熱門資訊> 正文
2026-09-03 13:34
炒股就看金麒麟分析師研報,權威,專業,及時,全面,助您挖掘潛力主題機會!
(來源:鈦媒體APP)
最近這段時間,FDE突然成了AI行業的熱門縮寫。
5月,OpenAI宣佈成立一家專門幫助企業部署AI的公司,並計劃收購應用AI諮詢公司Tomoro,后者約150名工程師和部署專家將加入。新公司獲得超過40億美元初始投資,麥肯錫、貝恩和凱捷也在參與者之列。OpenAI的公告發布后,國內的雲計算、ERP和軟件服務企業也密集談論FDE。
8月底,明略科技在中期業績中披露,公司已有約30%的交付人員轉型為FDE,並將推動普聯軟件的FDE模式轉型;中遠海控準備培養自己的FDE,軟通動力、金蝶、致遠互聯則把FDE寫進產品交付體系。
打開招聘軟件,阿里,字節,螞蟻集團,Minimax,商湯等一眾大廠也紛紛掛出FDE崗位招賢納士。
一個在Palantir存在了二十多年的概念,為什麼等到大模型出現才大規模走紅?
這個崗位通常被譯為「前沿部署工程師」或「前線部署工程師」。名字新鮮,工作場景卻似曾相識:進入客户現場,理解需求,接入數據,修改系統,再陪着客户把項目跑起來。諮詢顧問、解決方案架構師和駐場開發過去也做過類似的事。
FDE是不是新職業,反而沒有那麼重要。企業押注的是另一件事:能否把依賴個人經驗的駐場交付,變成可以不斷複用的軟件能力。
資本市場買的不是職位名稱
Palantir把FDE視為一種產品開發方法。工程師靠近客户正在處理的問題,再將現場發現帶回核心研發團隊,公司把這個過程形容為軟件研發中的「人類反向傳播」。Palantir官方文檔顯示,這套方法從公司早期一直延續至今。
近兩年,隨着Palantir估值上升,外界開始用FDE重新解釋這家公司的增長。FDE能夠解釋的是,為什麼一家需要工程師深入客户現場的軟件公司,仍可能保有軟件生意的高毛利率。
General Mills的供應鏈項目提供了一個樣本。這家食品企業在北美連接着4000家供應商和200多座工廠,每年處理約120萬份訂單。按照Palantir公佈的客户案例,雙方接入200張主數據和運營數據表,建立供應鏈決策系統ELF。它每天檢查約3000份訂單,提供約400條調整建議,其中超過70%被工作人員接受;General Mills稱,這套系統每天節省約4萬美元。
系統必須同時理解訂單、運力、產能、成本和業務約束,還要知道什麼建議可以執行,什麼決定必須交給人。顧問可以提出優化方向,傳統實施工程師可以把數據庫接起來,FDE則要把模糊問題變成生產系統,再用採用率和業務指標判斷系統是否有效。
三類崗位沒有天然分界,差別主要在責任的終點。顧問通常交付建議,駐場工程師對約定範圍內的上線和運維負責,FDE還要把現場問題帶回供應商的核心產品。只在客户處寫一次性代碼、下一次交付仍從頭開始,這份工作依舊是定製開發。
國內公司押注交付效率
國內玩家的打法差異化也很明顯。
明略科技在嘗試改造原有交付隊伍。公司上半年約30%的交付人員轉型為FDE,並表示將推動普聯軟件團隊,轉型成為面向央國企的FDE。過去,項目經驗留在顧問或實施人員手中;現在,公司試圖把經驗寫成Skill和Agent,讓下一次交付少依賴人。
軟通動力提出「AI Factory+行業經驗+FDE」,從諮詢、模型部署、智能體開發一直做到持續運營。致遠互聯則把FDE定義為深入現場完成數據治理和定製功能開發,再把業務痛點反饋給內部團隊。前者來自大型IT服務商,后者來自協同管理軟件廠商,都想給傳統交付增加產品反饋這一環。
這也提示了一個風險:FDE正在成為寬泛的商業標籤。誰都可以把售前、實施和外包團隊改名為FDE。判斷它是不是新模式,不妨問三個問題:工程師是否寫生產代碼,是否對實際採用負責,單個客户的經驗是否進入標準產品。缺少最后一項,再豪華的崗位名稱也改變不了項目制生意。
企業不會把整串鑰匙交出去
FDE越接近真實業務,權限矛盾越難迴避。
工程師只看到一份脱敏訂單表,可以很快做出原型。要讓系統參與每天的排產和運輸調整,他還得理解供應商等級、客户優先級、違約成本和異常審批。最有價值的信息往往不在數據庫里,而在業務人員處理例外的習慣中。
國內已經出現了這種現場。2026年8月,陽光智維與金蝶啟動統一智能平臺項目,先從合同、票據和投標文件審覈入手。按照金蝶披露的方案,外部團隊將進場整理審覈規則、樣本和知識,建立「AI初審、人工複覈」的流程。雖然尚無公開結果證明效率已經提高,但它展示了FDE需要接觸的內容:票據只是表層,真正要寫進系統的是紅線條款、審批責任和歷史判斷。
企業不該因為對方叫FDE就開放全部系統。外部團隊需要的是完成特定任務所需的最小信息:開發與生產環境隔離,敏感字段分級,賬號按項目授權,代碼合併由內部審批,操作留下日誌,項目結束后回收權限。
技術只能限制成員能看什麼,無法回答企業為什麼願意讓你看的問題。外部團隊可能接觸成本結構、客户關係和未公開的經營規則,保密協議無法完全消除知識外溢風險。反過來,如果企業只提供層層過濾的材料,FDE又容易停在演示階段,做出一個看起來聰明、實際無法接管業務的應用。
深度FDE項目先要解決信任問題。成熟企業必須保留內部的數據負責人、業務負責人和安全團隊。外部FDE可以進入被授權的房間,開哪扇門、怎樣解釋業務規則、系統能否上線,決定權仍在企業內部。
內部FDE與外部FDE,誰會留下
甲方也在建立自己的FDE隊伍。除了上文我們看到的諸多大廠FDE內部團隊招聘信息,中遠海控表示,將以FDE人才培養為抓手,建設業務與技術結合的內部AI研發團隊。對於擁有複雜航運網絡的大企業,這個選擇不難理解。外部工程師熟悉模型和平臺,內部人員更清楚哪些數據口徑不能混用、哪個審批環節不能繞開,也知道一個看似低效的流程為何一直保留。
內外部FDE會合作,也會競爭。新模型和首批高風險場景需要外部經驗;場景進入日常運營后,內部團隊必須接管權限、評測和修改能力。供應商不願交接,客户會擔心被鎖定;企業把所有工作收回內部,又可能失去跨項目的技術視野。
檢驗合作是否健康,可以看一個反常識指標:后續項目需要的外部人力是否減少。第一套系統需要十個人駐場,第二套仍從數據清洗重新做起,第三套還依賴同一批人救火,FDE就沒有形成軟件槓桿,只是按人天收費的項目生意。
最好的FDE項目,應該允許FDE離場
外部FDE見過更多模型失敗的方式,也更瞭解產品接下來可能獲得什麼能力。這種視角可以幫企業少做幾個沒有生產價值的演示項目。但他無法替企業決定哪些錯誤可以接受、哪個部門應當讓出權力,以及自動化失敗后由誰負責。AI轉型牽涉預算、責任和利益調整,代碼只能處理其中一部分。
我們認為,外部FDE會長期存在,因為模型和工具還在變化。但在一項具體業務中,FDE不應成為永久崗位。項目成熟后,日常運營要回到內部團隊,常見需求要進入標準產品,低階的數據轉換和故障排查還會逐漸被AI接管。Palantir已經推出能夠操作Foundry、管理代碼庫和修改數據轉換的「AI FDE」,人類FDE的工作將更多轉向業務判斷、權限協調和異常處理。
一個FDE項目真正完成,可以看三個結果:外部工程師離開后系統仍在使用,內部團隊能夠獨立修改,供應商服務下一位客户時不必從頭再來。
如果駐場隊伍越來越大、合作期限越來越長、客户離開這批人就無法運行,那麼AI行業只是給傳統外包換了一個更昂貴的名字。