微软这边刚传出要裁几千人，那边就砸25亿美元成立Frontier Company，整合约6000名工程师、技术顾问和销售团队，派驻联合利华、诺和诺德这些企业客户现场。Ford更绝，刚花了大价钱把350个老工程师请回来，因为AI自动化设计系统搞出了一堆错误，质量下滑到不得不人工返工。

AI不是来替代人力的吗？怎么越搞越离不开人？

微软砸25亿，从”卖光盘”变成”上门装机”

微软6000人驻场，直接从现有团队抽调。商业业务总裁Judson Althoff六月份就公开承认，”三年前做Copilot时只绑定OpenAI模型是个错误”，现在推平台中立的Frontier Company，帮客户”灵活切换不同大模型”。

Althoff这的核心意思其实就一个：之前卖Copilot许可证，企业以为拿回去自己就能用，结果发现根本用不起来。

软件公司的理想是”卖光盘”，客户拿回去自己装，这也是Saas的传统思路。现在微软派人上门安装、调试、教客户用，说明AI工具的产品化还没跑通。客户不会用、不敢用、用不好，只能厂商把人送过去。25亿美元是初始资金，覆盖薪酬、差旅、平台搭建和运营，养这支队伍，规模量级可观。

Palantir二十年前就这么干了，但Palantir本来就是咨询公司基因。微软这种纯软件巨头也下场，说明AI产品的自助化程度远低于预期。企业发现不知道怎么嵌入业务流程，不知道怎么跟遗留系统对接，不知道怎么算回报，提效这个事儿就变成了虚无。许可证成了摆设，续费的时候自然不续了。

国内大厂也在往同一个方向走。字节跳动给”前线部署工程师”（FDE）开月薪3.5到7万，15薪，最高年薪105万。阿里云智能FDE月薪2到5万，16薪。LinkedIn 2026年劳动力报告显示，2023年至2025年全球FDE招聘岗位增长42倍，统计口径为职位发布量，基数较低，主因是该岗位为新兴品类。同期AI工程师仅增长13倍。

大厂抢的不是写代码的，是”翻译官”。FDE的核心能力不是写代码，是现场诊断。客户说”我要上AI”，FDE得先搞清楚：你的数据能不能用、业务流程哪里能切、回报怎么算。必须人到现场，既懂技术栈又懂客户业务，能当场把”这个按钮我要红色的”翻译成系统架构。

AWS 6月30日刚宣布投资10亿美元成立类似前线派驻工程部，OpenAI、Anthropic此前也成立了各自的部署合资公司。几家大厂都在干同一件事，企业买AI的收入大头已经从接口调用费转移到了”把人派到现场”的服务费上。

Ford把350个老工程师请回来修AI

微软是往外派人，Ford不一样，Ford是在往回找人。

6月25日，Ford高管公开承认，AI自动化设计系统导致质量下滑，不得不重新召回350多名资深工程师修复错误。VP Charles Poon的原话是：”我们错误地以为，只要引入AI就能产出高质量产品。”

老工程师一走，AI继承的全是空白。那些没写在文档里的经验，比如”这个焊缝老工程师为什么多焊一圈”，没进数据库，AI就是个瞎蒙的实习生。Ford同时新增了10万个AI自动化测试和40人QA团队，质量排名显著回升。

Ford没有放弃AI，它是在补课。AI的效力取决于训练数据的质量，数据里缺了老工程师的隐性知识，产出的就是垃圾。AI能写出完美的代码，能画出漂亮的设计图，但不懂”这个遗留系统不能改”的潜规则。
微软是往外派人，Ford不一样，Ford是在往回找人。

6月25日，Ford高管公开承认，AI自动化设计系统导致质量下滑，不得不重新召回350多名资深工程师修复错误。VP Charles Poon的原话是：”我们错误地以为，只要引入AI就能产出高质量产品。”

老工程师一走，AI继承的全是空白。那些没写在文档里的经验，比如”这个焊缝老工程师为什么多焊一圈”，没进数据库，AI就是个瞎蒙的实习生。Ford同时新增了10万个AI自动化测试和40人QA团队，质量排名显著回升。

Ford没有放弃AI，它是在补课。AI的效力取决于训练数据的质量，数据里缺了老工程师的隐性知识，产出的就是垃圾。AI能写出完美的代码，能画出漂亮的设计图，但不懂”这个遗留系统不能改”的潜规则。

说穿了，打井的比卖水的贵

德勤《2026中国制造业AI落地白皮书》显示，调研样本覆盖200家规模以上制造企业，91%未达预期。制造业是AI落地的硬骨头，这个比例足够说明问题。

企业拿到AI接口就像拿到一把瑞士军刀，功能很多，不知道先拧哪个螺丝。买了接口之后，要清洗数据、要调提示词、要接内部系统、要改业务流程、要培训员工。这些活接口干不了，得靠人。

这也刚好解释了为什么最近花旗、Adobe等企业纷纷限制员工使用旗舰大模型。算力成本可以靠降级模型省下来，但落地服务的人力支出，一分钱都省不了。AI的总成本从来不止Token账单，只是很多企业之前没算过这笔账。

一定会有人说，这只是AI早期的阶段性现象，等未来智能体成熟了、产品足够傻瓜化了，就不需要这么多人了。

这句话只对了一半。标准化、通用化的场景，确实会逐步被产品化解决。但企业级场景的核心痛点，从来不是模型不够强，而是每个公司都有自己的遗留系统、业务潜规则、没写进文档的历史经验。这些东西AI学不完，也标准化不了。

人力岗位会从”执行岗”升级成”翻译岗、调试岗、管控岗”。人永远是AI和真实业务之间的最后一公里。

微软把6000人派到客户现场，字节阿里在抢百万年薪的”翻译官”，Ford把老工程师请回来修AI。三家隔着十万八千里，但账算的是同一本：AI toB按接口调用费算不清，得按”人天”算。

接口本身不值钱，值钱的是打井的人。喊着”AI替代人”的，大多是卖工具的；真正在用AI的，还在忙着招人。