企業AI最後一公里：三路人馬在此交鋒

鄭敏芳 發表於 2026年08月24日 03:09 摘要：尋找自己的位置 2026年世界機器人大會現場，談到這一輪突然走紅的FDE（前線部署工程師），明略科技CEO吳明輝先把時間往回撥了十多年。“12年前我們就在非常認真地研究。”當華爾街見聞·問及FDE與傳統軟件部署有什麼區別時，吳明輝說，兩者都會進入客戶現場，但今天的FDE需要做得更深：一邊把Agent接進真實業務，一邊把現場形成的能力繼續沉澱回後臺。這背後是企業服務的交付方式正在出現新的變化。

今年5月，OpenAI專門成立Deployment Company，把FDE送進企業，和客戶一起完成需求發現、系統設計、開發和上線； 6月，Anthropic又宣佈與IT服務商DXC合作，後者計劃培訓數萬名Claude認證FDE，把Claude接進銀行、航空、保險、製造等行業的核心繫統。8月18日，騰訊雲也把原來的“智能體開發平臺AI應用工程師認證”直接改名為“ADP前沿部署工程師（FDE）認證”。這些公司關注FDE，背後指向的都是企業AI落地“最後一公里”的問題。

OpenAI、騰訊等大廠開始親自承擔更多企業交付工作，派FDE進場，把模型和Agent平臺接進客戶的系統；明略科技等在內的企業服務商則在用AI重做原來的定製開發，把行業Know-how、數據治理和軟件實施能力變成一個個Agent；作為支付方的企業也開始從銷售、研發、供應鏈等業務部門培養自己的AI先行官，建設內部的FDE能力。AI把寫代碼變得越來越便宜，卻把“誰來理解企業、定義需求並讓Agent真正跑起來”推成了一門新的生意。FDE早在大模型時代之前就已經出現。Palantir很早就以類似方式讓工程師深入客戶現場，把複雜的數據、軟件能力和具體業務結合起來。

過去的軟件行業也一直存在實施顧問、解決方案架構師和駐場工程師。因此FDE在這一輪AI浪潮中重新走紅後，一個爭議始終存在：它究竟帶來了新的工程模式，還是沿用了上一代軟件實施的老邏輯？“我們本來就有售前技術支持團隊，我覺得FDE就是一個趕時髦的詞。但如果我們團隊認為用上這個稱呼可以更好地把產品賣出去，我覺得也可以。”華南一家雲廠商CEO曾對直言。吳明輝則認為傳統實施團隊可以只負責把一套確定的軟件交付出去，甚至與軟件研發團隊沒有直接關係；FDE則需要把一線形成的能力繼續貢獻後臺，讓一個客戶現場暴露出來的問題變成下一次可以繼續使用的資產。

這也是OpenAI、騰訊等大廠開始把工程師直接派到客戶身邊的原因。例如OpenAI對FDE的崗位定義已經明顯超出傳統“技術支持”的邊界。其FDE需要從需求發現、技術範圍確定、系統設計一路負責到生產上線，還要把已經跑通的方法沉澱成工具、Playbook和Building Blocks，再把現場反饋帶回產品與模型團隊。通過真實工作流暴露問題後，AI大廠可以據此繼續優化Harness、模型和產品。但這能否解決企業AI落地的“最後一公里”問題，仍要打上問號。吳明輝舉了廣告行業的例子，即便同樣做快消，寶潔、聯合利華之間的流程和打法也會繼續變化。

在他看來，期待一個通用基礎模型能夠適應所有的場景，能夠把planning都做好，能夠把工作流給分解好，這是悖論。企業為了競爭必須不斷創造新的流程和打法，今天被學習的工作方式，明天可能已經改變。如此背景下，FDE面對的是持續變化的Context，很難靠一份靜態的“行業答案”長期覆蓋。這也給另一類公司留下了位置——軟件服務商。自AI從聊天走向“幹活”之後，市場一直存在對傳統SaaS被替代的擔憂。技術圈更流行的一種判斷是隨著Vibe Coding持續降低開發門檻，企業未來可以自己寫代碼、自己搭Agent，原本需要購買的標準軟件和大量定製開發都會被進一步壓縮。

這直接把軟件服務商推到了AI轉型的壓力之下。過去依靠License、實施和定製開發形成的收入結構都可能受到影響。但如果外部FDE可以長期存在的邏輯成立，那麼軟件服務商也可能因此有了新的生存空間。企業可以越來越容易地獲得模型和代碼，卻仍然需要有人長期理解自己的業務變化、系統結構和交付約束。對傳統軟件服務商來說，過去多年待在客戶現場形成的行業理解、系統經驗和交付能力恰好有機會被重新翻譯成Agent能力。明略科技就是其中一個樣本。它過去的核心業務集中在營銷智能、營運智能、數據治理和企業軟件服務。

進入Agent時代後開始發展Agentic Services，希望把原有的軟件實施、數據治理和行業服務能力進一步轉成定製Agent交付。明略近期擬取得普聯軟件控制權也延續了這條思路。普聯長期服務石油石化、煤炭電力等大型集團企業，定製開發和實施屬性較強。吳明輝表示，明略計劃先把FDE、Agent和相關基礎設施帶進普聯，再由普聯將這套能力延伸至原有客戶。但真正決定這個邏輯能否成立的關鍵是FDE的槓桿率。傳統定製軟件一直是一門偏重人力的生意。一個項目往往需要大量工程師駐場，需求越複雜，投入的人越多，收入和人力長期保持較強的線性關係，規模效應有限。例如普聯軟件的收入從2021年的5.

82億元增長至2025年的8.25億元，期間增長率超過40%，但卻是“越幹越不賺錢”，2025年淨利率只有8.09%，較2021年下滑了超15個百分點。Agent時代試圖改變的是交付效率。吳明輝給出的判斷是功能已經明確的標準軟件，代碼本身會越來越容易被AI復刻。客戶自己尚未想清楚怎麼做的業務場景反而可能成為企業服務中更值錢的部分。“如果只是拿著電腦寫代碼，他沒必要到現場去。”他說，工程師來到客戶身邊，更重要的工作是不斷和客戶溝通，把“業務到底怎麼做”弄清楚。

按照他的描述，過去一個實施人員可能三分之二時間與客戶溝通，剩下時間寫代碼；現在大量編碼工作可以交給AI，FDE可以把更多時間放在需求判斷、流程拆解和結果驗證上。如果同樣一個人能夠完成更多定製Agent、支撐更多客戶，過去依賴堆人的項目制生意就有機會提高槓杆率。AI降低的不只是外部服務商的開發成本，也降低了企業自己進入Agent生產的門檻。8月11日，在蒙牛總部看到45名員工正在參加一場AI應用路演。他們主要來自銷售、研發、供應鏈、奶源、營銷等業務條線。

過去三個月，蒙牛從28個一級事業部選出約200名“AI先行官”，讓最熟悉業務的人先學會使用Agent，再回到自己的工作裡尋找可以被AI改造的部分。這種安排已經進一步向內部FDE演化。蒙牛計劃建立L1到L3的AI先行官認證，到了L3，員工不僅要會搭Agent，還需要理解業務需求、形成解決方案並持續跟進效果。蒙牛數科團隊內部也已經成立專門的AI FDE團隊。中小企業則可能走得更直接。在寧夏鹽池縣，西鮮記總經理張立非用阿里AI編程工具Qoder，在三個多月裡搭出了一套養殖管理系統。國標、論文、飼料配方、入欄記錄和一線養殖經驗被陸續寫進軟件，系統再沿著投餵、庫存、屠宰、加工和報價繼續延伸。

這套系統累計使用Qoder的成本在幾萬元級，而張立非此前接觸到的外部定製方案報價可能達到百萬元級。過去中小企業往往卡在兩頭：標準軟件很難完全貼合自己的業務，定製開發又太貴。AI Coding開始壓低中間這段開發成本，讓一部分高度定製的軟件進入中小企業可以承受的區間。但不可否認張立非的優勢也很特殊。他做過研發，又長期參與經營，既知道代碼怎麼實現，也知道一隻羊每天吃什麼、飼料成本如何分攤、產品最低能報到什麼價格。需求、測試和使用都可以在公司內部完成，省掉了傳統定製開發中反覆傳遞需求的環節。但這種模式同樣有邊界。隨著系統擴大到更多部門，測試、權限、數據安全和長期維護都很難繼續集中在一個人身上。

AI把寫代碼的成本打下來之後，企業仍然需要有人持續理解業務、維護系統並承擔最終決策責任。吳明輝也承認，大企業長期會逐漸把一部分FDE能力內化。只是企業從個人使用AI走向組織級AI，還會碰到崗位調整、激勵機制、系統基礎設施和成本管理等問題，外部力量仍可能承擔最初的引導。由此看，各方短期內很難分出勝負。模型和雲廠商擁有底層能力，希望借FDE把模型、Agent送進生產；明略這樣的企業服務商擁有行業和交付積累，希望把過去的Know-how變成Agent；大型企業開始培養內部FDE，中小企業也可能直接藉助AI Coding自己搭系統。FDE因此更像一條仍在移動的邊界，崗位本身也遠未定型。

當企業開始擁有幾十、幾百甚至更多Agent之後，真正重要的問題，是這些Agent由誰來生產、誰負責維護，以及誰能把一次業務改造繼續變成下一次可複用的能力。圍繞這些問題，Agent時代的企業AI市場或許才剛剛開始重新分工。風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務狀況或需要。用戶應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。AI全知道 VC/PE圈 收藏 分享 0條評論 發送