在2026年世界机器人大会现场，明略科技CEO吴明辉谈及近期走红的FDE（前线部署工程师）时，将时间拨回十二年前，称公司当时就已开始认真研究这一角色。他认为，与传统软件部署相比，今天的FDE需要做得更深：既要将Agent接入真实业务，也要把现场形成的能力沉淀回后台。

这一表态背后，是企业服务交付方式的显著变化。今年5月，OpenAI专门成立Deployment Company，将FDE派驻企业，与客户共同完成需求发现、系统设计、开发和上线；6月，Anthropic宣布与IT服务商DXC合作，后者计划培训数万名Claude认证FDE，将Claude接入银行、航空、保险、制造等行业的核心系统；8月18日，腾讯云也将原有“智能体开发平台AI应用工程师认证”更名为“ADP前沿部署工程师（FDE）认证”。

这些动作共同指向企业AI落地的“最后一公里”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，将模型和Agent平台接入客户系统；明略科技等企业服务商则用AI重做定制开发，把行业Know-how、数据治理和软件实施能力转化为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FDE能力。AI让写代码变得便宜，却把“谁来理解企业、定义需求并让Agent真正跑起来”推成了新生意。

FDE并非新生事物。Palantir很早便以类似方式让工程师深入客户现场，传统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AI浪潮中重新走红后，争议随之而来：它究竟是新的工程模式，还是旧有实施逻辑的翻版？华南一家云厂商CEO曾直言，FDE可能只是“赶时髦的词”，但若有助于销售，也不妨使用。吴明辉则认为，传统实施团队只需交付确定的软件，甚至可与研发团队脱节；而FDE需将一线能力反哺后台，让单个客户现场暴露的问题转化为可复用的资产。

OpenAI对FDE的岗位定义已超出传统“技术支持”边界，其职责覆盖需求发现、技术范围确定、系统设计直至生产上线，还需沉淀工具、Playbook和Building Blocks，并将现场反馈带回产品与模型团队。通过真实工作流暴露问题，AI大厂可据此优化Harness、模型和产品，但这能否彻底解决“最后一公里”问题仍存疑问。吴明辉以广告行业为例，指出即便同为快消客户，宝洁与联合利华的流程打法也不断变化，期待通用基础模型适配所有场景、做好规划并分解工作流是悖论。企业为竞争必须持续创新流程，今天被学习的工作方式明天可能已改变，FDE面对的是持续变化的Context，难以靠静态“行业答案”长期覆盖。

这为软件服务商留下了空间。自AI从聊天转向“干活”，市场一直担忧传统SaaS被替代，技术圈流行的判断是Vibe Coding降低开发门槛后，企业可自行写代码、搭Agent，标准软件和定制开发需求将被压缩。这直接给软件服务商带来转型压力，其License、实施和定制开发收入结构可能受影响。但若外部FDE长期存在的逻辑成立，软件服务商或能获得新生存空间：企业虽易获得模型和代码，仍需要有人长期理解其业务变化、系统结构和交付约束。传统服务商多年积累的行业理解、系统经验和交付能力，恰有机会被重新翻译为Agent能力。

明略科技是样本之一。其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时代后发展Agentic Services，将原有能力转为定制Agent交付。明略近期拟取得普联软件控制权，延续这一思路。普联长期服务石油石化、煤炭电力等大型集团，定制开发和实施属性较强。吴明辉表示，明略计划先将FDE、Agent和相关基础设施带进普联，再由普联延伸至原有客户。

但FDE逻辑能否成立，关键在于杠杆率。传统定制软件是偏重人力的生意，项目需大量工程师驻场，需求越复杂投入越多，收入与人力呈线性关系，规模效应有限。例如普联软件收入从2021年的5.82亿元增至2025年的8.25亿元，增长率超40%，但净利率却从2021年下滑超15个百分点，2025年仅8.09%，呈现“越干越不赚钱”的态势。Agent时代试图改变交付效率。吴明辉认为，功能明确的标准软件代码将越来越易被AI复刻，而客户尚未想清的业务场景反而可能成为更值钱的部分。他解释，工程师来到客户身边，更重要的工作是与客户沟通，弄清“业务到底怎么做”。过去实施人员可能三分之二时间沟通、三分之一写代码，现在编码可交给AI，FDE可把更多时间用于需求判断、流程拆解和结果验证。若同一人能完成更多定制Agent、支撑更多客户，过去依赖堆人的项目制生意就有望提高杠杆率。

AI同时降低了企业自己进入Agent生产的门槛。8月11日，蒙牛总部有45名员工参加AI应用路演，他们来自销售、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，再寻找可被AI改造的部分。这种安排已向内部FDE演化：蒙牛计划建立L1到L3的AI先行官认证，L3员工需会搭Agent、理解业务需求、形成解决方案并持续跟进效果，其数科团队也已成立专门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，三个多月搭出养殖管理系统，将国标、论文、饲料配方、入栏记录和一线养殖经验写入软件，系统沿投喂、库存、屠宰、加工和报价延伸。这套系统累计使用Qoder的成本在几万元级，而此前外部定制方案报价可能达百万元级。过去中小企业常卡在标准软件不贴合业务、定制开发太贵的两难，AI Coding压低中间开发成本，让高度定制软件进入中小企业可承受区间。但张立非的优势特殊：他做过研发又长期参与经营，既懂代码实现，也知一只羊每天吃什么、饲料成本如何分摊、产品最低报价，需求、测试和使用可在公司内部完成，省去传统定制开发中反复传递需求的环节。这种模式同样有边界，系统扩大后，测试、权限、数据安全和长期维护难以集中在一个人身上。AI降低写代码成本后，企业仍需有人持续理解业务、维护系统并承担最终决策责任。

吴明辉承认，大企业长期会逐渐内化部分FDE能力，但企业从个人使用AI走向组织级AI，还会遇到岗位调整、激励机制、系统基础设施和成本管理等问题，外部力量可能仍承担最初引导。由此看，各方短期内难分胜负：模型和云厂商拥有底层能力，希望借FDE将模型、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更像一条仍在移动的边界，岗位本身远未定型。当企业拥有几十、几百甚至更多Agent后，真正重要的问题是这些Agent由谁生产、谁维护，以及谁能把一次业务改造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。