이미지: METAL LAB 생성
摘要
- Factory宣布推出面向咨询与系统集成合作伙伴的Factory Partner Network(FPN),将在培训、部署、解决方案与营销等方面投入1亿美元
- 该计划分为协助制定战略的FPS和负责实际搭建与运营的FPE两大方向,其中FPE按照准备-学习-部署-深化-现代化-扩展六个阶段对合作伙伴进行培训
- 首批合作伙伴将以邀请方式在美国、EMEA、APJ地区选定,预计在本季度内启动
- 발표일
- 2026년 8월 19일
- 프로그램명
- Factory Partner Network (FPN)
- 투자 규모
- 1억 달러 (교육·배포·솔루션·마케팅 전반)
- 트랙 구성
- FPS(전략가)·FPE(엔지니어) 2개 트랙
- 코드 작성 비중 주장
- 전체 SW 개발 생애주기의 약 20% (Factory 측 설명)
- 생산성 향상 근거
- Gartner, 생애주기 전반 AI 적용 시 25~30% 향상
- 비용 절감 주장
- 모델 라우팅으로 토큰 비용 50% 이상 절감 가능
- 첫 코호트
- 미국·EMEA·APJ, 초청제, 이번 분기 출범
代码只占20%,剩下80%才是真正的难题
开发工具初创公司Factory于8月19日公布了面向咨询与系统集成公司、云服务提供商(CSP)、独立软件供应商(ISV)以及AI实验室的合作伙伴计划"Factory Partner Network(FPN)"。该公司表示将在培训、部署、解决方案、营销等领域投入1亿美元。此前,Factory已于8月11日发布了在NVIDIA DGX Spark上运行、代码不会外泄的本地开发环境,持续针对安全敏感型组织采取行动。
此次发布的出发点是公司提出的一项统计数据:即便使用最新模型,实际编写代码的工作在整个软件开发生命周期中也仅占约20%。剩下的80%是决定要做什么、进行设计、测试、安全检查、部署以及后续监控等工作。Factory援引市场调研机构Gartner的数据称,相比只在编写代码环节使用AI工具,将AI工具应用于整个生命周期的团队生产效率提升了25%至30%。
为何需要合作伙伴
"智能只有在被部署时才能创造价值。"这是Factory在本次发布中打出的口号。该公司指出,Anthropic、OpenAI、Google、微软不仅在模型本身上投入巨资,也在服务能力上投入大量资金,并据此主张模型只是起点,真正创造企业价值的是实际部署。不过公司也指出,这些AI实验室投入到基础设施上的资金远高于投入到服务企业的资金,相差数百倍,而这一差距正是咨询与系统集成合作伙伴可以切入的空间。
Factory将咨询与系统集成合作伙伴所拥有、而模型无法提供的能力归纳为四点:长期积累的信任、具备共情、创造力与执行力的人才、能让知识产权留在客户企业内部的服务结构,以及为结果负责而非为token消耗负责的责任机制。同时,该公司也指出这些合作伙伴自身也需要转型——过去需要大型团队耗费数个季度甚至数年完成的项目,如今小规模、以软件为核心的团队可以在数周至数月内完成,因此计费方式也正从按人力工时收费转向按结果收费。
两大方向:战略顾问与工程师
FPN从两大方向起步。第一个方向是Factory Partner Strategists(FPS),协助合作伙伴规划并推进企业引入软件工厂的过程,内容涵盖高管简报与活动、业务价值咨询、用例诊断与路线图制定、概念验证(PoV)与生产环境试点,以及认证培训。该公司表示,对于符合资格的客户,这些活动费用将由Factory承担。
第二个方向是Factory Partner Engineers(FPE),直接融入客户团队,负责软件工厂的设计、部署与运营。Factory将这一过程划分为六个阶段。
| 阶段 | 内容 |
|---|---|
| 准备 | 评估导入准备度、制定安全计划、设定价值基线、规划部署路线图 |
| 学习 | 针对将负责运营工厂的团队,按岗位提供实操培训与认证 |
| 部署 | 结合成本与价值,将基础设施、软件、数据、安全、治理落地到生产环境 |
| 深化 | 通过集成、技能、Droid与策略强化工作流与数据 |
| 现代化 | 清理遗留系统、主机及数据平台中的技术债务 |
| 扩展 | 将转型范围扩大至多个职能、应用、团队与角色 |
Factory还表示,通过路由方式将任务分散到多个模型,可在保持相同质量的前提下,将token成本降低50%以上。
选拔方式与启动时间
首批合作伙伴将从美国、EMEA、APJ地区招募。该公司表示,选拔采用邀请制,评估标准包括企业触达能力、工程能力、领导层意愿以及成长意愿。Factory表示,将有意控制首批合作伙伴规模,以便对每个合作伙伴给予切实关注,首批合作伙伴将在本季度内组建完成。该公司还表示,将把这一过程中获得的经验分享给更广泛的生态系统。
编辑视角
这次发布可以解读为代码生成竞争已经进入新阶段的信号。过去一两年,AI编码工具之间的竞争聚焦于谁能更快、更准确地生成代码。但正如Factory自己所说,如果编写代码只占整个开发过程的20%,那么无法覆盖剩余80%的工具终究只能停留在试点阶段。事实上,从国内外企业实际引入AI编码工具的案例来看,总会遇到同样的瓶颈——原型一天之内就能做出来,但要将其纳入安全审查、遗留系统对接与运营体系,却需要花上数月时间。Factory的赌注在于,要借助咨询与系统集成合作伙伴的力量,而不是靠自身人力,来填补这一差距。
对国内企业而言,这次发布带来的实务启示很明确:正在考虑引入AI编码工具的组织,应优先关注该工具是否将部署、安全、治理一并打包提供,而不仅仅是模型的基准测试分数。尤其是像金融、制造业这类难以将源代码外送的行业,值得关注的是Factory在8月推出的DGX Spark本地运行环境与此次合作伙伴网络发布方向一致,都指向"在企业内部完成闭环的软件工厂"这一目标。不过,由于该合作伙伴网络以邀请制、小规模方式起步,国内系统集成公司能否实际接触到该计划,还需观察本季度首批合作伙伴的构成情况才能判断。
未来几个月,局势很可能会收窄为两条主线的竞争:一是Anthropic、OpenAI、Google等模型开发企业扩大自身服务组织的路线,二是像Factory这样专注部署的初创公司携手咨询与系统集成公司的路线。随着模型性能差距不断缩小,最终的胜负很可能取决于谁能更快、更低成本地将能力推进到企业内部。
评论