2026年10月28日，AWS Premier Tier Services Partner Classmethod宣布与AWS签署5年期战略协作协议（SCA），覆盖遗留系统现代化与安全加固、托管运维自动化、制造/零售/金融行业AI生产级部署、Client Zero实证手法提供以及体验验证中心5个方向。这份协议的核心方法论被Classmethod称为「Client Zero」——先把自己变成第0号客户，在内部跑通每一项AWS新能力，再将验证过的路径打包输出给日本企业。

首年目标是30家企业的生产级导入。这个数字放在Classmethod累计支持过的5,600多家企业、管理的40,000多个AWS账户的基数上，看似保守。但它恰恰折射出一个贯穿整份新闻稿的核心判断：AI从个人提效工具变成组织级生产要素，中间隔着一项系统性的组织改造工程。

5年SCA的5个方向，以及5项之外的Physical AI

据AWS官方新闻稿披露，这份SCA的5个交付方向构成了一条从基础设施到落地验证的完整链条；Physical AI则不在这5项之内，是合作的延伸方向。

第1层：遗留系统现代化与安全加固。 Classmethod将结合AWS Transform的迁移能力与自身的实施经验，对客户的遗留应用、数据库和数据平台进行端到端现代化。安全层面，AWS Security Hub与Amazon GuardDuty负责持续监控，AWS Security Agent则提供应用设计、代码层面的安全审查与持续渗透测试。新闻稿的措辞明确强调了一个优先级判断：在扩大AI使用范围之前，先解决安全、可靠性和治理问题。这一排序针对的是日本企业大量存在的老旧自建系统——这些系统在AI时代面临的威胁面比以往更大，因为AI工具本身就可能被用来发现和利用这些系统的漏洞。

第2层：托管运维自动化。 迁移完成后，Classmethod将以托管服务形式承接系统的持续运维，使用Amazon Bedrock和AWS DevOps Agent将故障调查、问题排查、根因分析等日常运维任务自动化。这一层的商业逻辑清晰：现代化迁移是一次性收入，运维托管是经常性收入，5年SCA框架为后者提供了合同保障。

第3层：行业AI生产级方案。 制造业是首个落地方向。据新闻稿描述，第1套方案覆盖工厂数据采集与可视化、AI驱动的预测性维护，以及利用生成式AI将熟练工人的经验知识进行系统化传承。零售和金融方案将陆续推出。底层技术栈以Amazon Bedrock为核心，在需要自主行动的流程中引入Agentic能力。

第4层：Client Zero实证手法。 Classmethod先在自身业务中采用每一项AWS新能力，把由此形成的实施模式和治理经验体系化，再做成可复制的服务提供给客户。据新闻稿，客户采用的是Classmethod已经在实际业务中运行过的方法，而不是第一次尝试的方法（日文新闻稿的表述为「Client Zero による実証済みの手法の提供」）。这一模式的商业含义见下一章。

第5层：AI Experience Center。 该体验与验证中心将于2026年11月2日启用，定位为从用例筛选、原型制作、数据与安全设计到生产环境设计、治理和运维体系搭建的全链条支持据点。

5项之外的延伸：Physical AI。 英文新闻稿把Physical AI放在5项之后单独成节（”Extending AI into the Physical World”），日文新闻稿则把它列在「今後の展開」（今后的展开）之下。Classmethod披露已与一家防灾相关企业（名称未披露）开展Physical AI共同研究，测试搭载AI的机器人在高危环境中自主行动的能力。具体实验包括AI机器人与消防设备联动执行灭火任务，以及在真实建筑内进行搜索与救助试验。据英文新闻稿描述，这是协议中最具前瞻性的部分之一，相关研究已经在进行中。技术路径上，Classmethod计划利用AWS的机器人开发运维能力——仿真环境中的学习、Amazon SageMaker AI上的模型训练与迭代、通过AWS IoT Greengrass向现场设备部署——构建边缘实时推论与传感器数据驱动的模型持续改进闭环。

5个方向的排列本身就是一种产品架构：第1、2层解决「能不能用AI」的前提条件，第3层解决「用AI做什么」的行业落地，第4层把Classmethod自身跑通的做法变成可复制的方法，第5层则是将所有能力集中展示和验证的入口。Physical AI则是在这5项之外，向物理世界的延伸。

「Client Zero」：集成商的竞争壁垒重构

这份SCA中最值得拆解的概念是「Client Zero」。

传统IT集成商的商业模式是：厂商发布新产品→集成商获得认证→向客户销售许可证并提供部署服务。集成商的价值主要体现在项目管理和技术对接上，对产品本身的理解深度取决于培训课程和少量PoC经验。

Classmethod的「Client Zero」模式试图改变这一链条：每一项AWS新能力，Classmethod先在自己的业务中采用，记录成功路径和失败教训，将治理经验和实施模式体系化，然后作为可复制的服务输出给客户。据新闻稿描述，Classmethod不仅分享成功案例，还整理实施中遇到的问题、运维中的约束条件、安全与治理方面的争议点，一并提供给客户。

这种模式的底层逻辑是：在AI时代，客户购买的核心价值不再是产品许可证的转售，而是「有人已经替你踩过坑」的转型路径。AWS的Specialists and Partners副总裁Ruba Borno在新闻稿中的表述直接点明了这一点：”The most impactful partners aren’t just telling their customers how to transform with AI, they’re doing it themselves.”

要评估「Client Zero」的可信度，需要看Classmethod在自身运营中实际使用了哪些AWS AI能力。据英文新闻稿和日文新闻稿，Classmethod在系统开发等多项业务中使用Amazon Bedrock、Kiro和Amazon Quick。据Classmethod内部测算，AI驱动开发使编码生产性提升5倍，项目整体生产性提升2倍。日文新闻稿进一步注明，该数据来自2025年11月至2026年6月期间Classmethod内部中等规模项目的实测值。

必须强调：这是公司自报数据，并非独立第三方验证结论。 5倍编码效率提升的口径在行业中属于较高水平，其衡量标准（是代码行数、功能点还是交付速度）、基线选择（对比的是纯人工编码还是已使用辅助工具的状态）以及项目类型的代表性，均未在公开资料中详细披露。将这一数字作为对外销售的核心卖点，需要客户自行评估其适用性。

不过，即便对具体倍数存疑，「Client Zero」模式本身的商业逻辑仍然成立。Classmethod在Anthropic生态中的布局提供了侧面佐证：据Classmethod 2026年10月7日的英文新闻稿，公司已成为Anthropic Claude Partner Network Services Track的Preferred Launch Partner，拥有160名持有Claude认证的成员（截至2026年9月底）。Claude Enterprise已部署给约1,000名集团员工及关联人员，超过600名员工每日使用Claude Code。这些数字表明，Classmethod确实在以组织级规模使用AI工具，而非仅停留在小范围试点。

日本企业AI落地的结构性障碍

Classmethod这份SCA的市场背景，可以从其自身运营的AI Experience Center（AIXC）发布的调研数据中窥见一斑。需要提前说明的是，AIXC由Classmethod运营，该调研的发布方与SCA的签署方存在利益关联，读者在引用其结论时应注意这一背景。

据AIXC 2026年7月9日发布的白皮书，该机构对日本536家企业进行了AI采用现状调查。调研采用AIXC Score作为评估工具，满分140分，由13个必答问题计算得出，覆盖推进结构、采用阶段和政策制定3个维度。白皮书未详细披露抽样方法和行业分布的具体构成。调研揭示了3个发现：

第1，AI采用成熟度的最大分化因素不是企业规模，而是是否设立了专职推进团队。即便在大型企业内部，有专职团队与没有专职团队的企业之间的评分差距，大于不同规模企业之间的差距。

第2，按决策者类型分组时，由CIO或CDO等专职高管主导AI推进的最高组与没有指定负责人的最低组之间，差距最高达32分（满分140分）。即使技术资源和投资水平相近，有无专职推进结构对采用成熟度的影响超过了技术能力或预算本身。

第3，除了普遍存在的AI人才短缺之外，不同行业面临的次要障碍差异显著。专业服务、金融和保险行业的安全顾虑超过了推进体制建设的需求；制造业则同时面临数据基础设施和推进体制的双重挑战；信息通信行业的人才短缺占比达30%，是其他行业的2到4倍。

这组数据为Classmethod的SCA提供了市场逻辑支撑：日本企业的AI落地瓶颈不在于是否知道AI有用，而在于组织层面的推进结构、治理框架和专职领导力的缺位。Classmethod的「Client Zero」模式本质上是在向客户出售一套经过验证的组织改造方法论——从推进结构设计到治理框架搭建，再到具体技术选型和运维体系——而非单纯的技术产品。

Classmethod CEO横田聡在新闻稿中的表述直接呼应了这一判断：”Many companies have already adopted AI, but a gap is opening between those that use it to save individual employees time and those that use it across the organization to achieve significant results. Closing that gap means going beyond isolated efficiency gains to strengthen data foundations, rethink business processes, and optimize the whole business, starting from its core systems.”

这段话的关键词是”gap”——个人提效与组织级成果之间的鸿沟。日文新闻稿中的对应段落进一步阐述了背景：AI的活用已经必不可少，但很多企业的系统跟不上这个前提；AI普及也带来新的威胁和风险，维护不到位的旧系统尤其容易受到影响。这段的结论更为直接：不应把导入AI本身当作目的，而要以AI为前提重新审视业务和系统（「AIを導入すること自体を目的にするのではなく、AIを前提に事業とシステムを見直すことが必要です」）。

合作基础与生态定位

Classmethod与AWS的合作始于2011年。据其官方资料，公司累计支持5,600多家企业，构建和管理40,000多个AWS账户，自2015年起每年保持AWS最高合作伙伴等级（Premier Tier）。在日本市场，Classmethod曾5次获得AWS Consulting Partner of the Year（日本最佳合作伙伴），2022年获得全球SI Partner of the Year，2023年再次入围决赛。

新闻稿中的客户引语提供了若干侧面信息。塩野義製薬DX推進本部数据科学部部长北西由武表示，制药行业需要同时推进严格的合规要求与AI加速采用这两个看似矛盾的目标，对Classmethod基于AWS和AI技术的专业能力以及灵活的伴走式支持风格给予了信任。三菱UFJ銀行执行役员上路隆雄则提到，该行某部门在Classmethod支持下在AWS上构建的AI分析应用已在业务中稳定运行，强调了将AI活用从验证阶段推进到实际业务使用的能力。NTT EAST的Naoki Shibutani在引语中提及，NTT东日本与Classmethod于2020年成立合资公司Nextmode，共同推进地方中坚和中小企业的云活用支持，并表示Classmethod的「Client Zero」方法与NTT东日本推动地方DX的愿景高度契合。

在Anthropic生态方面，Classmethod于2025年7月与Anthropic建立合作，2026年3月加入Anthropic Authorized Reseller Program for Amazon Bedrock，2026年10月成为Claude Partner Network的Preferred Launch Partner。这意味着Classmethod同时在AWS原生AI能力（Bedrock）和第三方模型（Claude）两条线上建立了服务能力。

AWS SCA生态的横向对比

Classmethod的5年SCA并非孤立事件。AWS近期与多家合作伙伴签署了战略协作协议，但各自的定位和切入点差异显著。

据AWS 2026年9月的新闻稿，Cognition与AWS签署了多年期SCA，核心是将其自主软件工程师Devin部署到企业生产环境中，帮助客户加速遗留工作负载向AWS的迁移并清除安全和工程积压。Cognition的模式是提供一个能理解代码库、规划方案、编写代码、测试并修复问题的自主代理，工程师负责决策和审查。据AWS与Cognition的新闻稿，Mercedes-Benz使用Devin分析超过20万行COBOL代码，将预估8个月的现代化项目压缩到8天。与Classmethod的5倍数据类似，这一数字同样来自厂商方新闻稿，并非独立第三方验证结论，读者应以同等审慎态度对待。

两份SCA的对比揭示了AI时代集成商分化的两条路径：Cognition卖的是一个能替代部分工程师工作的自主代理产品，价值主张是「用AI做人做的事」；Classmethod卖的是一套经过自身验证的组织转型方法论，价值主张是「用我们踩过的坑帮你少走弯路」。前者的扩展性取决于Devin的技术能力边界，后者的扩展性取决于「Client Zero」经验的可复制程度。

30家vs.5,600家：组织级改造的规模化难题

回到Classmethod首年30家生产级导入的目标。相对于累计支持过的5,600多家企业，首年30家约占0.5%。这个数字的保守程度本身就是一个信号。

笔者判断，这一保守目标反映了3层现实约束：

第1，生产级AI导入与传统云迁移的交付复杂度不在同一量级。云迁移的核心是基础设施层面的搬迁，流程相对标准化；而生产级AI导入涉及数据基础设施重建、业务流程重设计、治理框架搭建和组织能力建设，每家企业的起点和终点都不同。

第2，「Client Zero」模式的可复制性存在天然上限。Classmethod自身是一家技术服务公司，其组织特征（工程师占比高、技术文化成熟、决策链条短）与制造业、金融业客户的组织特征差异巨大。在Classmethod内部验证有效的实践，移植到一家拥有数千名非技术员工的制造企业时，需要大量的适配工作。AIXC调研中揭示的行业间障碍差异（制造业的数据基础设施问题、金融业的安全顾虑）进一步放大了这种适配成本。

第3，5年SCA的框架设计本身暗示了一个渐进式扩张的节奏。首年30家是验证期，后续4年才是规模化期。如果首年30家的生产级导入能够产生可量化的业务成果，这些案例将成为后续扩张的最强销售工具。反过来，如果首年案例的成果不及预期，5年的合同期限也提供了足够的调整空间。

Physical AI：从数字世界到物理世界的延伸

Physical AI不在5个交付方向之内，日文新闻稿把它列在「今後の展開」之下；它是这份合作中最具前瞻性、也最具不确定性的部分。与一家防灾企业合作进行AI机器人灭火和搜救试验，这一方向的商业化路径目前尚不清晰。据英文新闻稿描述，这是协议中最具前瞻性的部分之一，相关工作已经启动（”This is among the most forward-looking elements of the agreement, and work is already underway”）。但合作企业名称未披露这一事实本身，可能意味着该合作仍处于较早期阶段，读者对其商业化进度的预期应相应调低。

这一方向的战略意图明确：将Classmethod的服务范围从纯数字世界（云、数据、软件）延伸到物理世界（工厂、物流、灾害现场）。技术路径上，仿真学习→SageMaker AI模型训练→IoT Greengrass边缘部署→传感器数据反馈的闭环，与制造业方案中的工厂数据采集和预测性维护共享底层架构。笔者推测，Physical AI方向在短期内更多承担技术储备和品牌定位的功能，其商业化落地可能要到SCA中后期才会显现。

Ruba Borno在引语中特意提到了Physical AI——”Classmethod transforms its own business first, then turns what it learns into production outcomes for customers, extending all the way to Physical AI”——这表明AWS层面也将Physical AI视为这份合作的差异化标签之一。

5年协议的最终成色取决于什么

这份SCA的核心赌注在于：「先革自己的命再卖方法论」这一模式，能否在日本企业的组织现实中规模化复制。

有利因素是明确的：Classmethod拥有15年的AWS合作积累、5,600多家企业的累计服务基础、160名Claude认证工程师，Claude Enterprise已部署给约1,000名集团员工及关联人员、超过600名员工每日使用Claude Code，以及一个即将启用的线下体验中心。这些构成了一个从认知教育到方案验证再到生产部署的完整漏斗。

挑战同样清晰：日本企业的AI落地瓶颈是组织性的。AIXC调研显示，专职团队、公司级政策和专职高管3个条件全部具备的企业才能维持高采用成熟度，缺少任何一个条件评分都会显著下降。Classmethod可以提供技术方案和实施经验，但无法替客户做出设立专职团队或任命CIO/CDO的组织决策。

首年30家生产级导入的达成情况，将是检验这份5年协议前景的第1个硬指标。而更长期的观察点在于：这30家企业中，有多少能从「用AI节省个人时间」跨越到「用AI在组织层面产生显著成果」——这正是横田聡在新闻稿中指出的那道鸿沟。

主题分类：企业AI落地

参考资料

  1. Classmethod Signs Five-Year Collaboration with AWS to Help Japanese Enterprises Adapt to the AI Era, Built on Its Own Transformation — Amazon/AWS, 2026-10-28
  2. クラスメソッド、AWSと5年間の戦略的協業契約を締結 自社実践「Client Zero」で、日本企業のAI本番活用を一貫支援 — Classmethod, 2026-10-28
  3. Classmethod Named a Preferred Launch Partner in the Services Track of the Claude Partner Network — Classmethod, 2026-10-07
  4. Cognition and AWS Sign Multi-Year Strategic Collaboration Agreement — Amazon/AWS, 2026-09-15
  5. An Anatomy of the AI Adoption Gap: Insights from 536 Companies — Classmethod/AIXC, 2026-07-09