2026年7月15日，由AI大廠Anthropic出資成立的Ode公司正式對外亮相，專門派工程師進駐企業，幫助客戶將AI應用於最核心的業務流程。Ode的成立規模達15億美元，背後有高盛、Blackstone、Hellman & Friedman等私募與投資巨頭的支持。然而，這並非單純的AI創投案，而是各大AI巨頭在企業AI「最後一哩」戰場上的新動作。
企業AI的最後一哩：前進部署工程（FDE）成為關鍵
近幾個月來，OpenAI、AWS和微軟紛紛推出類似計劃。OpenAI於5月成立The Deployment Company，承諾資金40億美元；AWS在6月30日投入10億美元，成立FDE組織；微軟則在7月2日宣布投入25億美元，動員6,000名工程師組建Microsoft Frontier Company。這些公司握有頂尖的AI模型和雲端運算資源，正在爭奪如何將AI真正應用於企業的日常營運。
Ode技術長Eddie Siegel指出，模型選擇固然重要，但並非耗費最多心力的環節。「模型只是一項原料，就像蓋軟體時選程式語言，不會用『他們選了Python還是Java』來定義一場企業轉型。」模型只是食材，能否煮成一道客戶吃得下的菜，才是真本事。
企業AI導入缺口：規模化應用仍是挑戰
根據麥肯錫（McKinsey）的《AI現況》調查，2026年已有88%的企業組織在至少一個業務功能上例行使用AI，但只有約三分之一的企業開始將AI擴展到全公司規模，真正做到完全規模化的僅7%，被歸類為「AI高績效者」的只有6%，而回報AI帶來企業級稅前息前利潤（EBIT）影響的，也只有39%。
這意味著，大多數企業雖然導入了AI，卻無法規模化應用，甚至無法計算出增加的獲利。Ode執行長Chris Taylor認為，傳統企業若能用對方法導入AI，將成為這波AI浪潮的大贏家，但這需要大量頂尖的應用AI人才，而這正是多數公司缺乏的。
FDE模式的源起：Palantir的成功案例
FDE模式最早可追溯到2005年，當時Palantir在向美國中央情報局（CIA）、國家安全局（NSA）與陸軍情報單位銷售Gotham平台時，遇到了一個難題：客戶的資料是機密的，資料結構沒有文件，能否做出「可用的軟體」，取決於Palantir總部工程師永遠看不到的實戰知識。
Palantir因此發明了第三種角色：一個通過安全審查的工程師，直接坐進客戶的辦公室6到12個月，學會客戶的專業領域，用客戶自己的機密資料寫出可上線的程式，再把產品需求回饋給Palo Alto的平台團隊。這套模式的核心，是為每個客戶打造專屬的本體論（ontology），即把客戶的業務對象、關係與規則建成一套資料模型，再讓AI在這個基礎上運作。
如今，Anthropic、OpenAI、Google DeepMind、Databricks等公司都在複製這套模式，連Deloitte、Accenture等顧問巨頭也成立了自己的FDE團隊。
企業AI市場的「Palantir化」：規模更大、影響更深
這波FDE浪潮的規模比20年前的Palantir更大，整個尖端實驗室加上雲端巨頭同時用重金押注，已經成為一場全產業的軍備競賽。Ode目前約有100名工程師，母體是Anthropic通過合資公司收購來的AI工程服務新創Fractional AI，走「Claude-first」路線，優先導入Anthropic的技術，必要時也會使用競爭對手的產品。
護城河邏輯：這場戰爭可能會連帶改變AI產業的「護城河」定義。如果你只是賣AI工具，別人明天就能複製一個。但每個客戶跟著前進部署工程師走完整套流程之後，會得到一套用自己資料訓練、依自己業務流程打造的專屬系統。這套系統別家複製不來，客戶也難以抽身，黏著度遠高於單純賣應用程式介面（API）訂閱。
從產業面來看，FDE模式的崛起不僅標誌著企業AI市場的成熟，更代表了一種全新的商業邏輯。這場軍備競賽的勝負，不再僅僅取決於模型的強弱，而是取決於誰更懂企業的核心業務流程。對於企業而言，選擇一個能夠提供全面導入服務的AI供應商，將成為未來競爭的關鍵。
對台灣企業的啟示：導入AI需兼顧模型與服務
這場轉向對台灣企業也有重要啟示。過去評估AI公司時，習慣先問模型能力：參數多大、跑分多高、上下文多長。然而，現在多數企業卡關的地方證明，模型能力只是入場券。真正決定價值的，是有沒有「導入服務」這一層，能否把AI嵌進你自己的資料與流程，並算得出對營運的實質影響。
當供應商帶著最新模型上門推銷時，真正該追問的問題只有一個：你要怎麼把這套AI，接進我現有的資料、系統與工作流程？導入之後，我能不能長出一套別人複製不了的東西？畢竟，如果連握有最強模型的Anthropic、OpenAI、微軟都認定，下一個兆美元市場的關鍵在把模型送進企業的最後一哩，那麼買方最該盯緊的，也正是這最後一哩。
面對這場AI軍備
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
本文改寫整理自公開新聞來源，原始報導由科技新報發布。