长期关注并参与企业 AI 转型与落地。在一些业务场景里,做过从 PoC、数据与权限接入,到上线验证和运营复盘的完整实践。有顺利跑通的,也有做到一半才发现问题定义错了、必须返工的。
所以我写企业 AI,不只想聊模型有多强,更关心三件事:AI 是否进入了真实流程?谁对结果负责?做完一次,有没有为下一次留下可复用的能力?
前面的《读懂 Palantir Ontology》系列,讲的是企业如何把数据、业务语义、逻辑、行动和权限接起来。但写到最后,还会遇到一个更现实的问题:
这套东西,究竟由谁进到现场,跟着用户一起做出来,再让它真正跑起来?
这就是我准备继续写 FDE 系列的原因。
接下来,我计划用 18 篇主线 + 3 篇番外(会不会有点多了),把 FDE 从一个热门岗位,拆成一套企业 AI 从 Demo 走向结果的方法:怎么找问题、做最小可行部署、处理数据和权限、设计评测、进入真实流程、证明 ROI,以及如何避免把软件公司做成高端外包。
今天是第一篇,我们先从一个看起来有点反常的现象说起。
2026 年,FDE 开始从 Palantir 的特殊打法,变成一批 AI 和云计算公司的正式组织选择。
- • 5 月 11 日,OpenAI 宣布成立 Deployment Company,并计划通过收购 Tomoro,从第一天带入约 150 名 FDE 和部署专家。
- • 5 月 21 日,Microsoft 与 EY 宣布五年联合投入超过 10 亿美元,由 Microsoft FDE 与 EY 行业和变革团队组成联合队伍。
- • 6 月 11 日,Anthropic 与 DXC 宣布合作,DXC 计划培训数以万计、进入客户组织的 Claude 认证 FDE。
- • 6 月 30 日,AWS 公布了10 亿美元级别的 FDE 投入,要把数千名工程师直接嵌入客户,在真实数据、治理和环境约束下共建 Agent 系统。
这些数字来自各家公司公告,有的还是投资和培训计划,不等于能力已经全部建成。但几家公司在短时间内做出相似动作,至少说明了一件事:
企业 AI 的稀缺资源,正在从「模型能力」转向「部署能力」。
模型越强,企业能想象的用途就越大。原来只敢用 AI 润色邮件,现在想让它处理客诉、审查合同、调整库存、安排维修,甚至改变一条核心流程。
可任务越重要,出错代价越高,模型之外的问题就越难绕开。
Demo 验证能力,生产系统承担后果
想象一个采购 Agent。
演示时,你给它三家供应商的报价单,它很快就能提取价格、交期和条款,再给出一份有理有据的建议。这一步确实比几年前强了很多。
可一旦进入生产,问题会立刻变成:
- • 哪个供应商实体才是 ERP 里的正确主体?
- • 报价和框架协议冲突时,应该信哪一个?
- • 这笔采购是否超过了申请人的授权范围?
- • 加急采购可以跳过哪些步骤,谁能批准?
- • Agent 能只提建议,还是可以写回 ERP、生成订单?
- • 建议被驳回后,是模型错了、数据旧了,还是业务有一个系统里没写的例外?
Demo 关心「它能不能给出一个好答案」。
生产关心「这个答案在什么语境下有效、谁有权采用、可以引发什么动作、失败后谁接管,以及结果如何回来」。
两者之间差的不是一个 Prompt,而是一整套业务、工程和组织能力。
FDE 出现的地方,正是产品和现实之间的缝隙
FDE 的全称是 Forward Deployed Engineer,常被翻…