OpenAI正通过旗下部署子公司DeployCo，将AI模型深度嵌入大型企业的IT系统与业务流程。DeployCo首席技术官Arnaud Fournier在最新采访中透露了这套落地机制的核心逻辑，以及Codex编程工具的惊人增长与AI定价的演变趋势。

Fournier此前联合创立了OpenAI的前方部署工程团队，自2026年4月起担任DeployCo的CTO。这家子公司在同年5月正式亮相，背后有19家私募股权公司及多家全球系统集成商与咨询机构参与。其首笔收购来自欧洲——英国咨询公司Tomoro将约150名前方部署工程师与部署专家带入DeployCo。Fournier强调，这将是一家具有欧洲关键领导力的全球性公司。

DeployCo的工程师团队直接驻场客户侧，承担双重使命：解决客户实际问题，同时理解技术落地的前沿挑战。Fournier指出，仅靠模型或API无法创造价值，只有当技术嵌入业务流程、保持合规并可监控时，价值才会显现。工程师们处于产品、研究团队与客户之间的接口位置，既将最新技术带给客户，也将一线教训反馈回公司。

这种反馈机制并不依赖客户数据训练模型。Fournier明确表示，除非客户明确要求并形成研究合作关系，否则OpenAI不会用客户数据训练模型。真正的反馈通过两条渠道实现：一是模型弱点反馈，例如团队发现文档理解能力不足，研究部门就会获取数据加以改进，西班牙对外银行的解决方案从GPT-5.0到5.5的显著提升正是得益于此；二是工具需求反馈，多智能体编排的需求催生了开源代码库Swarm，后来演变为Agent SDK。

在BBVA的案例中，银行最初只想自动化撰写信贷文件，OpenAI则建议重新设计流程：不是加速一年一次的任务，而是构建一个能持续评估信用风险的功能。这样一来，当乌克兰战争或霍尔木兹海峡局势升级等地缘政治事件发生时，银行可以立即衡量其信贷组合的风险敞口，从年度评估变为每周甚至每日的连续监控。

Codex的增长数据同样引人注目。Fournier透露，这款编程工具目前全球周活用户已超过400万，其中德国市场表现尤为突出，自2026年1月以来增长了720%，扮演着领先角色。

在AI定价方面，Fournier认为AI智能的价格已大幅下降，但他同时指出，像GPT-5.5这样的新模型由于涉及更复杂的算力，成本反而更高。对于企业普遍关心的AI项目投资回报率问题，即便是OpenAI也无法提供一套通用计算公式。

面对欧洲严格的《AI法案》与数据隐私关切，Fournier根据其日常实地观察表示，监管在实际落地中很少成为企业采用AI的真正障碍。在咨询合作伙伴的分工上，OpenAI近期宣布了与埃森哲、凯捷、波士顿咨询集团和麦肯锡等机构组成的Frontier Alliance生态系统。这些咨询公司近年来围绕AI建立了庞大业务单元，但同样面临技术迭代过快的挑战。与OpenAI工程师的合作旨在确保咨询顾问始终能为客户交付当前最前沿的技术与工具。不过，OpenAI自有前方部署工程师与这些咨询伙伴之间的具体分工边界，在对话中仍显模糊。

这套部署体系的深层意义在于，OpenAI不再仅仅是一个模型提供商，而是通过DeployCo直接参与企业核心流程的改造。从信用风险实时监控到多智能体工具链的演进，客户现场的工程实践正反向塑造着模型研发的方向。这种闭环既加速了技术迭代，也让AI的商业化落地从通用能力输出转向深度定制化整合。