调研日期：2026-05-11 调研范围：5 月 4 日 OpenAI / Anthropic PE 合资企业的策略逻辑、三代 AI Rollup 演化、两家的策略分歧与风险
5 月 4 日，OpenAI 和 Anthropic 先后宣布了同一个结构：与 PE 公司成立合资企业（Joint Venture，简称 JV。两家或多家公司共同出资成立一家新公司，各自出钱出资源，按约定分利润和承担风险），向大型企业部署 AI。SiliconSnark 的概括流传最广：“the technology industry’s two most philosophically opposed AI companies simultaneously announced they had invented the same company.”两家在数据来源、安全理念和开源立场上长期分歧的实验室，在同一天给出了同一种市场答案。
今天（5 月 11 日），OpenAI 发布了 DeployCo 的正式公告，公布了更多细节：收购 Tomoro 获得约 150 名 Forward Deployed Engineer 从第一天就进场、$4B+ 初始投资、TPG 领投的 19 家投资机构加三家咨询商的完整合作名单。但把两家的条款摊开来看，它们做的其实是完全不同的两件事。这两件事和过去半年 AI 行业里一条正在演化的路线（AI Rollup）连起来读，能讲清楚模型公司接下来一两年最值得跟踪的竞争维度。
AI Rollup 这个模式在过去半年经历了三次迭代。每一代都在回答同一个问题：AI 怎么进入真实企业，而不是停留在 demo 里。
第一代是传统 PE rollup。 在碎片化行业里低价收购小公司，通过集中后台、标准化流程来降本，整合后以更高估值退出。Thrasio 是典型反例：$16B 资金涌入 Amazon 品牌聚合赛道，90% 的公司正在挣扎或已死亡。这一代的局限在于没有技术差异化，纯靠运营效率。
第二代是 VC-backed AI Rollup。 General Catalyst 划拨 $1.5B、Thrive Capital 部署 $1B+，做法是反过来的：先建 AI 技术平台，再收购传统服务企业，用股权控制权强制推行 AI 变革。Crescendo 二十人团队收购三千人的 PartnerHero，靠的就是这个逻辑——你当顾问时只能建议客户部署 AI，当控股股东时可以直接换管理层、重组流程。RAND 的数据显示 80% 的 AI 项目失败，五大原因全是组织性的（问题定义不清、数据不足、权力重分配）。咨询合同解决不了执行问题，只有控股才能强制变革——VC-backed AI Rollup 的核心洞察就是这个 enforcement gap。（对这个模式的详细分析，见 4 月 9 日的 AI Rollup 调研。）
但 Gen 2 的代价也明显：一家公司要同时做好技术构建、并购整合和运营变革，三类能力的交集极其狭窄。
第三代是 5 月 4 日出现的结构。 三件事拆给三个专业实体：AI 公司负责模型和工程能力，PE 提供 portfolio company 和控制权，JV 负责实施落地。Reuters 确认 JV 大部分资本将用于收购工程和咨询公司。技术、控制、实施，从一家公司全干变成三家公司各干一段。Gen 2 的模式里 VC 独占整条价值链，Gen 3 的模式里 AI 公司、PE、实施公司各分一块。
5 月 11 日，OpenAI 正式公布了 DeployCo 的更多细节。其中最具体的一条是：OpenAI 已同意收购 Tomoro，一家做企业 AI 咨询和工程的公司，交易完成后约 150 名 Forward Deployed Engineer 将直接加入 DeployCo。DeployCo 的 FDE 会进驻客户现场，做诊断、选优先级工作流、设计并部署生产系统。OpenAI 不打算从零组建实施团队，直接买现成的。
Gen 2 用 VC 试水，Gen 3 转向 PE，区别不在于资金规模，在于控股权。
VC 通常拿少数股权。VC 可以说服创始人部署 AI，但无法强制。PE 拿多数股权。PE 可以决定管理层去留、流程改动和系统部署优先级。银行贷款不附带执行机制，咨询报告没有权力替换人，企业软件公司无法保证客户实施深度——PE 可以从股东层面把 AI 部署变成管理层的硬任务。
PE 自己也需要这条路线。传统 PE 的杠杆——降本、财务工程、行业整合——在利率偏高的环境下差不多用完了。AI 是一个全新的运营改善维度。FTI Consulting 的 PE AI Radar 报告提到多数 PE 已将 AI 纳入投资组合策略。OpenAI 的公告里给出了一个尺度：DeployCo 的 PE 和咨询伙伴加起来 “sponsor more than 2,000 businesses around the world”，这只是这组伙伴自己的 portfolio company，不含外部客户。
这里还有一层容易忽略的账本：买一家传统 B2B 服务公司 8 倍 EBITDA，注入 AI 能力后讲成 tech-enabled platform，下一个买家可能给到 12 倍。运营效率提升和叙事溢价可以叠加，两边的钱 PE 都想赚。
OpenAI 和 Anthropic 的 JV 在结构上看起来是对称的：都是 PE 合作，都要买咨询公司来组建实施团队。但条款细节显示两家不仅是策略不同——它们对”自己是什么类型的公司”的判断就完全不同。
先看具体条款。
DeployCo 的官方公告给了以下关键数字：OpenAI 保留多数股权和控制权（majority-owned and controlled by OpenAI），初始投资超过 $4B，用于扩展运营和收购公司。合作方由 TPG 领投，Advent、Bain Capital、Brookfield 作为共同领投方，B Capital、BBVA、Emergence Capital、Goanna、Goldman Sachs、SoftBank Corp.、Warburg Pincus、WCAS 等 19 家投资机构参与，另含 Bain & Company、Capgemini、McKinsey & Company 三家咨询和系统集成商作为投资方。
之前多个信源报道的 $10B 估值和 17.5% 保底回报，在官方公告里没有出现。这两项数字来自 Bloomberg、The Next Web 和 Forbes 的独立报道，SaaStr 也做了交叉分析。17.5% 保底回报是标准 PE 优先回报（8%）的两倍多。它的意思：不管 DeployCo 赚不赚钱，OpenAI 每年都要先付给 PE 合伙人投资额 17.5% 的回报。PE 拿的是接近无风险的收益，OpenAI 扛了大部分下行风险。换成大白话说，OpenAI 在用高价租 PE 的渠道。
为什么愿意付这个溢价？三类解释同时成立。第一，IPO 叙事需要确定性收入——$852B 估值、$122B 融资之后，任何收入的不确定性都会压低定价。第二，两家在抢同一批优质 PE 关系，竞标推高了价格。第三，OpenAI 在 JV 里保留了多数控制权，在 PE 出钱的情况下保持这种控制权本身不寻常——溢价里有一部分是买这份控制权的代价。
这三条加在一起，指向的不是”渠道不重要”。17.5% 的溢价恰恰说明渠道极其重要——重要到 OpenAI 愿意付市场价两倍的代价来租用它。但关键区别在于它把渠道当作什么。
OpenAI 把渠道当作成本，不是产品。它是一家模型公司，模型是核心产品。但模型不能自动抵达客户——需要有人进驻现场、改流程、做集成、处理内部阻力。OpenAI 的选择不是自己去建这支队伍（那需要太长时间，也会把自己拖进服务业的经济模型），而是花高价把它外包给 PE。17.5% 是一笔巨大的渠道成本，就像航空公司花巨资买飞机但仍然是一家运输公司而非飞机制造商。渠道贵，但它是为了让主业——模型——能运转起来，而不是让自己变成渠道公司。
Anthropic 与 Blackstone、Hellman & Friedman、Goldman Sachs 的合资企业估值 $1.5B，Anthropic、Blackstone、H&F 各出资约 $300M，Goldman Sachs 约 $150M，另有 Apollo、General Atlantic、Leonard Green、GIC、Sequoia Capital 跟投。TechCrunch 的对照报道明确指出 Anthropic 没有保底回报承诺。
Anthropic 的条款更像对一家传统服务公司的定价——没有保底，估值是 OpenAI 的七分之一。这跟它四月份的 Cowork 3P 策略是一脉相承的：三月堵死了第三方客户端蹭 Claude 订阅的通道，四月在自家 Claude Cowork 里接入了 GPT、Gemini、DeepSeek 等别家模型。两件事放在一起的底层判断是同一个——客户端是粘性，模型是过路货。Anthropic 自己在 4 月 21 日 Managed Agents 博客里把这句话写了出来：“We’re opinionated about the shape of these interfaces, not about what runs behind them.”我们的产品决定接口长什么样，不决定接口背后跑什么模型。
在这个判断下，Anthropic 的 JV 不是模型的管道——它就是 Anthropic 的核心业务本身。Anthropic 卖的是一套帮企业把 AI 跑起来的服务能力：FDE 怎么派驻、工作流怎么设计、系统怎么持续调优。至于是用 Claude 还是 GPT 还是 Gemini 来做这些事，取决于哪个模型在具体场景里更好用。渠道本身就是价值，模型是渠道里的消耗品。
放在一起看，两家对同一个问题——AI 公司的核心资产是什么——给出了完全相反的答案。
OpenAI 认为核心资产是模型。GPT 系模型会持续领先，渠道是花钱就能买到的外挂，从 PE 那边租用控制权只是另一种形式的获客成本。它是一家卖模型的公司——只不过这个模型太复杂，客户不会用，需要一套 JV 来当翻译。
Anthropic 认为核心资产是客户关系和工作流。模型正在变成可互换的部件——GPT-5.4、Opus 4.6、Gemini 3.1 Pro 在通用 benchmark 上只差个位数，Sam Altman 自己也承认 “transformer models have hit the wall”。当模型差距收窄到这点，竞争就会从”谁家模型最强”变成”谁最会帮客户用起来”。Anthropic 不是在卖模型，是在卖部署服务——模型只是服务里的一个配件，今天用 Claude，明天换 Gemini，服务本身不变。
两种赌法各自有各自的脆弱面。如果模型真的商品化了，OpenAI 的 17.5% 会成为沉重的固定成本——模型不再赚那么多了，但每年还要付 PE 保底回报。如果模型没有商品化、GPT 持续拉开差距，Anthropic 建的那条模型无关的部署管道就失去了核心卖点——当客户要求”给我最好的模型”而不是”帮我设计工作流”时，一个模型中立的服务公司比不过一个模型垄断者的直销团队。
前面讲的两家分歧有一个共同前提：企业部署 AI 这件事本身是有利润的。但如果两家 JV 生成的 AI agent 同时进入同一个市场，这个前提就不一定成立。
逻辑是这样。如果没有竞争，一家年收入 $100M 的服务公司用 AI 提效之后，收入规模不变，利润率跳升——这是一笔好生意。但如果 OpenAI 的 DeployCo 和 Anthropic 的 JV 同时往同一个赛道（客服外包、会计自动化、法律服务）里放 AI agent，两边 agent 就会开始互相压价抢客户。
Anthropic 自己的 Project Deal 实验已经提前演示了这件事：在一个全是 AI agent 的市场里，Opus agent 系统性地从 Haiku agent 那里抽取了价值——Opus 卖家多卖 $2.68（p=0.030）、Opus 买家少付 $2.45（p=0.015），被抽走价值的 Haiku 用户主观上完全没感觉。放到真实市场上，如果两家 JV 都往同一个赛道里放 agent，最后的结果不是两家的 agent 服务都赚钱，而是它们互相把利润吃到零。效率提升本身不缩小市场——竞争才会。
Klarna 的逆转也提醒同一件事的反面：即便没有竞争压力，AI 部署本身也可能把服务做差。Klarna 2023 年用 AI 裁掉 700 名客服，到 2025 年全面逆转——问题解决时间增加 27%、不满意交互增长 35%。Fortune 那句判断讲得很直接：“Services businesses aren’t inefficient by accident. They’re inefficient by design. The inefficiency is the product. Clients pay for flexibility, customization, and someone to blame when things go wrong.”
过去半年 AI 行业的竞争维度发生了两次迁移。第一次从模型能力转向运行时——同样的 Claude Opus 在不同 harness 里跑 SWE-bench 差 16 个百分点，模型不是终点，怎么用模型才是。第二次从运行时转向渠道——当模型差距收窄到个位数，谁有办法让企业真正用起来，谁就拿到了下一阶段的入场券。McKinsey 的年度调查数据给了一个尺度：88% 的企业已在至少一个职能使用 AI，但不到 10% 实现了规模化部署。差出来的 90%，瓶颈不在 API 质量，在于谁来改流程、谁来迁数据、谁来替换岗位、谁来处理内部阻力。PE 是这个逻辑下的极端表达：它不光有资本，还有可以把 AI 部署写进管理层 KPI 的控制权。
5 月 4 日，OpenAI 和 Anthropic 在这个判断上是一致的，一致到同一天交了同一份答案。但他们对”自己是谁”的判断完全相反。OpenAI 是一家卖模型的公司，JV 是它花高价租来的渠道，买的是把模型送进企业的通路。Anthropic 是一家卖部署服务的公司，JV 就是它的主营业务本身，模型只是服务里今天用 Claude、明天可能换 Gemini 的一个配件。
两种赌法都可能赢，也可能都输给同一个风险：两家 JV 生成的 AI agent 互相竞争到一个没有利润的均衡点。这不会改变明天的工作，但如果你在判断 AI 产品的竞争策略，它告诉你下一步的竞争对手不只是其他模型团队，还包括那些控制着企业入口的 PE、它们刚组建的实施公司——以及它们手上会在市场上互相压价的 AI agent。