SAP 斥资打造合作伙伴军团，Anthropic 培训万名工程师
两项企业级 AI 公告在同一周落地，而它们都不是关于更好的模型。SAP 于 10 月 6 日开始向客户推出 Joule Work，并宣布设立 1 亿欧元的合作伙伴基金。Anthropic 于 10 月 2 日启动 Claude Frontier Academy，并承诺投入 1 亿美元，到 2027 年底培训 1 万名前沿部署工程师（Frontier Deployed Engineer）。
两家公司都在同一个瓶颈上大举投入。模型已经足够好了。真正的制约在于，有多少人能够把它们落地到一个真实组织的生产环境中。
这两笔投入的规模本身就是信号。与构建前沿模型的实验室的算力预算相比，1 亿欧元和 1 亿美元不过是四舍五入的误差；但相对于任何人在实施上的花费，它们又是巨大的。当两家供应商各自独立地认定，关键约束是人而非技术时，这就是对行业实际所处阶段的一种表态。
时间点上的呼应表明，这一认知是共通的，而非巧合。两项公告都出现在这样一年之后：智能体平台的发布速度快于企业的部署速度，而从发布到真正投入生产负载之间的落差，成了这一类别中最显眼的问题。
SAP 把智能体放进记录系统内部
Joule Work 可协调 50 多个领域专属助手，它们来自嵌入 ERP、财务、采购和人力资源工作流中的 200 个专用智能体池。Joule Work、Joule Studio 及相关自主能力的正式商用计划于 2026 年 10 月推出。
其定位比智能体数量更重要。SAP 把它的 AI 层放进企业数据真正所在的系统之中，直接与 Microsoft Copilot、Salesforce Agentforce、ServiceNow AI Agents 以及 Oracle 的产品竞争。一个生活在 ERP 内部的智能体，无需数据导出项目就能访问记录、权限和流程定义。而一个从外部拼装上去的智能体，则必须重建这一切。
这既是支持 SAP 原生智能体的最强论据，也是反对它们的最强论据——取决于听的人是谁。对于已经在运行 SAP 的客户来说，集成优势是实实在在的，竞争对手很难匹敌。对于担心被锁定的客户来说，一个编织进记录系统的 AI 层比一个独立工具更难拆除，而且随着越来越多工作流依赖它，迁移成本会不断上升。
这 1 亿欧元用于在合作伙伴中建设实施能力。说得直白些，SAP 是在花钱打造一支真正能部署它所售卖产品的劳动力队伍。该公司自己的公告描述的是平台范围，这与经过验证的采用情况或可衡量的流程级 ROI 并不是一回事。在把预算从聊天机器人试点转向 SAP 原生工作流自动化之前，买方应当先问清定价、用量上限、数据隔离条款以及流程级结果。
范围与采用之间的区别值得认真对待，因为智能体数量是一个很容易注水的数字。一个跨越十几个领域协调 200 个专用智能体的平台，描述的是它能做什么，而不是任何客户已经实现了什么。真正重要的证据是任务完成率、每个已解决案例的成本，以及自动化能否经受住构成真实财务或采购流程的那些杂乱边缘场景的考验。
Anthropic 为部署层出资
Anthropic 的 1 亿美元承诺目标是在 2027 年底前培训 1 万名精通 Claude 部署的工程师。Claude Frontier Academy 就是其载体。
其逻辑与 SAP 相同，只是起点不同。Anthropic 售卖的是模型和 API 访问权。在一纸许可与一个可用的智能体工作流之间，横亘着一道以工程工时衡量的鸿沟，而能够填补这道鸿沟的人才供给，远小于需求。培训 1 万名这样的工程师，可扩大 Anthropic 的有效实施能力，并间接与 Microsoft 的合作伙伴网络、Google Cloud 的专业服务以及厂商中立的系统集成商展开竞争。
除了产能之外，还有一层战略维度。一名接受过 Claude 部署培训的工程师，会把它的一套习惯和偏好的工具链带进此后接触的每一个项目。培训是一条会不断累积的渠道，而塑造实施劳动力队伍的厂商，会在它并未在场的会议室里影响模型的选择。
这些数字里也有一个需要保留的地方。公告并未说明任何单个客户能获得多少工程师、培训是免费还是补贴，也未说明将适用怎样的实施费率和服务级别。培训产能与有保障的交付产能并不是一回事，买方应当谈成明确的承诺，而不是假设更大的受训人才池就意味着自己能得到更快的部署。
同一个瓶颈也出现在可靠性层
当 SAP 和 Anthropic 在为人出资时，另一些公司则在为让这些人的工作能够站得住脚的基础设施出资。Restate 完成了 2000 万美元 A 轮融资，用于面向智能体工作流的持久化基础设施，目标是提升运行时可靠性，让长时间运行的智能体不会在任务进行中毫无预警地失败。IBM 将其 Bob 编程智能体开放用于 OpenShift 环境中的自托管部署，包括本地、私有云、主权云和气隙（air-gapped）配置，这使银行、政府和国防承包商无需将源代码发送到多租户服务，就能使用 AI 辅助开发。
自托管的代价在于，买方要自行承担基础设施、补丁、模型治理和可观测性。现有报道只提供了部署选项，却没有独立的编程基准、按开发者的定价或经过衡量的生产力提升。
自托管趋势与培训趋势从相反的两端指向同一个结论。IBM 的客户想要永不离开自己大楼的智能体。Anthropic 的客户想要懂得如何构建它们的人。两者都是对同一种担忧的回答：接触受监管数据的智能体，需要买方能在审计中拿得出手的管控措施，而供应商的保证并不等于买方自己的证据。
这一周说明了市场什么
这种趋同很难被忽视。SAP 构建平台，并出资让合作伙伴去实施它。Anthropic 构建模型，并出资让工程师去部署它。Restate 构建让智能体不至于无声失败的运行时。IBM 把智能体搬到买方掌控的硬件上。
这些公告没有一项是关于能力的。它们关乎的是一场可运行的演示与一个在受监管组织内部真正运转的部署之间的距离，而这正是企业级 AI 市场如今把钱花在的地方。
这一转变对供应商在未来一年的竞争方式有一个可预见的后果。模型质量会持续提升，但它将不再是大多数企业采购中的决定性因素。决定性因素将是集成能力、审计追踪、数据驻留地，以及当某样东西在凌晨两点崩溃时，能否有一名支持工程师在线接电话。这些都不是基准测试数字，而它们全都很容易被模仿。
对买方而言，实际后果是：供应商关于智能体数量和平台范围的说法，应当被当作对雄心的描述来读。真正重要的是，一家点名的合作伙伴能否进驻你的公司，你的数据能否留在合规团队要求的地方，以及智能体的决策能否产出监管机构会接受的审计追踪。治理正在追赶能力，而供应商如今竞争的，是谁能先交付其中之一。