国泰海通证券计算机行业分析师杨林在8月13日发布研报，提出企业AI的核心矛盾正从模型能力转向规模化部署。研报认为，制约AI商业化落地的瓶颈已从“能不能用”变为“能否将AI稳定嵌入核心业务流程并持续交付可验证结果”，而FDE（前线部署工程师）与Agent运行时系统Harness的协同模式，正成为推动企业AI规模化部署的关键路径。

研报指出，价值链的迁移方向已清晰：从“谁的模型更强”转向“谁更懂业务、谁能交付生产系统、谁能把一次项目经验复用到下一次”。这意味着，单纯拥有模型或API访问能力的公司，其估值逻辑面临重估。投资线索也随之调整，真正值得跟踪的是两类公司：一是能深入行业现场、将AI做进客户核心流程的交付方；二是拥有Agent Runtime、AIOS、Ontology等底座、能将交付经验转化为可复用软件资产的平台方。

研报援引McKinsey《The State of AI 2025》数据指出，AI应用渗透率高并不等同于商业化成熟。接近九成受访企业已在至少一个业务职能中常态化使用AI，62%的企业开始试验AI Agent，但真正进入全企业规模化阶段的仅约三分之一。即便在收入超过50亿美元的大型企业中，完成规模化部署的比例也不到一半。商业价值兑现同样有限，只有39%的受访者表示AI已对整体EBIT产生影响，且多数企业AI贡献的EBIT占比仍低于5%。

研报分析，问题的根源在于流程重构不足。McKinsey分析的25项影响生成式AI价值兑现的因素中，重新设计业务工作流与EBIT改善的相关性较高，但目前只有21%的生成式AI使用企业对至少部分工作流做了根本性重构。高绩效企业的共同特征是围绕AI重写流程、数据、权限、人机分工和KPI，而非简单加载AI工具。

Agent进入生产环境后风险被放大。调查显示，51%的AI使用企业至少经历过一种负面后果，接近三分之一遭遇过AI输出不准确带来的问题。Copilot类辅助工具尚可依赖人工兜底，但Agent需要调用工具、操作系统、跨步骤执行任务，错误累积、状态漂移、权限误用都会演变为生产风险。

研报强调，FDE的核心价值在于将现场经验转化为可复用资产。FDE不同于传统售前或实施角色，需同时回答三个问题：哪些业务问题值得用AI解决、如何将AI真正做出来、上线后业务指标是否改善。其产出具有双重属性：对客户是业务结果，对厂商是可复用资产。FDE模式成立的前提是把现场经验转化为Skill、连接器、行业模板、测试集、工作流、Ontology或平台能力，使同类客户的交付成本持续下降。衡量FDE规模化的真实指标是同类客户上线更快、FDE人天更少、可复用资产占比更高，最终客户收入增速超过交付人员规模增速。

AI Coding和Agent工具正在重塑深度定制的经济性，代码、接口、测试用例、文档等重复性工作可被部分自动化，FDE得以将更多精力投入需求澄清、架构判断和行业知识抽象。据报道，OpenAI成立Deployment Company并计划收购企业AI咨询与工程公司Tomoro，后者带来约150名经验丰富的FDE和Deployment Specialists，同时联合19家投资机构、咨询公司和系统集成商投入超过40亿美元扩大企业AI部署能力；AWS则投入10亿美元成立Forward Deployed Engineering组织，目标是将Agent部署周期从以月计压缩至以天计。

研报指出，Harness是包裹在基础模型外的Agent运行时系统，负责上下文管理、记忆管理、工具调用、状态维护、权限控制、结果验证、异常恢复和长程任务管理。任务复杂度提升会成倍放大Harness的重要性。Anthropic的实验数据显示，同样使用Opus 4.5开发应用，单Agent运行约20分钟、成本约9美元；包含Planner、Generator和Evaluator的完整Harness运行约6小时、成本约200美元，成本超过20倍，但应用完整度、可用性和核心功能正确性显著提升。这将竞争指标从单Token价格引向“Cost per Successful Task”。Microsoft已将Harness产品化，将Function Invocation、History Persistence、Context Compaction、Tool Approval、Telemetry等能力集成进统一运行时。Anthropic认为，Harness应随模型能力变化持续重测、删减、调整，而非固定流程。

研报认为，FDE与Harness协同构成企业AI商业化闭环。FDE进入客户现场获取真实业务知识，Harness将这些知识编码为Agent可执行能力，上线后生产环境持续产生反馈，FDE判断失败根源并将新经验沉淀回Harness和平台，形成飞轮效应。海外厂商已跑出不同形态：Palantir以Ontology为核心，FDE将业务对象映射至企业运营层；Microsoft与EY联合投入超过10亿美元部署Agentic AI，EY作为Client Zero率先验证，Copilot早期覆盖15万名员工并带来约15%的生产率提升；AWS形成两层Harness架构，使合作伙伴能够独立复制交付。

国内厂商路径分化，核心分野在于行业现场积累的深度和治理底座的完整性。腾讯云ADP引入云端Agent Harness，支持7×24小时中心化运行，其CodeBuddy/WorkBuddy客户成功团队覆盖全链条，部分头部客户已单独为FDE陪跑服务付费。阿里云已正式以“前沿部署工程师FDE”招聘，百炼支持Agent和Workflow两类开发模式。金蝶国际将Harness内生于ERP底座，灵基AIOS在OS内核中集成Harness体系。赛意信息将FDE部署于工业现场，交付周期最高压缩36%，人力投入平均降低16%以上。软通动力提出“AI Factory+FDE”模式。科大讯飞在国家能源集团智能招采项目中，将专家经验转化为12类标准化知识库，智能评审准确率达97%。易鑫集团将Harness用于金融Agent治理，截至2026年5月底AI平台累计调用超过1.25亿次，智能体自主交付业务占比达到65%。