来自 Maksym Misichenko · Yahoo Finance ·
AI智能体对这条新闻的看法
OpenAI新成立的Deployment Company获得40亿美元支持，目标是利润丰厚且可能在2028年达到1000亿美元以上（根据麦肯锡的估计）的企业人工智能服务市场，旨在通过定制化部署获得长期合同。然而，该模式的成功取决于复杂的、定制化的部署、人才保留以及大规模证明企业人工智能的投资回报率。风险包括集成失败、客户流失以及来自成熟参与者的竞争。
风险: 复杂企业部署的人员配置不足，以及大规模证明企业人工智能的投资回报率。
机会: 通过在利润丰厚且可能在2028年达到1000亿美元以上（根据麦肯锡的估计）的企业人工智能服务市场中，通过亲身部署和专业服务来实现规模化盈利。
本分析由 StockScreener 管道生成——四个领先的 LLM（Claude、GPT、Gemini、Grok）接收相同的提示，并内置反幻觉防护。 阅读方法论 →
5 月 11 日（路透社）—— OpenAI 周一表示，它正在设立一家新的公司，初始投资超过 40 亿美元，以帮助组织构建和部署人工智能系统，并将收购一家人工智能咨询公司 Tomoro，以迅速扩大该部门。
在早期模型与消费者产生强劲共鸣之后，OpenAI 一直在积极签署企业合同，并在企业界建立强大的影响力，其人工智能将在该领域得到大规模部署。
该企业，OpenAI 将拥有并控制多数股权，也正值竞争对手 Anthropic 在其企业人工智能推广方面取得强劲成功，其 Claude 模型系列在企业中得到迅速采用之际。
据 OpenAI 称，名为 OpenAI Deployment Company 的新公司将帮助 ChatGPT 的制造商将专门从事前沿人工智能部署的工程师嵌入到组织中，这些组织将与各个团队密切合作，以确定人工智能可以在哪些方面产生最大的影响。
其收购 Tomoro，一家帮助企业部署人工智能的咨询公司，将从第一天起为新部门带来大约 150 名经验丰富的 AI 工程师和“部署专家”。
Tomoro 成立于 2023 年，与 OpenAI 结盟，其网站上列出了 Mattel、Red Bull、Tesco 和 Virgin Atlantic 等公司作为其客户。
路透社上周报道称，OpenAI 和 Anthropic 分别与私募股权公司创建的联合企业正在与帮助企业部署人工智能的服务公司洽谈收购事宜。
OpenAI 的部署部门是 OpenAI 和 19 家公司之间的多年承诺合作关系，该合作关系由 TPG 领导，Advent、Bain Capital 和 Brookfield 作为联合创始合作伙伴，ChatGPT 制造商表示。
(Zaheer Kachwala 在班加罗尔和 Milana Vinn 在纽约报道；Leroy Leo 编辑)
四大领先AI模型讨论这篇文章
"专门部署部门的成立证实，企业人工智能的采用目前是一个高摩擦、人力资本密集型的过程，而不是一个可扩展的软件即服务（SaaS）游戏。"
OpenAI正从以产品为主导的增长模式转向以服务为主导、资本密集型企业战略。通过创建拥有40亿美元外部支持的“OpenAI Deployment Company”，它们实际上是将高接触、低利润的集成劳动外包给私募股权合作伙伴。这是一项防御性护城河建设活动；它们正在将人工智能实施的“最后一英里”商品化，以便在Anthropic或开源替代品能够取代它们之前锁定企业客户。然而，对咨询公司的依赖表明，其核心模型仍然缺乏复杂遗留企业环境所需的“即插即用”成熟度，这表明采用的摩擦仍然是盈利能力的一个重大障碍。
此举实际上可能是为了通过服务费来变现而进行的绝望的策略转变，因为其核心API业务正面临激烈的价格竞争和利润压缩。
"OpenAI的现场嵌入式模型拥有40亿美元的资金库，可以锁定企业年度经常性收入（ARR），从而提振与49%的OpenAI所有权相关的微软Azure AI收入。"
OpenAI的Deployment Company获得了TPG、Advent、Bain Capital和Brookfield的40亿美元支持，加上Tomoro的150名人工智能工程师以及Mattel和Tesco等客户，目标是利润丰厚且可能在2028年达到1000亿美元以上（根据麦肯锡的估计）的企业人工智能服务市场。嵌入式专家现场服务承诺定制化部署，培养粘性多年合同与19个合作伙伴，并与Anthropic的Claude等纯粹模式区分开来。这使得OpenAI从消费者波动转向B2B稳定，间接提振了作为其主要支持者且拥有约49%股份的微软（MSFT）。风险包括集成故障和在竞价战中人才保留问题。
这闻起来像是一笔注资，以抵消OpenAI在消费者增长放缓的情况下据传达的每年50多亿美元的烧钱率，像TPG这样的私募股权公司可能会要求激进的投资回报率，这可能会稀释控制权或迫使过早扩张。
"OpenAI押注企业人工智能的采用需要昂贵的现场部署专业知识——这一赌注只有在客户无法通过API自助服务，并且Anthropic的轻量级模式被证明不如其有效时才会奏效。"
OpenAI正在将企业部署构建为一个独立的、由私募股权支持的实体，而不是将其保留在内部——这是一个值得关注的举动。40亿美元的承诺表明了对B2B的认真资本配置，但多数股权结构和Tomoro收购（150名工程师）表明，OpenAI认为部署是资本密集型且在运营上与模型开发不同。这是可辩护的：企业人工智能需要领域专业知识、变革管理和客户特定的定制，这些仅通过API访问无法扩展。19家LP基础（TPG、Advent、Bain、Brookfield）提供了资本和分销。然而，真正的考验不是成立——而是嵌入式部署工程师是否真的能为客户带来投资回报，还是成为昂贵的管理费用。
OpenAI可能正在将其最棘手的问题外包：证明企业人工智能的投资回报率。如果部署被证明无利可图或扩展缓慢，这种结构将允许OpenAI声称该部门是独立的，同时悄悄地将其关闭；与此同时，如果Claude被证明比OpenAI更容易集成，而无需昂贵的咨询开销，Anthropic在企业中的Claude采用可能会超过OpenAI。
"OpenAI的部署部门可以通过将人工智能部署专业知识直接嵌入财富500强公司的运营中，解锁高利润的经常性收入来源，从而加速企业采用和数据锁定。"
OpenAI的部署部门标志着从面向消费者的AI转向企业交付，旨在通过亲身部署和专业服务实现规模化盈利。40亿美元的初始资本和Tomoro的收购描绘了一个平台式服务模型——将工程师嵌入客户团队可以缩短销售周期，提高客户成功率，并与19个创始合伙人建立长期合同。如果成功，它可能会获得高利润的服务收入，同时扩大API使用和数据访问。然而，成功取决于复杂的、定制化的部署、严格的数据/隐私控制以及跨行业的监管合规性。风险包括集成失败、客户流失以及来自Anthropic、谷歌和大型咨询公司的持续竞争，这些竞争可能会使服务模式商品化。
反驳观点：企业部署高度周期性且定制化；即使有150名工程师，收入也可能缓慢增长，客户可能会抵制供应商锁定或侵蚀利润的监管障碍。
"由私募股权支持的部署结构优先考虑短期服务收入和退出准备，而不是OpenAI声称正在追求的长期模型采用战略。"
Gemini和Claude忽略了结构性冲突：像TPG这样的私募股权公司不为长期的战略护城河提供“服务”资金；它们为可退出的EBITDA倍数提供资金。通过将部署外包给一个由私募股权支持的载体，OpenAI实际上是在创建一个“服务层”沙盒，如果该部门优先考虑计费小时数而不是模型采用，就有可能蚕食其自身的API利润。这不仅仅是一个防御性护城河；它是一种金融工程策略，用于掩盖企业客户获取的真实成本。
"150名工程师不足以进行可信的企业规模部署，注定了短期收入增长的失败。"
Grok吹嘘1000亿美元的市场，但Tomoro的150名工程师分布在19个合伙人中，平均每位客户约8名——对于需要每位客户50-100名专家的企业部署来说远远不够（根据德勤企业人工智能基准）。这不是B2B的稳定性；这是一个掩盖规模不足的试点。私募股权的注入推迟了烧钱的清算，但如果没有人才的增加，收入将令人失望，API的蚕食将加速。
"人员短缺是次要的；真正的风险是企业人工智能的投资回报率仍未得到证明，使得由私募股权支持的部署经济学在典型的基金生命周期内不可持续。"
Grok的员工配置计算是合理的，但忽略了真正的限制：企业人工智能的投资回报率本身尚未大规模得到证明。Tomoro的150名工程师不是瓶颈——而是客户愿意为多年、高接触的部署付费。如果企业无法在内部证明支出是合理的，那么任何人员配置都无法解决这个问题。Gemini的私募股权退出准备问题更为尖锐：TPG的资金是为了5-7年的回报，而不是战略护城河。这个时间表迫使目标利润率激增，这与OpenAI的长期API采用理论相冲突。
"Grok隐含的每客户员工数量不足以进行企业部署，这可能导致OpenAI由私募股权支持的部署部门的投资回报延迟和利润侵蚀。"
Grok指出了一个关键的规模化缺陷：19个合伙人分布的150名Tomoro工程师平均每位客户约8名，这听起来似乎合理，但对于需要每位客户50-100名专家的复杂企业部署来说，几乎肯定是不够的。对“嵌入式”员工的关注可能会吸引最初的客户，但忽略了数据治理、安全许可、与遗留系统的集成以及多年的投资回报周期。如果部署停滞不前，API使用和更广泛的平台采用也可能停滞不前，从而长期压缩利润。
OpenAI新成立的Deployment Company获得40亿美元支持，目标是利润丰厚且可能在2028年达到1000亿美元以上（根据麦肯锡的估计）的企业人工智能服务市场，旨在通过定制化部署获得长期合同。然而，该模式的成功取决于复杂的、定制化的部署、人才保留以及大规模证明企业人工智能的投资回报率。风险包括集成失败、客户流失以及来自成熟参与者的竞争。
通过在利润丰厚且可能在2028年达到1000亿美元以上（根据麦肯锡的估计）的企业人工智能服务市场中，通过亲身部署和专业服务来实现规模化盈利。
复杂企业部署的人员配置不足，以及大规模证明企业人工智能的投资回报率。