微软宣布投入25亿美元,成立一个名为Microsoft Frontier Company的新运营部门。根据微软商业业务首席执行官贾德森·阿尔索夫(Judson Althoff)周四发布的博客文章,该部门将派驻6000名工程技术专家深入客户运营环境,协助企业大规模部署AI系统。
该部门的核心定位是推动端到端的前沿技术转型。目前,Land O'Lakes和联合利华已率先采用这一服务。值得关注的是,微软此次宣布仅比AWS早两天,后者刚刚披露了向其前沿部署工程组织投入10亿美元的计划。
阿尔索夫表示,为实现规模化推广,微软将与合作伙伴生态系统紧密协作,包括埃森哲、凯捷、安永、毕马威、普华永道等机构,将这一独特价值延伸至全球各市场和各类客户群体。
微软与AWS几乎同步推出驻场工程师(FDE)服务,折射出科技厂商在AI交付模式上的重大转变。
Gartner高级总监分析师亚历克斯·科凯罗(Alex Coqueiro)在接受邮件采访时表示,预计到今年年底,85%的科技服务商将把FDE项目作为核心AI交付模式。与此同时,相关稀缺技能人才的争夺也正在加剧。谷歌云同样在面向AI的市场拓展团队中大力招募工程师。
"企业之所以青睐FDE,是因为这种模式能够压缩部署周期,弥合从试点到生产落地之间的'最后一公里'差距——这是标准咨询服务和开箱即用工具在复杂环境中难以实现的。"科凯罗说。
然而,科凯罗也提醒CIO们在采用此类服务前需要保持战略定力,审慎考量。
Gartner今年4月发布的研究报告指出,未来两年内,将有70%的企业被迫放弃由FDE主导推动的智能体AI项目,原因在于供应商成本高昂,加之企业内部缺乏独立持续推进技术开发的能力。
FDE项目通常在高度压缩的时间框架内运作。AWS将其定义为"45天冲刺"模式。根据Gartner的测算,仅FDE咨询费用(不含平台和集成成本),每个用例每季度的支出可能高达20万至40万美元。
Gartner报告还警告,如果缺乏完善的战略规划,与FDE合作完成的项目可能最终产出一套高度定制化的产品,后续仍需依赖供应商维护,进而形成技术依赖。
"如果没有明确的退出计划和内部所有权安排,FDE会悄然演变为长期的人员外包补充,助长供应商锁定效应,并侵蚀企业内部的AI能力建设。"科凯罗说。
Gartner报告建议,企业技术管理者在启动FDE合作的前期与过程中,应采取多项举措以确保成功。首先,要选择合适的问题作为突破口,例如具有高度运营复杂性的瓶颈环节,再由FDE工程师有针对性地介入解决。其次,CIO在正式承诺合作前,应对全面集成所需的工作量进行充分评估。
此外,工程师必须与企业内部领域专家协同工作,后者应以业务流程共同设计者的角色深度参与,并通过每周工作增量的方式确保项目节奏可控。合同管理与供应商交付问责机制——涵盖产品交付、开发过程及工作成果移交——同样是长期成功的关键所在。
在本周的发布公告中,微软和AWS均着重强调将帮助客户在工程师撤离后实现自主运营。
阿尔索夫表示,Microsoft Frontier Company致力于帮助企业构建一套智能平台,在保护企业决策能力和专有数据的前提下,调用企业自主选择的AI模型来构建产品和工作流,同时打造一个覆盖整个技术栈的AI治理与管理信任平台。
"构建这样一套系统,需要具备深厚行业知识的企业级AI工程专业能力,使两大平台之间形成持续的优化闭环,精细调整智能体业务流程,确保客户的智能能力随时间不断复利积累,最终转化为实际的业务成果。"阿尔索夫说。
Q&A
Q1:Microsoft Frontier Company是什么,主要做什么?
A:Microsoft Frontier Company是微软投入25亿美元成立的新运营部门,核心模式是将6000名工程技术专家派驻至企业客户内部,协助其大规模部署AI系统,并帮助企业构建可独立运营的智能平台和AI治理体系,目前已有Land O'Lakes和联合利华等企业采用该服务。
Q2:FDE模式有哪些潜在风险?
A:根据Gartner的研究,FDE模式存在明显风险。首先是成本高昂,每季度每个用例的咨询费用可能高达20万至40万美元,不含平台和集成成本。其次,如果缺乏内部人才培养和明确的退出计划,企业可能对供应商产生长期依赖,导致内部AI能力持续削弱。Gartner预测,未来两年内70%的企业将被迫放弃FDE主导的智能体AI项目。
Q3:企业在引入FDE服务时应该注意什么?
A:Gartner建议企业做好以下几点:一是选择具有明确业务价值的复杂瓶颈问题作为切入点;二是提前评估全面集成所需的工作量和成本;三是让内部领域专家深度参与,担任业务流程共同设计者;四是在合同中明确交付标准和工作成果移交机制,防止形成供应商锁定和长期外包依赖。
好文章,需要你的鼓励
Anthropic于6月30日发布Claude Sonnet 5,相较前代Claude Sonnet 4.6在编程、推理、工具使用及知识工作方面均有显著提升。该模型可自主制定计划、使用浏览器和终端等工具,达到数月前需更大更贵模型才能实现的水平。安全评估显示其不良行为率更低。Sonnet 5默认开启自适应思维,采用更新的分词器,性能接近Opus 4.8但价格更低,现已面向所有订阅计划开放。
复旦大学联合多机构提出A2World框架,通过210万条真实机器人轨迹进行动作条件化预训练,将学到的物理动力学先验同时迁移到仿真模拟和策略控制两个方向,在LIBERO和真实机器人任务上均取得当前最优表现。
人工智能基础设施的快速扩张不仅带来总用电量激增,更在改变电网的运行特性。AI训练任务高度同步、计算密集,推理任务则分散且难以预测,两者均可在极短时间内造成电力需求骤变。数据中心的地理集中分布进一步加剧局部电网压力。现有监管框架多基于稳定工业负荷设计,难以适应这类新型需求。专家指出,电网规划需从关注总能耗转向关注需求波动性与同步效应。
同济大学研发的FLISP系统,让无人车与无人机在水电隧道中无需建图、仅靠激光雷达实时协作导航,规划延迟仅7毫秒,成功率100%。