雲端運算與 AI 領域的競爭焦點，正迎來一次根本性的典範轉移。過去各家雲端巨頭競逐的是誰的基礎模型效能最強、誰的雲端基礎設施容量最大，但如今，戰線已全面延伸到協助企業將 AI 應用真正部署到內部複雜場景的「最後一哩路」。背後的核心原因，在於 AI 模型正在走向商品化，效能與價格正變得更加相似且便宜，這也讓單純銷售模型很難維持長久的競爭優勢。相較之下，協助大企業將 AI 融入工作流程的服務與導入市場，才是雲端巨頭眼中真正龐大的新藍海。
就在亞馬遜旗下雲端業務（AWS）宣布投入 10 億美元建立「前線部署工程師」（Forward Deployed Engineering, FDE）組織的短短兩天後，微軟（Microsoft）隨即展開反擊，宣布斥資 25 億美元成立名為「Microsoft Frontier Company」的組織，計畫編制高達 6,000 名員工。
事實上，將技術人員直接送進企業的模式並非微軟或 AWS 首創，Palantir Technologies 早在 20 年前便奠定前線部署工程師的基礎。隨著今年五月，新創巨頭 OpenAI 與私募股權基金 TPG 合作成立資本額達 40 億美元的「OpenAI Deployment Company」，以及 Anthropic 攜手高盛、黑石集團等投資機構啟動 15 億美元的嵌入式工程計畫，更不斷加大這股把 AI 工程師直接派駐企業內部的風潮。
Copilot 綁定 OpenAI 的教訓：企業 AI 落地不能只押單一模型
現在全球科技巨頭爭相將工程師送往企業第一線的動力，來自 AI 投資回報率難以落地的現實。各行各業雖然在過去兩年多來爭相採用各類大語言模型，卻發現無法在企業複雜的既有系統、安全合規與專屬數據環境中，順利轉化為實際的生產力。
推動微軟改變心態的，除了客戶的反饋，還有大型企業本身的防備心理。產業分析師 Patrick Moorhead 指出，大企業越來越不願意只採用 Anthropic 或 OpenAI 等單一模型供應商的技術，因為他們懷疑與這些前沿實驗室深度合作，最終會讓這些實驗室學走法律、程式開發等專門知識，回頭演變成競爭對手。值得一提的是，微軟在今年早些時候也已經在 Copilot 中加入了 Anthropic 的模型，這正是為了回應企業客戶的強烈需求。
微軟發言人強調，Microsoft Frontier Company 是一個擁有獨立領導團隊與財務責任實體，儘管非獨立法人，但其集結的 6,000 名專業人員將與聯合利華、諾和諾德等大企業客戶展開深度合作，共同設計、部署並持續改進 AI 系統。
為了消除客戶疑慮，微軟特別承諾，所有的開發成果與數據資產都將由客戶完全擁有。微軟執行長 Satya Nadella 對此表示：「我們最不希望看到的，是世界上每個行業的每家公司，都將價值割讓給少數幾個會吞噬一切的模型。」他強調，如果所有的價值都只累積在少數幾個模型上，政治經濟將無法容忍，因此企業必須在不丟失其組織智慧的前提下，擁有自由更換 AI 模型的主控權。
企業 AI 下一步是可替換、可調度的架構
微軟大動作的背後，其實是對過去戰略的深刻反省。微軟商務業務執行長 Judson Althoff 在接受採訪時坦承，三年前微軟在建構原始 Copilot 助手時，犯下一個重大的戰略錯誤：「我們犯了一個錯誤，那就是僅將 Copilot 綁定在 OpenAI 的模型上。」
隨著 DeepSeek 和 Google Gemini 等競爭對手在效能上迅速追趕，這種綁定單一模型的限制，在企業客戶的實際應用中顯得捉襟見肘。相較於單一模型的名聲，企業客戶實際上更在意其自身持有的專屬數據，以及多種模型搭配所產生的綜合價值。例如在真實企業客服場景中，單一模型難以滿足所有需求：長篇合約分析可能需要 Gemini 的上下文能力，日常工單摘要則更適合用 GPT-5.4 mini 或 Claude Haiku 控制成本；語音轉譯可交給 Whisper，敏感資安資料可能需要在本地部署 Llama 或 Mistral 等開源模型。
這種多樣化的任務特性，促使開發者逐漸放棄鎖定單一模型，轉而打造能根據成本、速度、數據敏感度或上下文長度進行即時決策的模型調度系統。這一趨勢催生多模型調度層（Model Routing）的基礎建設爆發，不論是開源代理閘道 LiteLLM、Portkey，或是主流的開發框架 LangChain、LangGraph，甚至是雲端巨頭自己推出的 Amazon Bedrock、Azure AI Foundry 與 Google Vertex AI，都正朝向讓模型成為可替代元件的方向發展。
AWS 把工程師送進企業現場，AI 落地戰卻也埋下雲端鎖定風險
在微軟強勢反撲之際，雲端龍頭 AWS 則搶先一步，以 10 億美元的投資金額開始執行 FDE 計畫。AWS 認為，雖然當前大多數企業都已經能夠輕鬆獲取頂級的基礎模型，但如何將這些模型與企業內部的龐大舊系統、內部專屬數據以及嚴格的資安機制無縫整合，才是當前最大的工程挑戰。
為了打破以往傳統顧問只提建議、不負責執行的局限性，AWS 派出的前線部署工程師會直接進入客戶的開發團隊、安全團隊與商業利害關係人之中，成為客戶專案編制的一部分，並在客戶自己的 AWS 雲端基礎設施與數據合規框架下共同開發。
根據 AWS 的說法，在這種嵌入式的實戰合作結束後，客戶不僅能獲得正式運作的生產系統，還會完整保留相關的文件、架構與工程經驗，大幅縮短過往需要數月才能完成的上線流程。目前，這項計畫已與艾倫研究所、Cox Automotive、理光等機構展開合作，在與國家美式足球聯盟（NFL）的實作中，工程師更在數週內便成功將 NFL Fantasy AI 和 NFL IQ 等系統推上正式生產環境。
微軟與 AWS 兩家巨頭雖然切入路徑各異，但都指向同一個產業趨勢：企業 AI 的競爭已開始轉向模型、資料、流程與治理的整合。當單一模型神話退場，未來企業更需要的會是可替換、可調度、可落地的 AI 架構。
然而，儘管巨頭承諾賦予客戶更換模型的自由，這背後也隱含著另一種新型態的商業綁定。正如分析指出，當企業選擇與微軟或 AWS 的工程團隊深度合作並建置核心 AI 系統時，這些高度客製化的系統自然會緊密黏著在 Azure 或 AWS 的雲端基礎設施平台上，這讓企業雖然成功擺脫「模型鎖定」（Model Lock-in），卻可能在不知不覺中掉入了更難以脫身的新型態「雲端平台鎖定」（Cloud Platform Lock-in）之中。
【推薦閱讀】
◆ 氛圍編碼讓初期開發飛快，卻讓營運知識四散，SDD 成 AI 輔助資料工程新解
◆ AI 帳單燒出企業怒火：Palantir CEO 為何說 OpenAI、Anthropic 的 Token 計費模式「出大問題」？
◆ 摩根士丹利把對帳工時砍半：不是讓 AI Agent 更自主，而是讓它走進流程
＊本文開放合作夥伴轉載，資料來源：《Inc》、《The New Stack》1、《The New Stack》2、《Reuters》、《GeekWire》，首圖來源：Unsplash
