转载：小红书 AI产品赵哥
前言🔖
这两年我一直在产业一线跑，跟大量同行交流，去观察、去拜访，跟各种企业客户深入聊。聊下来发现，现在市面上关于企业 AI 落地的解法大概就这么几种：咨询、培训、SaaS 软件、硬件一体机。
很多老板跟我倒苦水，说预算批了，团队也配合了，可折腾大半年，业务流程还是老样子。问题不在老板不愿意花钱，而是现在这 4 种解法，绝大多数都存在严重的断层。今天，我结合一线真实案例，聊一聊目前最常见的企业级 AI 落地的 4 种方案，都有什么问题。
解法一：AI 管理咨询，为什么成了纸上谈兵🔖
第一种大的解法叫咨询。很多咨询公司本身就是做企业服务的，以前提供管理咨询，哪怕到麦肯锡这个层级，做数字化块面最多也就叫技术咨询。
但咨询公司现在有一个很大问题：他们能做的就是给一个战略规划、给一套方案，哪怕到刘润这个层级的商业咨询，也不可能下场帮你管公司。
我去年接触过广东的一家集团企业，营收做到了 5 个亿。上半年老板花了 80 万找一个管理咨询公司出 AI 方案，做出来之后老板原话跟我说，屁用没有，方案根本不管用。
老板不是傻子。他拿出这 80 万，只是手里有一点预算，想试试水，看看 AI 这个事情到底怎么回事。一旦这笔钱花出去没效果，他一定不会再花了，会退回去观察。
而咨询公司如果用的还是老一套流程：第一步做企业调研，第二步出解决方案和架构设计，第三步再拉中高层做一轮培训，最后为了显得跟 AI 沾边，给你套一个 AI 的壳子，加一个特别简单的问答小工具，这活儿就算干完了。这种方案根本不落地，员工用两天就扔一边。
解法二：从天价概念课到工具实操，AI 培训为什么没人买单了🔖
第二个解法就是培训。咨询公司里面很大一块业务其实也是做培训的。现在有一些咨询培训公司主动找过来跟我们合作，原因是他们发现过去那一套纯讲概念的培训没用了，客户根本不买单。
我们看看 2026 年之前市面上的 AI 培训能讲些什么。 怎么写提示词。甚至有些美容、医美的渠道，搞一个线下闭门会，收费一两万一个人，最多允许带 1 个或者 2 个助理进去。几百人在酒店关几天，教的就是怎么用 Claude 写提示词，就教了这么点基础的东西。
到了去年，培训能教的最多到什么？教 Dify、扣子这种工作流工具。老师在台上演示怎么把节点拖来拽去。可你觉得这种拖拽式的逻辑，企业里的普通员工能学明白吗？肯定学不明白。回到工位面对自己乱七八糟的表格，只要一个节点报错，整个人就懵了。
以前纯讲概念的培训，客户越来越不买单，原因就一句话：我听了，但我学不会。所以现在培训要做的是，概念还是要给你普及，但普及完得给我做代练，给我做一些轻度的陪跑。老师得坐到员工工位旁边，手把手带着他把工作流调通，不然根本收不到尾款。
解法三：进退维谷的 SaaS 软件，卖便宜了不赚钱，卖贵了全靠人堆🔖
还有一种解决方案就是 SaaS 软件。比如国外的 Workparty，它本身也是一个 SaaS；再比如阿里国际站的 ExoWork，最近在外贸圈和江浙沪的一些制造业工厂里推得比较强；金蝶、用友现在推的本质上也是一个 SaaS。
但你会发现 SaaS 会有一个很大的问题。在客户那边的认知里面，我买一个软件，哪怕买企业版，可能也就几万块钱。软件公司也有套餐，比如 2 万块钱一年，或者 4 万一年，对应给你十几万个积分，或者几十万个积分。
在这个价位大家相安无事。但一旦 SaaS 想要往上走，卖到 10 万一年，或者 20 万一年，客户就一定要你加一个东西，叫定制。
举个真实案例： 有家工厂老板买系统，说我的 ERP 系统里存了十几万张产品图，我现在要精确地找其中一张，你能不能帮我做这个事情？
等把工厂的 IT 部门负责人拉过来一对，发现有些工厂的 ERP 系统是几年前自己找小团队研发的一套老系统，里面那十几万张图片格式五花八门。要给这十几万张图片全部做向量化处理，是一个非常庞大的数据工程。让工厂里那个平时只负责修电脑的 IT 负责人去做向量化，既很难，也很不现实。
这还没完。再看那些工厂的办公室，大家桌上掏出来的还是那种用了好几年的老式台式电脑。员工平时能把这台电脑用明白已经不错了，你再让他去软件后台自己做一套技能插件（Skill），那是更难的事，Skill 他们绝对不会做。
这时候老板一定会提需求：说我愿意花这笔钱，但你能不能派一个人过来，帮我梳理一下我的需求，直接帮我把这一套 Skill 搓好就行。
到了 20 万这个层级，软件公司一定会再派团队去现场做定制，跟以前传统软件的驻场部署其实是一样的。里面肯定要有培训，但培训完员工还是不会用，怎么办？员工不用，到了第二年老板那几十万就不会再给你续费了。 你想让他续费，就必须派一堆人耗在那里帮他做定制。
解法四：硬件一体机到底行不行？为什么说本地部署大模型必死🔖
第四个解决方案叫一体机，就是纯硬件的方案。这里面有一些很骚的操作：
针对民营公司老板，有些服务商拿一台几千块的 Mac Mini 主机，在里面帮你做好定制知识库，也搭好环境，把常用的 Skill 也提前搓好。因为跟老板签的是年框协议，承诺后面有更新我也帮你更新，就这么一套东西，敢卖 20 万一台给一些公司老板。
还有更多的一体机是卖给国央企的。15 万一台那是最基础的，很多国央企买的都是上百万的一体机。
他们买一体机想解决什么问题？就是数据安全和隐私问题。我把模型在本地做算力部署，数据也在本地处理，客户确实有这个需求。
但站在今年来看，这个需求为什么越来越不行了？
我们来算笔账。在去年，可能 200 到 300 GB 的显存，就可以在本地部署一个几十 B（几百亿参数）的模型，勉强能用。但今年不行，像 Kimi K3 级别的模型，参数量已经干到了 2.8T（2.8 万亿参数）。
2.8T 意味着什么？你本地要完整部署一个 K3 级别的模型，光买显卡和服务器的硬件成本就在 1000 万往上，至少 1000 万。这里面你还不算底层的 Infra（算力基础设施）架构设计，不算算法工程师和售后运营维护人员的工资。
好，就算有企业说，我本地部署一个小一点的垂直领域模型，把公司自己的数据训练进去，做微调、做强化训练，让它变成独属于我、专门为我这个行业定制的模型，这样行不行？
首先，微调和强化训练的成本是很多普通公司很难承担的。更重要的是，现在有一个极其残酷的技术碾压现象。
比如你是法律行业的，花了很多时间把一堆法条喂给一个小模型，只给它做法律行业的垂直训练。结果你花了大半年时间刚弄好，另一边大厂出来一个 GPT-6 级别的通用大模型，人家根本没专门做法律微调，直接拿过来就能干，而且比你干得好得多。
为什么？这有点像一个公司里的工作岗位。你只训练它做前台接待，塞满接待话术，但因为它脑容量（参数量）太小，可能一辈子就只能做前台接待。
而超级通用大模型是什么？当参数量越来越大，它同时又懂前台接待，又懂谈单子，又懂做技术。它变成一个全能的人，底层的脑神经回路会越来越多。当它变得全能之后，智能会一下子涌现出来，一路升迁到总经理的位置。垂直模型没那么聪明，一旦通用大模型的参数量特别大、能力涌现出来，就会把这种垂直小模型彻底淘汰掉。
最后结论就是：本地部署大模型这条路必死。你花 1000 万去本地部署一个 K3 级别的模型，半年后硬件就贬值过时了；而这 1000 万如果用来直接调用大厂的 API 接口，足够你整个公司不眠不休地用上 100 年。本地部署这件事，性价比已经越来越拉胯了。
为什么标品救不了企业，FDE 模式成了唯一解🔖
把市面上这四大解决方案全部盘完，你会发现一个共同的趋势：咨询越来越重，培训越来越重，SaaS 也越来越重，一体机也不完全解决问题。所有路径走到最后，都需要越来越多专业的人去深度介入。
那这个时候，为什么 FDE（前线部署工程师）会突然火起来？就是因为市场上真的存在需求，老板手里真的有预算要解决 AI 落地这个问题，才倒逼出 FDE 火起来的这个局面。
过去服务商总想赚快钱，总想卖标品。什么叫标品？标准化的培训课给你讲概念，或者我就卖你一个标准化的工具，不管是 SaaS、小程序、应用、网页，包括卖一台一体机，或者给一份标准化的咨询方案，这些全都是标品。
💡 但事实很残酷：标品根本不解决企业 AI 落地的问题。
因为每家企业的历史数据都是脏乱差的，老系统都是奇葩的，员工连基础电脑都用不利索。企业现在真正需要的，不是标品工具，而是一整套完整的解决方案。谁能派出既懂技术又懂业务的 FDE 团队，直接扎进企业的业务里，帮企业把数据清洗好、把接口打通、把 Skill 搓好，跑出业务结果，谁就能拿走企业 AI 落地市场最大的蛋糕。