獨家解讀丨花百億建「FDE團隊」：AWS 們在走 BAT 雲「定製化」老路嗎？

## 獨家解讀丨花百億建「FDE團隊」：AWS 們在走 BAT 雲「定製化」老路嗎？雲大廠又要開始下場乾重活了嗎？近期，亞馬遜雲（AWS）斥資 10 億美金組建「AI 駐場工程師」團隊，這個看似「開歷史倒車」的重資產舉動，在科技圈引發了不小爭議。長期以來，國際雲巨頭們最喜歡講「極致標準化」的故事：開放公有云 API 接口，然後躺著數錢。至於重型駐場？基本是沒有的。但在 2026 年的今天，這種躺著賣標品的模式，可能要變了。

AWS 正花費 10 億美元，組建一支數千人的「嵌入式 AI 工程師」團隊，也就是 FDE（前線部署工程師），直接開進客戶辦公室，手把手幫企業落地 Agent，搭建 AI 生產系統。這並非孤例。谷歌、OpenAI、Anthropic、Meta 等 AI 與雲巨頭，最近半年都大力設立 FDE 崗或專項公司，總投入已超過數百億人民幣；國內的阿里、字節、騰訊等大模型兼雲大廠，也都在今年上半年密集拉起了「駐場鐵軍」。「深度駐場」、「高級外包」、「IT 施工隊」……這些略顯負面、過時的標籤，如今又出現在了 AI 雲巨頭們的敘事裡。曾經追求躺著賺錢的雲巨頭們，為什麼在 AGI 時代突然熱衷於對客駐場？

會重蹈國內雲大廠們曾經的「無限定製化」覆轍嗎？從技術與服務模式來看，AWS 嵌入式 AI 工程師要乾的活，並不輕鬆。首先，他們需要具備高技能：大模型微調、Agent 多層編排、RAG 等高級算法優化，以及精細化 token 降本……這些 AI 工程能力，不能掉鏈子。其次，他們不僅要在技術上給方案，還要能捲起袖子幫客戶寫底層代碼、做數據清洗、甚至重構業務流程。這也難怪一提到 FDE 崗，不少人腦子裡會冒出「無限定製化」、「被客戶牽著鼻子走」、「高級外包專家」等陰影標籤。但雲大廠在 AI 時代的對客駐場，會和此前雲計算時代，給政企客戶做私有化部署時一樣嗎？起碼 AWS 給出了一個不一樣的嘗試。

雷峰網觀察到，AWS 對「嵌入式 AI 工程師」的服務，做了至少三方面的限制。首先，交付物的本質不同。為了避免陷入「無限定製化」的泥潭，AWS 這次界定了 FDE 駐場交付的核心，不是應用層的定製代碼，而是「語義層」和「知識圖譜」。在 AWS 的規劃中，工程師進駐客戶現場，主要任務是在客戶的 AWS 賬戶裡部署一個標準化的語義層。一位上海 IT 諮詢公司合夥人張曉峰解釋，所謂語義層類似一個翻譯器，會把客戶零散的企業數據、規章制度連接起來，生成一個由 AI 驅動、受治理的知識圖譜，以保證工程師撤走後，客戶自己的 AI Agent 可以在這個圖譜上進行推理和運轉。

交付物明確而具體，就不會陷入抓不住重點的無限定製中去。其次，AWS 還祭出了一個大招：打破「按人頭計費」的舊傳統，按結果或固定增量計費。在以往，尤其服務政企客戶的駐場中，雲大廠往往被動捲入傳統集成商的泥潭，項目也常常被死死綁定在按人頭或工時計費的結算方式裡。這種模式存在天然悖論：客戶希望花最少的錢幹最多的事，拼命壓榨駐場人員。於是項目工期越拉越長，雲大廠的毛利被高昂的人工成本逐步吞噬，最終做一單虧一單。而這次 AWS 在推出 10 億美元 FDE 計劃時，明確規定：FDE 將基於「固定價格的結果」進行收費，而不按人頭計費。

大廠和企業客戶在進場前就會對齊一到兩個非常具體的目標，比如用 AI Agent 將開票審計流程從 3 天縮短到 45 分鐘。目標達成，項目即宣告交付。這種「結果導向」逼著雙方必須聚焦在核心業務痛點上，防止客戶無限索要「順手做個小功能」的需求。與此同時，AWS 在駐場週期上進行了嚴格限制，從「數月」縮短到「數週」，也就是「AI-45 法則」。為了降低駐場成本，AWS 內部為 FDE 團隊制定了極其嚴苛的「AI-45 交付法則」：45 分鐘，從客戶痛點碰撞出一個 AI 想法；45 小時，做出一個可運行的原型；45 天，完成客戶現場的嵌入與最終交付。

張曉峰補充說，硅谷的 OpenAI 和 Anthropic 現在的駐場也是類似的「閃電戰」模式，駐場時間控制在幾周之內，意味著大廠的工程成本是鎖定的、可控的，避免陷入長期拉鋸的「駐場泥潭」。然而這種駐場就一定不會爛尾嗎？答案是不一定。前 AWS 首席架構師費良宏分析，根源在於日新月異的 AI 技術、不夠成熟標準化的 AI 產品，以及稀缺的複合型人才，再遇上客戶複雜的 AI 期待，會讓項目充滿了很多不確定性。他認為，FDE 是一種眼下很稀缺的複合型人才，需要在客戶現場兼任項目經理、開發、架構以及 AI 實現等職能，能夠主導項目並引導客戶最終實現 Agent 等 AI 產品的落地。

而那些沒有經驗和技能，倉促轉型上崗的 FDE，很可能由於缺乏底氣與能力，導致像外包工程師一樣被客戶牽著鼻子走，最終把項目做爛。此外，由於 Agent 行業太新且發展極快，即便是海外有經驗的傳統 PM 或諮詢顧問，在面對 AI 與業務流程結合的實際落地時也會面臨經驗不足、無法向客戶自證的「兩難」困境。費良宏提到，以前的諮詢顧問還能憑藉信息差，不論是 IT 還是所謂的先進經驗，唬住客戶，但現在 AI 技術日新月異，大家都處於同一起跑線，想要抗住客戶的質疑，說服他該怎麼搞，並不容易。

眼下的 AI 產品還不是一個成熟的標品，傳統雲計算是明確的「標品」，客對其使用路徑非常清晰，技術客戶經理或解決方案架構師只需在選型配置、性價比等細節上提供支持。但在 Agent 和 Token 時代，AI 交付的只是如同「鋼筋水泥」般的原始毛坯素材，怎麼用、怎麼用得好完全沒有標準答案。而且，以前大廠信奉的 API 接口模式只是講給技術人員聽的，無法與業務和流程管理人員溝通；而現在的 Agent 複雜在任何業務方的人都能參與進來，提出需求，更增加了 FDE 崗位的難度。

值得注意的是，去年股價飛漲、知名度大漲的 Palantir 公司，算是 FDE 做得久、做得好的，但 Palantir 主要服務於美國政府和國防部這類有限的客戶場景，並非完全開放的競爭化市場，所以其樣本不具備大規模複製的特性。而像 OpenAI、Anthropic 這類大模型廠商，在 FDE 方面的積累和實踐也才剛剛起步，沉澱的經驗還不夠充分。這種情況放在中國，還會更加複雜。

目前，雷峰網從多方瞭解到，國內雲大廠也在組建 FDE 團隊，但建制不一：有的還是混在 SA 條線或大類裡，有的會從各處抽調選拔人才組成單獨團隊，直接向更高層級的管理層單獨彙報，他們的工作重點基本都在於幫助客戶梳理流程，提升 token 用量。在國內雲銷售王劍看來，硅谷大廠們一定程度上「太矯情」了。對客駐場服務在國內屬於標準服務，就是傳統雲時代裡服務經理、服務專家乾的活，只是現在換了種叫法叫「大模型專家服務」。但尷尬的是，國內 FDE 崗位給不上價。

一位證券公司 IT 分析師劉剛告訴雷峰網，儘管看上去 FDE 是搞 AI 的，技術含量更高，但客戶還是不願意為此付費，因為在他們眼裡，這和 IT 施工隊模式沒有區別。客戶還把你當人頭看，而非專家，於是又落到了定製化的老路裡。而且，國內相關領域裡卷的公司太多了，全都是以前做軟件諮詢交付的公司。一家獵頭公司負責人劉寧無奈地表示，在國內，FDE 這個崗位本身都快爛尾了，因為之前就有很多算法類的交付，現在有各種工具了，於是就又偏向方案背景的人才。在 AI 和雲大廠們紛紛對客駐場的大趨勢下，有種說法是雲大廠正在從 MaaS（模型即服務）走向 CaaS（顧問即服務）。

以前大家賭的是誰的模型參數大、誰的 API 便宜，現在大家發現 AI 的競爭最後變成了服務業，誰能幫客戶把 AI 真正用起來，誰才能鎖定未來的算力訂單。AWS 投入 10 億美金，其實是在為未來的幾百億美金雲算力消耗「買路」。而這動了傳統諮詢和外包巨頭的奶酪。不少 IT 業內人認為，AWS 們的這一動作直接把戰火燒到了埃森哲、麥肯錫、IBM，以及類似軟通動力、中軟國際等傳統 IT 諮詢和外包巨頭的腹地。

在過去，雲廠商主要賣技術，外包商負責幹髒活；但現在，擁有自研模型和芯片的雲廠商不僅親自下場，而且派出的駐場團隊由於背靠原廠第一手模型和芯片，在解決大模型調試優化時的效率直接拉開了與傳統外包商的技術代差。科技巨頭正在利用自己的底層技術優勢和 FDE 崗，蠶食傳統外包行業的上游奶酪。不過與此同時，雲大廠花重金幫助客戶落地 AI，可能會讓另一類玩家搭上便車，反過來對雲大廠造成威脅。費良宏指出，當前 AI 驅動的雲計算市場，其複雜程度比以往更高，傳統的雲計算陣營正在面臨「新雲（NeoCloud）」的衝擊。

在海外，以 Lambda Labs、CoreWeave 為代表的 NeoCloud 廠商主要以 AI 為導向，提供算力和 Token Factory（Token 工廠）模式，國內則有類似硅基流動這樣的對標企業。在他看來，隨著雲大廠 FDE 崗位加速客戶 Agent 落地，未來企業在成熟 AI 生產系統下主要以消耗 token 和靈活部署應用為主，對傳統雲的存儲、計算、網絡依賴會變低，轉而主要依賴 API 和 token 生成。這會使得新一代的 NeoCloud 陣營更佔優勢，傳統的雲計算巨頭反而可能逐漸走向弱勢。回到最初的問題：雲大廠真的想幹重活嗎？答案顯然是否定的。

它們咬牙把 AI 工程師們送上又苦又累的駐場前線，是為了在 AI 時代的初期，幫客戶打通 AI 落地最後一公里。只是，這場精心算計的「新駐場生意經」最終能否如願以償，影響因素是複雜的。而雲大廠們的這一舉動，最終是肥了自己的 token 營收，還是為旁觀的「新雲」新貴們做了嫁衣，猶未可知。