文 | ICT 解读者 - 老解
关于 AI 改变企业组织的话题已经写了两篇文章，但有个问题一直没有正面回答：AI 落地，到底靠谁来推？
第一篇在长沙实地走访了三一重工、芒果 TV、威胜集团，看到 AI 在产线里真实运转——不是 PPT，是 7 × 24 小时稳定跑着的生产常态。第二篇依托腾讯研究院和 Gartner 的研究，辨清了两条变革路径：互联网公司靠自下而上的个体觉醒，传统重资产企业靠一把手顶层破局。
麦肯锡的数据摆在那里：全球只有 1% 的企业完成了 AI 深度组织蜕变，剩下 87% 全困在买工具、装软件的浅层试用里。因此结论很清楚：靠谱的 AI 变革，一定是 AI 扎根业务血肉，不是浮在流程表皮的外挂插件。
顺着这个结论往下走，大模型公司 OpenAI 和 Anthropic 最近的动作，刚好提供了两个极端参照。再加上制造业企业三一重工的本土实践，一个被行业普遍忽视的关键变量浮出来了：AI 交付模式。
这无关模型参数，本质是组织话语权之争。AI 要钻进企业核心业务，谁来交付、怎么交付、交付到什么深度，三个问题直接决定企业是留在 87% 的工具陷阱，还是跻身 1% 的变革赢家。
一、OpenAI 的平台化与 Anthropic 的驻场化
全球头部 AI 厂商已经走出两条背道而驰的落地路线。
OpenAI 押注规模化的平台分发路线。
今年 5 月，OpenAI 拉上 TPG、布鲁克菲尔德、贝恩资本、软银一众顶级资本，筹建百亿级 AI 联合落地实体。这不是一轮简单募资，是精妙的股权置换：出让部分股权，换取资本方手握的全球 2000 多家龙头企业资源入口。
OpenAI 的算盘很清楚：死守底层大模型与通用平台底座，场景落地、业务适配全部甩给合作方承接。高管 Oliver Jay 直言，这套合作网络就是 AI 新时代的运营商分销体系。同时 OpenAI 加速脱离微软单一生态、布局多云——目标只有一个：铺量、铺渠道、靠海量 API 调用赚规模化的钱。
简言之，OpenAI 做通用基建，只求遍地开花，不求深耕痛点。
Anthropic 反其道而行，深耕重交付的驻场服务路线。
同期 Anthropic 联合黑石、高盛成立 15 亿美元专属企业服务公司，彻底放弃卷 API 流量，主打贴身定制落地。核心是源自 Palantir、被 Anthropic 发扬光大的 FDE 前哨工程师制度—— FDE 团队常驻客户企业，既吃透模型底层逻辑，又摸透企业几十年沉淀的老旧 ERP 和非标业务流程，一边改算法，一边打通数据孤岛，把 Claude 钉进法务、财务、研发、产线全链条。
Anthropic 看得透彻：对全球五百强而言，简单调用 API 是最廉价的浅层方案，大企业要的是贴合私有数据、满足严苛合规、无缝嵌入固有工作流的专属解决方案。
OpenAI 走普惠广撒网，Anthropic 做深耕精细化。两条主流外援路径摆在面前，问题也来了：靠外人送进来的 AI，真能撬动企业深层组织变革吗？
二、第三条路：三一重工 " 自己干 "
不管是 OpenAI 的平台外包，还是 Anthropic 的驻场托管，本质都是外部技术向内输入，企业永远被动迁就服务商。
也有一部分企业选择跳出这个框架——不靠外援、全链路自建，把 AI 落地主动权牢牢攥在自己手里。华为在供应链 AI 上全栈自研、比亚迪在智能制造上自己搭架构，走的是同一条逻辑：不靠外部服务商，自己控数据、自己定节奏。
而三一重工的路径之所以值得解剖，不是因为它是唯一，而是它的组织架构设计对重型制造企业有最强的参考价值。
三一重工的做法，锚定一个判断：AI 变革必须是集团级顶层战略，不是 IT 部门的边角项目。
因此，CIO 许国强成为三一重工 AI 变革的关键人物，他的履历横跨 IBM 的咨询架构、华为的产线数字化和阿里的数据中台——是传统制造企业 AI 转型最稀缺的复合能力组合。三一重工把他放到 CIO 高位，本身就是一份声明：这次变革，IT 要坐到战略桌上。
传统企业数字化的第一绝症是：IT 埋头做系统，业务冷眼旁观，项目上线即闲置。许国强在三一重工推动 GPO 数智化协同架构，核心就一招：让业务负责人自己管 AI 规划、自己扛落地成败。
研发、供应链、制造、销服四大核心域全部设立 GPO 岗位，由资深业务负责人出任，IT 无权空降接管。业务自己定 AI 怎么用，再也甩锅不了 IT。
落地方式也踩中痛点——先上刚需应用，再倒逼数据治理。绝大多数企业先花半年梳理数据，久不见收益，业务躺平摆烂。
三一重工反向操作：直接上经营看板、售后智能助手，从业务使用需求倒推数据采集和标准优化。业务眼见降本增效，自然主动配合完善数据。
还有一条容易被忽略的配套动作：三一重工曾组织近 600 名管理层含全体董事，关起门来集训 DAMA 数据体系、统一考核。表面上是一次培训，实质是统一协作语言——研发、采购、生产各部门握着自己的分段数据，概念不通、标准各异，再好的系统也跑不起来。
统一术语，从根源砍掉跨部门沟通内耗，这也是腾讯研究院 " 降低组织摩擦提升竞争力 " 公式的现实注脚。
三、技术可买，人才难求
遍历三种交付路线，结论愈发清晰：算力能租、模型能买、平台能合作，但能缝合技术、业务、管理层的复合型人才，花钱也很难批量买到。
纯技术高管能堆出漂亮技术架构，却说服不了老板、联动不了业务，最后沦为无效基建。纯业务高管熟稔一线痛点，却看不清技术边界、控不住落地风险，想法永远落不了地。
三一重工找到许国强担任 CIO 这个关键变量，打通了三层话语体系：用咨询逻辑说服高层敲定战略预算，用实业经验锚定落地场景，用数据思维量化收益。他不是向公司推销项目，而是站在同一维度和管理层谈—— AI 到底帮公司省钱、增收还是提效。
但找到这样横跨咨询、实业、互联网的人才，对大多数企业来说，比买算力难得多。这也是为什么自建路线虽好，真正走通的企业屈指可数。
四、三种路径的终局
三种路径放在一起，差距很清楚。
OpenAI 平台化路线，扩张快、入局成本低，但落地浮于表面，难以渗透核心业务，客户粘性弱。
Anthropic 深度服务化路线，落地深、壁垒高，但人力成本畸高、高度依赖优质 FDE 人才，规模化扩张困难。
自建路线自主可控、深度扎根业务，构筑独家组织壁垒——代价是前期投入高，极度稀缺复合型顶层操盘人。
前两类外援模式，上限就是工具提效，永远碰不到组织重构。唯有自建路线，才有机会冲进 1% 第一梯队。
而无论哪条路线，人才都是卡脖子的关键：平台模式缺内部懂行人才，再好的工具也是摆设；服务模式缺优质 FDE，深度定制无从谈起；自建模式缺复合型操盘 CIO，整套体系无从搭建落地。
五、真正的壁垒
三篇文章写下来，逻辑链很清楚：第一篇证可行性，AI 具备颠覆组织的实力；第二篇辨路径，上下结合才是转型正道；第三篇破落地，交付定深浅，人才定成败。
技术、算力、模型全是标准化商品，全行业人人可得，构不成差异化优势。所有外部服务商，顶多帮企业优化单点效率，做不了组织基因重塑。工具可以外购，组织变革只能内生。
多数企业年年砸钱上 AI，困在工具层原地打转，根源从来不是技术落后——而是没想清楚一个前置问题：谁来推、怎么推、推到什么深度。
交付模式的选择，比选哪个大模型更决定生死。
