最会做 AI 的公司，为什么都开始派工程师进企业？

[!abstract]- 摘要 2026年5月至7月，Anthropic、OpenAI、AWS、Microsoft先后加码FDE。模型能力仍在增长，企业现场的流程、数据和组织问题却没有自动消失。本文从Palantir的交付模式出发，解释FDE为何在AI时代重新走红。

2026 年 5 月 4 日，Anthropic 宣布和 Blackstone、Hellman & Friedman、Goldman Sachs 等机构一起成立一家企业 AI 服务公司。

一周后，OpenAI 发布了 OpenAI Deployment Company。新公司由 OpenAI 控股，初始投资超过 40 亿美元，同时计划收购 AI 咨询与工程公司 Tomoro，后者约 150 名 FDE 和部署专家将直接加入。

6 月 30 日，AWS 宣布投入 10 亿美元，组建 Forward Deployed Engineering 团队，把数千名工程师派到客户现场。

两天后，Microsoft 公布 Frontier Company：投入 25 亿美元，配置 6000 名行业和工程专家，和客户一起设计、部署并持续改进 AI 系统。

四条新闻挤在不到两个月里，很难再当成偶然。

过去几年，模型公司最重要的动作都发生在发布会上：参数更大、推理更强、上下文更长、Coding 排名又上升了多少。到了 2026 年，几家最有能力训练模型的公司，开始大规模派人进入客户企业。

这件事甚至有些反硅谷。

硅谷最喜欢的商业故事，一直是产品化和规模化：代码写一次，服务全世界；边际成本不断下降，最好连销售和实施都能省掉。FDE 走了一条很重的路。工程师要进入现场，面对客户多年积累的系统、数据和组织关系，很多问题连需求文档都写不清楚。

模型越强，现场的人反而越多了。

为什么？

Palantir 很早就遇到了这个问题

FDE 全称 Forward Deployed Engineer。行业里通常用这个简称，Palantir 长期使用的正式岗位名则是 Forward Deployed Software Engineer，也就是 FDSE。

这套模式在 Palantir 创业早期逐渐长出来。

Palantir 最初服务情报和国防机构。那里的用户很难按照互联网公司的方式提交需求：先写 PRD，再评审排期，最后等一个版本上线。实际情况往往是，分析人员手里有大量割裂的数据，任务随时变化，很多判断依赖现场经验，安全和权限要求还极其复杂。

工程师坐在 Palo Alto 的办公室里，靠几场视频会议猜不出答案。

于是，他们被送进政府办公楼、军事基地和一线运营环境，跟使用系统的人一起工作。Palantir 后来回顾这段历史时写得很直接：只有贴近操作者的任务，才能知道软件到底有没有用。FDE 就是在这种环境里出现的。

Palantir 的现场交付大致有三类角色。

Echo：先把问题找对

Echo 通常对应 Deployment Strategist。

他需要和业务负责人、一线操作者一起梳理任务，找到影响结果的关键环节，再确定成功标准。很多企业项目第一步就会走偏：客户说要一个大屏，实际缺的是异常处置流程；客户说想做知识库，真正卡住的是信息散落、权限混乱和责任不清。

Echo 的价值在于，把“客户想买什么”追问到“业务究竟要解决什么”。

Delta：在现场把系统跑起来

Delta 就是 Palantir 内部对 FDSE 的称呼。

他们会接数据、配置平台、写代码、做集成、搭应用，和最终用户一起反复试。项目是否完成，不看交付文档写了多少页，主要看业务目标有没有变化。

这类工程师的工作边界很宽。数据工程、后端、前端、产品判断、客户沟通，往往都要做。现场情况变化时，他还得决定先修哪个问题，哪些需求应该拒绝，哪些能力值得回传给产品团队。

Dev：把现场经验变成平台能力

Dev 是总部的核心产品和工程团队。

他们建设 Foundry、Gotham、AIP、Apollo，以及 Ontology、连接器、权限、安全、持续交付等基础能力。Delta 在一个客户现场遇到的问题，可能会在几十家企业重复出现。Dev 会把其中可复用的部分抽象出来，做进平台，再交给更多现场团队使用。

这三层形成了一个循环：

现场发现问题
    ↓
现场交付结果
    ↓
总部沉淀能力
    ↓
能力重新回到现场

Palantir 后来用“人的反向传播”来形容这套机制：一线工程师尽量靠近问题，把真实反馈传给核心工程团队，平台再根据这些反馈持续进化。

所以，判断一支团队有没有 FDE 能力，可以看三个地方：

1. 现场是否围绕可衡量的业务结果工作；
2. 总部有没有足够强的平台和产品能力；
3. 项目经验能否回流，下一次交付是否站在更高的起点上。

少了第二层和第三层，现场团队很容易回到传统驻场开发：每个客户从头定制，经验留在个人脑子里，人一走，能力也跟着走。职位名称换成 FDE，交付方式没有变化，价格倒是可能先涨一轮。

AI 把 FDE 这笔账算通了

Palantir 已经做了很多年 FDE，为什么到 2026 年突然成了热门词？

第一个变化发生在工程师身上。

现场交付有大量“脏活累活”：分析陌生代码、写系统适配器、整理数据、补测试、查接口、生成迁移脚本、梳理文档。以前一个小团队要忙几周，现在经验丰富的工程师配合 Coding Agent，很多任务可以并行推进。

AI 给优秀工程师加了很大的杠杆。

但这个岗位也因此更挑人。只会写明确需求的人很难胜任，现场经常没有完整需求，甚至没有人知道问题到底出在哪里。FDE 需要项目经验、工程能力、业务判断和很强的动手习惯。AI 可以把他的想法快速变成系统，也会把错误判断放大得更快。

这或许给一部分资深工程师指了一条新路。多年积累的系统经验、踩坑经验、业务理解，以前很难体现在一张算法面试卷上；到了客户现场，这些经验恰好决定项目能否落地。

第二个变化发生在企业 AI 项目本身。

调用模型 API 很容易。把一个 Agent 接进企业核心流程，麻烦才刚刚开始。

它要知道数据在哪里，能调用哪些工具，谁有权批准，失败后怎么回滚，输出由谁检查，操作如何审计。它还要面对十年前的系统、没人敢动的数据库、写了一半的接口文档，以及各部门之间说不清的责任边界。

这些问题没有通用 Prompt。

Anthropic 在介绍企业 AI 服务公司时，举了医疗机构的例子：工程师要和医生、IT 团队坐在一起，先找到医生每天的时间消耗在哪里，再把 Claude 嵌入他们已经使用的流程。OpenAI 对 Deployment Company 的描述也很具体：FDE 会连接客户的数据、工具、控制体系和业务流程，再把系统放进日常工作。

说到底，模型能力要穿过一长串现实约束，最后才能进入财务报表。

第三个变化发生在模型公司身上。

只卖 Token，模型厂商看不到客户内部最关键的反馈。

一个 Agent 在演示环境里表现很好，进了生产系统却可能因为权限、数据质量、延迟和组织流程彻底失效。FDE 进入现场以后，模型厂商可以看到能力缺口出现在哪里：工具调用不稳定，长任务容易跑偏，权限粒度不够，评测体系覆盖不了实际风险，还是用户压根没有改变工作方式。

这些反馈会进入模型、平台和产品路线图。

对模型公司来说，FDE 同时承担交付和学习两种功能。它帮助客户产生结果，也帮助模型公司理解下一轮产品应该往哪里走。

为什么连 OpenAI 都愿意做这么重的生意

从商业上看，这件事也很直接。

单纯销售模型，收入来自调用量。客户通过 AI 多赚了几千万，模型厂商最终拿到的可能只是一小部分 Token 费用。

进入业务现场以后，定价逻辑开始变化。

客户关心的是销售转化提升了多少、客服成本下降了多少、供应链周转快了多少、一个流程从几天缩短到几小时。项目围绕这些指标展开，预算也更容易进入业务部门和管理层的视野。

这解释了 OpenAI Deployment Company 为什么会引入大量私募股权机构、咨询公司和系统集成商。技术只是其中一段，后面还有流程改造、人员培训、激励调整和持续运营。那些机构手里有大量被投企业，也有推动经营变革的经验。OpenAI 提供模型和部署能力，合作方提供行业关系、组织改造和规模化渠道。

Anthropic、AWS、Microsoft 选择的路径略有差异，方向却很接近：把工程师放到客户的真实约束中，盯着可衡量的业务结果做交付。

企业 AI 的竞争，开始从“谁的模型更聪明”进入“谁能把聪明变成产出”。

这个词很快也会被用烂

任何概念火起来之后，第一批出现的通常是改名。

驻场开发改成 FDE，做一个聊天框也叫企业 AI 转型；给客户部署几个开源组件，装几个 Skills，项目就算结束。FDE 的下限确实很低，甚至比传统外包更容易包装，因为 AI 本身带着很强的新鲜感。

看一家公司有没有走通这条路，我会问四个问题：

• 项目由谁定义目标，IT 负责人还是业务负责人？
• 交付团队能否直接碰生产数据、真实流程和一线用户？
• 现场发现的共性问题，能否进入平台和产品？
• 项目结束以后，客户获得了持续运行的能力，还是继续依赖人肉驻场？

这些问题答不上来，FDE 只是一张新名片。

Palantir 的壁垒也从来不只是一群能驻场的工程师。它有现场角色，有强大的平台，有持续回流的产品机制，还有多年积累的行业经验。Echo、Delta、Dev 三层同时运转，才把重交付变成了一门可以复利的生意。

模型发布会之后，行业开始拼现场了

2023 年，模型发布会决定行业情绪。

2026 年，部署能力开始决定企业订单。

OpenAI、Anthropic、AWS、Microsoft 大规模投入 FDE，说明企业 AI 已经走过了“接入一个模型试试看”的阶段。接下来要处理的是数据、系统、流程、权限、组织和利益。每一项都很具体，也都很难靠远程售前解决。

FDE + AI 的价值也在这里：AI 放大现场工程师的生产力，FDE 把模型嵌进业务，现场经验再推动平台迭代。这个循环一旦转起来，交付速度和产品能力会同时增长。

当然，派工程师进企业并不保证成功。

模型公司可以提供更强的能力，FDE 可以把手伸进业务现场，企业内部仍然可能把项目做砸。老板对 AI 的预期、项目由谁负责、员工为什么愿意配合，这些问题往往比技术更难处理。

下一篇聊这个：企业 AI 落地成功率为什么不到 50%，以及最常见的三个坑。

---

资料来源

[^1]: Anthropic：Building a new enterprise AI services company with Blackstone, Hellman & Friedman, and Goldman Sachs，2026-05-04。 [^2]: OpenAI：OpenAI launches the OpenAI Deployment Company，2026-05-11。 [^3]: AWS：Introducing Forward Deployed Engineering for Partners，2026-06-30。 [^4]: Microsoft：Microsoft Frontier Company，2026-07-02。 [^5]: Palantir：A Day in the Life of a Forward Deployed Software Engineer。 [^6]: Palantir：Dev versus Delta。 [^7]: Palantir Architecture Center：Forward Deployed Engineering。 [^8]: Palantir：Technology Isn’t Always the Solution。