大家最近都看到了 OpenAI、Anthropic 和一众咨询巨头的联手了吗？
其实不只是「联合发布了几个 AI 解决方案」那么简单，而是在重写企业级 AI 的商业分工：谁负责供给、谁掌控需求、谁拿走决策权和价值分成。
一、从 OpenAI / Anthropic 的角度：这次合作在解决什么痛点？
OpenAI 推出 Frontier 平台，希望企业在上面构建、部署和治理 AI Agent，而不是只买个 API、做几个 demo。
为了让这些 Agent 真正跑进生产环境，OpenAI 拉上 BCG、麦肯锡、埃森哲、凯捷，做了一个叫 Frontier Alliances 的长期合作：每家咨询公司都要组专门团队、做技术认证，并和 OpenAI 的 forward-deployed engineers 一起进项目。
Anthropic 这边也类似，和 Accenture 搭建了 Anthropic Business Group、培训数万名咨询顾问使用 Claude，并联合面向受监管行业推出方案；与 Deloitte 的合作中，后者甚至在内部建立了 Claude Center of Excellence，目标就是把试点项目推到大规模生产。
从大模型公司的视角，这几件事在解决三类结构性问题：
第一，从「实验室」走向「生产级」的落地鸿沟。 大模型厂商自己也很清楚，企业做了无数 PoC，但真正跑进关键业务流程的比例很低。OpenAI 在 Frontier 的叙事里直接把使命写成「帮助企业从 AI 试验走向可治理的规模部署」；咨询公司在这条路上承担的是：帮 CEO 和业务负责人决定「到底在哪些流程里重写」、「谁来负责」、「以什么节奏上线」，而不是只卖一个技术平台。
第二，复杂组织内部的「非技术性阻力」。 AI 项目真正难搞的，往往是合规、法律、安全、工会、内部 IT 和业务之间的博弈。OpenAI、Anthropic 作为技术供应商缺乏对单个企业政治结构、文化、历史项目的理解，硬闯很容易被卡。咨询公司惯于做「变革顾问」和「中立第三方」，可以帮 AI 厂商完成那一大段「说服过程」，从路线图、治理框架，到和各条线对齐预期。
第三，销售与交付的「最后一公里」。 纯靠销售团队 + 技术支持，AI 厂商很难在全球各行业「深插」进去。现在的模式是：BCG、麦肯锡帮助做战略与 operating model 顶层设计，Accenture、Capgemini 负责复杂系统集成与数据、云架构，OpenAI 派工程师进联合项目组。
Anthropic 则通过 Accenture、Deloitte 把 Claude 和 Claude Code深度嵌入软件开发、受监管行业场景里，把「一个模型」变成「一整套行业解决方案」。
一句话概括：
大模型公司用与咨询巨头的绑定，补三块短板——企业的战略话语权、组织变革的执行能力、以及跨行业、大规模复制的销售与交付网络。
二、从咨询公司的角度：新商业模式与新「卖点」
再反过来看咨询公司，它们在这波合作中，其实也完成了一次自我进化。
OpenAI 的 Frontier Alliances 要求每家咨询公司搭建专门的实践团队、认证人才，并把自己定位为「帮助领导团队决定在何处、如何规模化部署 Agent」的伙伴；BCG、麦肯锡负责战略与运营模型设计，埃森哲、凯捷更多做系统集成与落地。
Anthropic–Accenture 的合作则直接成立了一个新的业务集团，计划培训约 3 万名顾问，联合为 CIO 和受监管行业设计可规模化的 AI 解决方案；和 Deloitte 的合作里，后者要让 47 万员工都能用 Claude，并联合为金融、医药、公共部门打造行业方案。
这背后，咨询公司的商业模式在几方面被明显拓展：
第一，从「数字化转型顾问」升级为「AI 时代的总集成者」。 以前的叙事是：帮你上云、上 ERP、做数据中台。现在他们可以说：帮你挑选和整合 OpenAI / Anthropic / 各种垂直 AI 工具，重写业务流程，并长期托管这套系统的运营。卖的不是「一个项目」，而是「持续的 AI 能力和运营」。
第二，从「按天收费」走向「多层收益」。 传统咨询收入基本靠项目费，这一轮中会多出几种组合：引荐费或收入分成（导流客户给某个平台）、联合方案打包售卖、长期托管运维费、甚至和 AI 厂商一起做 industry IP（行业白皮书、基准、解决方案库）带来的间接收益。 Anthropic–Accenture 那个 Business Group，本质上就是一个带有强烈 co-sell 属性的「联合 BU」。
第三，服务内容从「写报告」转向「重写流程 + 搭平台 + 共建团队」。 麦肯锡管理合伙人用的是「企业必须重新布线、重构业务领域、演化工作方式」这样的语言；BCG CEO 则强调 AI 转型必须「链接战略、嵌入重设计的流程，并规模化采用」，这已经明显超出了单纯战略咨询的范畴，更像「战略 + 组织 + 运营 + 技术集成」的综合体。
换句话说，咨询公司在卖的是一整套「从战略到代码」的服务：
前端帮你想清楚 AI 应该怎么改造业务，后端联合 OpenAI、Anthropic 等把 Agent 真正嵌进系统和日常工作流里，中间还顺手接管治理和变革管理。
三、「AI 企业 + 咨询公司」的模式框架
如果从上面这些公开合作中抽象，会发现双方已经在形成一套相对稳定的分工框架，而不只是「拉个渠道伙伴」。
一个比较清晰的角色分工是：
AI 企业：提供模型和平台（大模型、Agent 编排平台、垂直 AI 应用），给出参考架构、SDK 和最佳实践；在大项目中提供 forward-deployed 或 reinvention engineer 团队，与咨询方一起设计和交付解决方案。
咨询公司 / SI：负责行业场景选择与设计，做战略和 operating model 顶层规划，主导流程重构、组织和激励调整，建立治理框架和价值衡量体系，并完成从 PoC 到全球 roll-out 的大规模落地。
客户：把预算集中在「转型项目」上，而不是只买工具，同时通过 CoE（AI 能力中心）等机制积累长期能力。
在这个框架下，可以看到至少三种常见模式：
一种是「战略–运营型联盟」。 典型如 OpenAI + BCG / 麦肯锡：双方联合服务 CEO 和高管团队，从战略重构、业务组合、组织能力入手，把 Frontier 并入新的 operating model 里。这里的核心价值不是写代码，而是帮企业决定「AI 在哪里真正改变业务」，以及如何治理。
第二种是「系统集成–交付型联盟」。 OpenAI 与 Accenture、Capgemini，Anthropic 与 Accenture、Deloitte 的合作都带有强烈 SI 色彩：咨询方负责数据、云、应用系统的整合，把 Frontier 或 Claude 嵌入现有技术栈和业务流程，解决的是「怎么让 Agent 和企业现实世界里那些又旧又复杂的系统对上口径」。
第三种是「内生能力孵化型联盟」。 Anthropic–Deloitte 的合作很极端：Deloitte 先在自己 47 万员工内部大规模部署 Claude，设立 Center of Excellence，训练上万名专家，然后用这套内生成果反向服务客户。 这其实是一种「先用自己当试验场，再把经验产品化」的模式：咨询公司把自己变成最佳样板案例，AI 企业则获得一个极强的 showcase 和反馈回路。
这些模式可以叠加，一个成熟的 AI–咨询联盟，往往既做高层战略，也做系统集成，还在咨询方内部孵化出一批「AI 原生顾问」，反过来推动更多项目。
四、从通用大模型到垂直 AI：被放大的机会
这套「AI 企业 + 咨询公司」的分工，并不只适用于 OpenAI 和 Anthropic。对垂直领域的 AI 企业来说，反而可能是被低估的机会。
通用大模型厂商在讲的是「平台故事」：一个 Frontier 或 Claude，可以跨行业、跨部门构建各种 Agent；咨询公司负责把它嫁接到具体场景里。
垂直 AI 企业则往往有更窄但更深的 domain：比如工业质检、供应链调度、零售选址、营销效能、医疗影像等。这类公司如果只靠自己去教育市场、重构流程，成本极高，但如果把咨询伙伴纳入设计，打法会不一样。
一种思路是：「行业精品咨询 + 垂直 AI」。 例如制造业里有很多专注精益生产、质量管理的咨询团队，如果某家做视觉质检 AI 的公司，能和这些顾问一起，把产线流程、 KPI 设计、激励机制和 AI 检测嵌到同一个改造方案里，客户买的就不再是「一个算法」，而是「一场产线效率和良率的综合改造」。
另一种是：「本地 SI + 垂直 SaaS」。 很多中大型企业不信纯远程的 AI SaaS，更信能进现场、懂本地法规和上下游关系的集成商。垂直 AI 企业可以把自己的能力平台化、模块化，交给本地 SI 去做最后一公里的集成、培训和变革管理，自己则集中在模型迭代和产品体验上。
还有一种更有想象力的路径，是「行业知识库 + AI 工具 + 咨询服务」的一体化。 咨询公司拿行业方法论和数据，AI 企业拿模型和产品，两者联合形成一套「可持续迭代的行业知识操作系统」：每次项目反馈、每次模型微调，都会反向沉淀进这套系统里。长远看，这会挑战传统「项目制」的咨询模式，更像是「订阅制 + 项目制」的混合体。
五、无论谁来落地，AI 真正的价值是什么？
绕了一圈联盟、模式、商业结构，最后还是要落在一个问题上：这些 AI–咨询 联盟，究竟在创造什么价值，而不是只在重组价值链？
如果把所有 buzzword 抽掉，AI 在企业里真正有价值的地方，我们会抓三点：
第一，改变决策和执行的「速度–成本曲线」。 当你可以用 Agent 在几小时之内拉通跨系统的数据、模拟几十种方案、生成配套文档和沟通材料，原本需要几周甚至几个月的分析–对齐–执行周期，被压缩到了新的量级。这种速度变化，会改变管理者敢不敢试错、敢不敢做「小步快跑」的组织习惯。
第二，重写流程，而不是给旧流程贴智能补丁。 OpenAI、Anthropic 和它们的咨询伙伴不断在强调的一点，就是不要把 AI 当作「给旧流程提效的外挂」，而是要把核心流程重新设计，使之假定「人+Agent 协作」是默认形态。 真正有效的项目，往往不是在现有流程末端加一个 Chatbot，而是在角色分工、审批路径、绩效指标上动刀。那是咨询公司最熟悉的战场，也是 AI 真正能放大杠杆的地方。
第三，把组织从「经验驱动」慢慢推向「假设–验证驱动」。 大部分企业嘴上讲数据驱动、精细运营，落地时依然是「资深同事的经验」压过实验结果。AI 工具和平台如果设计得好，可以让更多决策以低成本的实验方式去验证，让一线员工也能发起基于数据和模型的假设，而不是被动执行。这种文化变化不会一夜发生，但一旦形成，会比单个工具更有长期价值。
在我们看来，无论最后是 OpenAI、Anthropic，还是某家垂直 AI 厂商与哪家咨询公司牵手，只要它们没有触碰到这三层价值，那些「联合发布」、「战略合作」的新闻稿就很难变成真实的企业生产力。
我们自己这两年也在和不同企业、咨询伙伴一起探索这条路：一边和技术团队一起设计 Agent、平台和数据基础设施，一边和业务和管理层一起讨论「哪些流程值得重写」、「治理框架怎么搭」、「组织怎么承接」。有不少踩坑的教训，也有一些可复用的模式和打法，在不断抽象成方法论和工具包。
