独家解读丨花百亿建「FDE团队」：AWS 们在走 BAT 云「定制化」老路吗？

• 01AWS 真的想干重活吗：两代驻场，有何不同？
• 02但这种驻场就一定不会烂尾吗？
• 03云大厂热捧 FDE，抢了谁的饭碗，又为谁做了嫁衣？
• 04结语

“为什么说中国的FDE岗位快要烂尾了？ ” 作者丨徐晓飞 编辑丨麦广炜

“云大厂又要开始下场干重活了吗？”

近期，亚马逊云（AWS）斥资 10 亿美金组建“AI 驻场工程师”团队，这个看似“开历史倒车”的重资产举动，在科技圈引发了不小争议。

要知道，长期以来，国际云巨头们最喜欢讲“极致标准化”的故事：开放公有云 API接口，然后躺着数钱。至于重型驻场？基本是没有的。

但在 2026 年的今天，这种躺着卖标品的模式，可能要变了。

AWS 正花费 10 亿美元，组建一支数千人的“嵌入式 AI 工程师”团队，也就是 FDE（前线部署工程师），直接开进客户办公室，手把手帮企业落地 Agent，搭建 AI 生产系统。

这并非孤例。

谷歌、 OpenAI、Anthropic、Meta 等 AI 与云巨头，最近半年都大力设立 FDE 岗或专项公司，总投入已超过数百亿人民币；国内的阿里、字节、腾讯等大模型兼云大厂，也都在今年上半年密集拉起了“驻场铁军”。

“深度驻场”、“高级外包”、“IT 施工队”……这些略显负面、过时的标签，如今又出现在了 AI 云巨头们的叙事里。

曾经追求躺着赚钱的云巨头们，为什么在 AGI 时代突然热衷于对客驻场了？会重蹈国内云大厂们曾经的“无限定制化”覆辙吗？从躺着收租到驻场施工，这一戏剧性反转背后，究竟藏着怎样的行业变化？

01AWS 真的想干重活吗：两代驻场，有何不同？

AWS 嵌入式 AI 工程师要干的活，并不轻松。

首先，他们需要具备高技能。大模型微调、Agent 多层编排、RAG 等高级算法优化，以及精细化 token 降本……这些 AI 工程能力，不能掉链子。

其次，他们不仅要在技术上给方案，还要能卷起袖子帮客户写底层代码、做数据清洗、甚至重构业务流程。

这也难怪一提到 FDE 岗，不少人脑子里会冒出“无限定制化”、“被客户牵着鼻子走”、“高级外包专家”等阴影标签。

但问题是，云大厂在 AI 时代的对客驻场，会和此前云计算时代，给政企客户做私有化部署时一样吗？

起码 AWS 给出了一个不一样的尝试。

雷峰网观察到，AWS 对“嵌入式 AI 工程师”的服务，做了至少三方面的限制。

首先是交付物的本质不同。

为了避免陷入“无限定制化”的泥潭，AWS 这次界定了 FDE 驻场交付的核心，不是应用层的定制代码，而是 “语义层”和“知识图谱”。

在 AWS 的规划中，工程师进驻客户现场，主要任务是在客户的 AWS 账户里部署一个标准化的语义层。

“所谓语义层，就类似一个翻译器，会把客户零散的企业数据、规章制度连接起来，生成一个由 AI 驱动、受治理的知识图谱，以保证工程师撤走后，客户自己的 AI Agent 可以在这个图谱上进行推理和运转。”一家上海 IT 咨询公司合伙人张晓峰解释道。

交付物明确而具体，就不会陷入抓不住重点的无限定制中去。

其次，AWS还祭出了一个大招：打破“按人头计费”的旧传统，按结果或固定增量计费。

在以往，尤其服务政企客户的驻场中，云大厂往往被动卷入传统集成商的泥潭，项目也常常被死死绑定在按人头或工时计费的结算方式里。

这种模式存在天然悖论：客户希望花最少的钱干最多的事，拼命压榨驻场人员。于是项目工期越拉越长，云大厂的毛利被高昂的人工成本逐步吞噬，最终做一单亏一单。

而这次 AWS 在推出 10 亿美元 FDE 计划时，明确规定：FDE 将基于“固定价格的结果”进行收费，而不按人头计费。

大厂和企业客户在进场前就会对齐一到两个非常具体的目标，比如：用 AI Agent 将开票审计流程从 3 天缩短到 45 分钟。目标达成，项目即宣告交付。

这种“结果导向”逼着双方必须聚焦在核心业务痛点上，防止客户无限索要“顺手做个小功能”的需求。

与此同时，AWS 在驻场周期上进行了严格限制，从“数月”缩短到“数周” ，也就是 “AI-45 法则”。

为了降低驻场成本，AWS 内部为 FDE 团队制定了极其严苛的“AI-45 交付法则”：45 分钟，从客户痛点碰撞出一个 AI 想法；45 小时，做出一个可运行的原型；45 天，完成客户现场的嵌入与最终交付。

“硅谷的 OpenAI 和 Anthropic 现在的驻场也是类似的‘闪电战’模式。”张晓峰补充道。

“驻场时间控制在几周之内，意味着大厂的工程成本是锁定的、可控的，避免陷入长期拉锯的‘驻场泥潭’。”

02但这种驻场就一定不会烂尾吗？

答案是不一定。

“根源在于，日新月异的 AI 技术、不够成熟标准化的 AI 产品，以及稀缺的复合型人才，再遇上客户复杂的 AI 期待，会让项目充满了很多不确定性。”前 AWS 首席架构师费良宏表示。

在他看来，FDE 是一种眼下很稀缺的复合型人才，需要在客户现场兼任项目经理、开发、架构以及 AI 实现等职能，能够主导项目并引导客户最终实现 Agent 等 AI 产品的落地。

而那些没有经验和技能，仓促转型上岗的 FDE，很可能由于缺乏底气与能力，导致像外包工程师一样被客户牵着鼻子走，最终把项目做烂。

而且，由于 Agent 行业太新且发展极快，即便是海外有经验的传统 PM 或咨询顾问，在面对 AI 与业务流程结合的实际落地时也会面临经验不足、无法向客户自证的“两难”困境。

“以前的咨询顾问还能凭借信息差，不论是 IT 还是所谓的先进经验，唬住客户，但现在 AI 技术日新月异，大家都处于同一起跑线，想要抗住客户的质疑，说服他该怎么搞，并不容易。”费良宏谈到。

尤其是，眼下的 AI 产品还不是一个成熟的标品。

传统云计算是明确的“标品”，客户对其使用路径非常清晰，技术客户经理或解决方案架构师，只需在选型配置、性价比等细节上提供支持。

但在 Agent 和 Token 时代，AI 交付的只是如同“钢筋水泥”般的原始毛坯素材，怎么用、怎么用得好完全没有标准答案。

而且，以前大厂信奉的 API 接口模式只是讲给技术人员听的，无法与业务和流程管理人员沟通；而现在的 Agent 复杂在任何业务方的人都能参与进来，提出需求，更增加了 FDE 岗位的难度。

“大家还都在探索。”费良宏坦言。去年股价飞涨、知名度大涨的 Palantir 公司，算是FDE做得久，做得好的，但 Palantir 主要服务于美国政府和国防部这类有限的客户场景，并非完全开放的竞争化市场，所以其样本不具备大规模复制的特性。

而像 OpenAI、Anthropic 这类大模型厂商，在 FDE 方面的积累和实践也才刚刚起步，沉淀的经验还不够充分。

这种情况，放在中国，还会更加复杂。

目前，雷峰网从多方了解到，国内云大厂也在组建 FDE 团队，但建制不一。

有的还是混在 SA 条线或大类里，有的会从各处抽调选拔人才，组成单独团队，直接向更高层级的管理层单独汇报，他们的工作重点基本都在于帮助客户梳理流程，提升 token 用量。

在国内云销售王剑看来，硅谷大厂们一定程度上“太矫情”了。对客驻场服务，在国内属于标准服务。“就是传统云时代里，服务经理、服务专家干的活，只是现在换了种叫法，叫‘大模型专家服务’。”

“但尴尬的是，国内 FDE 岗位给不上价。”一位证券公司 IT 分析师刘刚告诉雷峰网，尽管看上 FDE 是搞 AI 的，技术含量更高，但客户还是不愿意为此付费，因为在他们眼里，这和 IT 施工队模式没有区别。“客户还把你当人头看，而非专家，于是又落到了定制化的老路里。”

而且，国内相关领域里，卷的公司太多了，全都是以前做软件咨询交付的公司。“其实就是实施，之前就有很多算法类的交付，现在有各种工具了，于是就又偏向方案背景的人才。在国内，FDE 这个岗位本身都快烂尾了……”一家猎头公司负责人刘宁无奈道。

更多国内 AI 大厂 FDE 岗位详情与实际体验，欢迎添加作者微信 xf123a 交流。

03云大厂热捧 FDE，抢了谁的饭碗，又为谁做了嫁衣？

在AI和云大厂们纷纷对客驻场的大趋势下，有种说法是，云大厂正在从 MaaS（模型即服务）走向 CaaS（顾问即服务）。

以前大家赌的是谁的模型参数大、谁的 API 便宜。现在大家发现，AI 的竞争最后变成了服务业。谁能帮客户把 AI 真正用起来，谁才能锁定未来的算力订单。

AWS 投入 10 亿美金，其实是在为未来的几百亿美金云算力消耗“买路”。

而这动了传统咨询和外包巨头的奶酪。

不少IT业内人认为，AWS 们的这一动作，直接把战火烧到了埃森哲、麦肯锡、IBM、以及类似软通动力、中软国际等传统 IT 咨询和外包巨头的腹地。

在过去，云厂商主要卖技术，外包商负责干脏活。但现在，拥有自研模型和芯片的云厂商不仅亲自下场，而且他们派出的驻场团队由于背靠原厂第一手模型和芯片，在解决大模型调试优化时的效率，直接拉开了与传统外包商的技术代差。

科技巨头正在利用自己的底层技术优势和 FDE 岗，蚕食传统外包行业的上游奶酪。

不过与此同时，云大厂花重金帮助客户落地AI，可能会让另一类玩家搭上便车，反过来对云大厂造成威胁。

“当前 AI 驱动的云计算市场，其复杂程度比以往更高，传统的云计算阵营正在面临‘新云（NeoCloud）’的冲击。”费良宏告诉雷峰网。

在海外，以 Lambda Labs、CoreWeave 为代表的 NeoCloud 厂商主要以 AI 为导向，提供算力和 Token Factory（Token 工厂）模式，国内则有类似硅基流动这样的对标企业。

在他看来，随着云大厂FDE岗位加速客户 Agent 落地，未来企业在成熟 AI 生产系统下，主要以消耗 token 和灵活部署应用为主，对传统云的存储、计算、网络依赖会变低，转而主要依赖 API 和 token 生成。

而这会使得新一代的 NeoCloud 阵营更占优势，传统的云计算巨头反而可能逐渐走向弱势。正如美国市场上，现在卖 GPU 和 token 发展最快的，也已经不再是传统的老字号云大厂了。

04结语

回到最初的问题：云大厂真的想干重活吗？答案显然是否定的。它们咬牙把 AI 工程师们送上又苦又累的驻场前线，是为了在 AI 时代的初期，帮客户打通 AI 落地最后一公里。

只是，这场精心算计的“新驻场生意经”最终能否如愿以偿，影响因素是复杂的。而云大厂们的这一举动，最终是肥了自己的 token 营收，还是为旁观的“新云”新贵们做了嫁衣，犹未可知。