有評估治理的底座。

如果你正卡在這道三選一上,不妨從一次不承諾、不推銷的免費診斷開始——/diagnosis 會先幫你把場景和治理現狀盤清楚,再談落地路徑。中立、按價值交付,是我們唯一的立場。