企业AI最后一公里：三路人马在此交锋

AI大模型让写代码的成本急剧下降，但“理解企业、定义需求、让Agent真正跑起来”成为新瓶颈。OpenAI、腾讯等大厂，明略科技等服务商，以及蒙牛等企业自身，三路人马正围绕FDE（前线部署工程师）这一角色，争夺企业AI落地的“最后一公里”市场。 要点 1. FDE走红源于AI落地新痛点，与传统软件实施有本质区别 传统实施只交付确定软件，而新一代FDE需深度介入客户现场，将Agent接入真实业务，并把现场能力沉淀回后台。这背后是AI大厂为获取真实反馈、优化模型而亲自下场承担交付。 2. AI大厂与云厂商正亲自下场，将FDE作为推动企业采用的关键手段 OpenAI成立专门部署公司并将FDE岗位职责扩展至需求发现到生产上线的全流程，腾讯云也将其认证更名为“ADP前沿部署工程师”，目标都是将模型和Agent平台更顺畅地接入企业核心生产系统。 3. 软件服务商转型的胜负手在于FDE的杠杆率，即能否摆脱堆人力的线性增长 传统定制开发是重人力生意，普联软件净利率降至8.09%即为例证。AI时代，编码工作由机器承担，若FDE能将更多时间投入需求判断与流程拆解，就有机会用同样人力支撑更多客户，提高项目利润率。 4. 需求方企业正自建内部FDE能力，以降低对外部定制开发的依赖 蒙牛从业务条线选拔“AI先行官”并建立内部AI FDE团队，以内部懂业务的员工为突破口；宁夏中小企业西鲜记则用AI编程工具将原本百万元级的定制方案压缩至几万元成本，但类似模式往往依赖创始人个人能力，向组织化复制仍有边界。

2026-08-24 11:10

企业AI最后一公里：三路人马在此交锋

全天候科技

2026年世界机器人大会现场，谈到这一轮突然走红的FDE（前线部署工程师），明略科技CEO吴明辉先把时间往回拨了十多年。

“12年前我们就在非常认真地研究。”当华尔街见闻·全天候科技问及FDE与传统软件部署有什么区别时，吴明辉说，两者都会进入客户现场，但今天的FDE需要做得更深：一边把Agent接进真实业务，一边把现场形成的能力继续沉淀回后台。

这背后是企业服务的交付方式正在出现新的变化。

今年5月，OpenAI专门成立Deployment Company，把FDE送进企业，和客户一起完成需求发现、系统设计、开发和上线；

6月，Anthropic又宣布与IT服务商DXC合作，后者计划培训数万名Claude认证FDE，把Claude接进银行、航空、保险、制造等行业的核心系统。

8月18日，腾讯云也把原来的“智能体开发平台AI应用工程师认证”直接改名为“ADP前沿部署工程师（FDE）认证”。

这些公司关注FDE，背后指向的都是企业AI落地“最后一公里”的问题。

OpenAI、腾讯等大厂开始亲自承担更多企业交付工作，派FDE进场，把模型和Agent平台接进客户的系统；明略科技等在内的企业服务商则在用AI重做原来的定制开发，把行业Know-how、数据治理和软件实施能力变成一个个Agent；作为支付方的企业也开始从销售、研发、供应链等业务部门培养自己的AI先行官，建设内部的FDE能力。

AI把写代码变得越来越便宜，却把“谁来理解企业、定义需求并让Agent真正跑起来”推成了一门新的生意。

一

没有标准答案

FDE早在大模型时代之前就已经出现。

Palantir很早就以类似方式让工程师深入客户现场，把复杂的数据、软件能力和具体业务结合起来。过去的软件行业也一直存在实施顾问、解决方案架构师和驻场工程师。因此FDE在这一轮AI浪潮中重新走红后，一个争议始终存在：它究竟带来了新的工程模式，还是沿用了上一代软件实施的老逻辑？

“我们本来就有售前技术支持团队，我觉得FDE就是一个赶时髦的词。但如果我们团队认为用上这个称呼可以更好地把产品卖出去，我觉得也可以。”华南一家云厂商CEO曾对全天候科技直言。

吴明辉则认为传统实施团队可以只负责把一套确定的软件交付出去，甚至与软件研发团队没有直接关系；FDE则需要把一线形成的能力继续贡献后台，让一个客户现场暴露出来的问题变成下一次可以继续使用的资产。

这也是OpenAI、腾讯等大厂开始把工程师直接派到客户身边的原因。例如OpenAI对FDE的岗位定义已经明显超出传统“技术支持”的边界。其FDE需要从需求发现、技术范围确定、系统设计一路负责到生产上线，还要把已经跑通的方法沉淀成工具、Playbook和Building Blocks，再把现场反馈带回产品与模型团队。

通过真实工作流暴露问题后，AI大厂可以据此继续优化Harness、模型和产品。但这能否解决企业AI落地的“最后一公里”问题，仍要打上问号。

吴明辉举了广告行业的例子，即便同样做快消，宝洁、联合利华之间的流程和打法也会继续变化。

在他看来，期待一个通用基础模型能够适应所有的场景，能够把planning都做好，能够把工作流给分解好，这是悖论。企业为了竞争必须不断创造新的流程和打法，今天被学习的工作方式，明天可能已经改变。

如此背景下，FDE面对的是持续变化的Context，很难靠一份静态的“行业答案”长期覆盖。

这也给另一类公司留下了位置——软件服务商。

二

FDE的杠杆率考试

自AI从聊天走向“干活”之后，市场一直存在对传统SaaS被替代的担忧。技术圈更流行的一种判断是随着Vibe Coding持续降低开发门槛，企业未来可以自己写代码、自己搭Agent，原本需要购买的标准软件和大量定制开发都会被进一步压缩。

这直接把软件服务商推到了AI转型的压力之下。过去依靠License、实施和定制开发形成的收入结构都可能受到影响。

但如果外部FDE可以长期存在的逻辑成立，那么软件服务商也可能因此有了新的生存空间。

企业可以越来越容易地获得模型和代码，却仍然需要有人长期理解自己的业务变化、系统结构和交付约束。对传统软件服务商来说，过去多年待在客户现场形成的行业理解、系统经验和交付能力恰好有机会被重新翻译成Agent能力。

明略科技就是其中一个样本。

它过去的核心业务集中在营销智能、营运智能、数据治理和企业软件服务。进入Agent时代后开始发展Agentic Services，希望把原有的软件实施、数据治理和行业服务能力进一步转成定制Agent交付。

明略近期拟取得普联软件控制权也延续了这条思路。普联长期服务石油石化、煤炭电力等大型集团企业，定制开发和实施属性较强。

吴明辉表示，明略计划先把FDE、Agent和相关基础设施带进普联，再由普联将这套能力延伸至原有客户。

但真正决定这个逻辑能否成立的关键是FDE的杠杆率。

传统定制软件一直是一门偏重人力的生意。一个项目往往需要大量工程师驻场，需求越复杂，投入的人越多，收入和人力长期保持较强的线性关系，规模效应有限。

例如普联软件的收入从2021年的5.82亿元增长至2025年的8.25亿元，期间增长率超过40%，但却是“越干越不赚钱”，2025年净利率只有8.09%，较2021年下滑了超15个百分点。

Agent时代试图改变的是交付效率。

吴明辉给出的判断是功能已经明确的标准软件，代码本身会越来越容易被AI复刻。客户自己尚未想清楚怎么做的业务场景反而可能成为企业服务中更值钱的部分。

“如果只是拿着电脑写代码，他没必要到现场去。”他说，工程师来到客户身边，更重要的工作是不断和客户沟通，把“业务到底怎么做”弄清楚。

按照他的描述，过去一个实施人员可能三分之二时间与客户沟通，剩下时间写代码；现在大量编码工作可以交给AI，FDE可以把更多时间放在需求判断、流程拆解和结果验证上。

如果同样一个人能够完成更多定制Agent、支撑更多客户，过去依赖堆人的项目制生意就有机会提高杠杆率。

三

支付方“自请入局”

AI降低的不只是外部服务商的开发成本，也降低了企业自己进入Agent生产的门槛。

8月11日，全天候科技在蒙牛总部看到45名员工正在参加一场AI应用路演。他们主要来自销售、研发、供应链、奶源、营销等业务条线。过去三个月，蒙牛从28个一级事业部选出约200名“AI先行官”，让最熟悉业务的人先学会使用Agent，再回到自己的工作里寻找可以被AI改造的部分。

这种安排已经进一步向内部FDE演化。

蒙牛计划建立L1到L3的AI先行官认证，到了L3，员工不仅要会搭Agent，还需要理解业务需求、形成解决方案并持续跟进效果。蒙牛数科团队内部也已经成立专门的AI FDE团队。

中小企业则可能走得更直接。在宁夏盐池县，西鲜记总经理张立非用阿里AI编程工具Qoder，在三个多月里搭出了一套养殖管理系统。国标、论文、饲料配方、入栏记录和一线养殖经验被陆续写进软件，系统再沿着投喂、库存、屠宰、加工和报价继续延伸。

这套系统累计使用Qoder的成本在几万元级，而张立非此前接触到的外部定制方案报价可能达到百万元级。

过去中小企业往往卡在两头：标准软件很难完全贴合自己的业务，定制开发又太贵。

AI Coding开始压低中间这段开发成本，让一部分高度定制的软件进入中小企业可以承受的区间。

但不可否认张立非的优势也很特殊。

他做过研发，又长期参与经营，既知道代码怎么实现，也知道一只羊每天吃什么、饲料成本如何分摊、产品最低能报到什么价格。需求、测试和使用都可以在公司内部完成，省掉了传统定制开发中反复传递需求的环节。

但这种模式同样有边界。随着系统扩大到更多部门，测试、权限、数据安全和长期维护都很难继续集中在一个人身上。AI把写代码的成本打下来之后，企业仍然需要有人持续理解业务、维护系统并承担最终决策责任。

吴明辉也承认，大企业长期会逐渐把一部分FDE能力内化。只是企业从个人使用AI走向组织级AI，还会碰到岗位调整、激励机制、系统基础设施和成本管理等问题，外部力量仍可能承担最初的引导。

由此看，各方短期内很难分出胜负。

模型和云厂商拥有底层能力，希望借FDE把模型、Agent送进生产；明略这样的企业服务商拥有行业和交付积累，希望把过去的Know-how变成Agent；大型企业开始培养内部FDE，中小企业也可能直接借助AI Coding自己搭系统。

FDE因此更像一条仍在移动的边界，岗位本身也远未定型。

当企业开始拥有几十、几百甚至更多Agent之后，真正重要的问题，是这些Agent由谁来生产、谁负责维护，以及谁能把一次业务改造继续变成下一次可复用的能力。

围绕这些问题，Agent时代的企业AI市场或许才刚刚开始重新分工。