在2026年世界機器人大會現場，明略科技CEO吳明輝談及近期走紅的FDE（前線部署工程師）時，將時間撥回十二年前，稱公司當時就已開始認真研究這一角色。他認為，與傳統軟體部署相比，今天的FDE需要做得更深：既要將Agent接入真實業務，也要把現場形成的能力沉澱回後台。

這一表態背後，是企業服務交付方式的顯著變化。今年5月，OpenAI專門成立Deployment Company，將FDE派駐企業，與客戶共同完成需求發現、系統設計、開發和上線；6月，Anthropic宣佈與IT服務商DXC合作，後者計劃培訓數萬名Claude認證FDE，將Claude接入銀行、航空、保險、製造等行業的核心繫統；8月18日，騰訊雲也將原有“智慧體開發平台AI應用工程師認證”更名為“ADP前沿部署工程師（FDE）認證”。

這些動作共同指向企業AI落地的“最後一公里”問題。OpenAI、騰訊等大廠開始親自承擔更多企業交付工作，派FDE進場，將模型和Agent平台接入客戶系統；明略科技等企業服務商則用AI重做定製開發，把行業Know-how、資料治理和軟體實施能力轉化為Agent；作為支付方的企業也開始從銷售、研發、供應鏈等業務部門培養自己的AI先行官，建設內部FDE能力。AI讓寫程式碼變得便宜，卻把“誰來理解企業、定義需求並讓Agent真正跑起來”推成了新生意。

FDE並非新生事物。Palantir很早便以類似方式讓工程師深入客戶現場，傳統軟體行業也一直存在實施顧問、解決方案架構師和駐場工程師。因此，FDE在AI浪潮中重新走紅後，爭議隨之而來：它究竟是新的工程模式，還是舊有實施邏輯的翻版？華南一家雲廠商CEO曾直言，FDE可能只是“趕時髦的詞”，但若有助於銷售，也不妨使用。吳明輝則認為，傳統實施團隊只需交付確定的軟體，甚至可與研發團隊脫節；而FDE需將一線能力反哺後台，讓單個客戶現場暴露的問題轉化為可複用的資產。

OpenAI對FDE的崗位定義已超出傳統“技術支援”邊界，其職責覆蓋需求發現、技術範圍確定、系統設計直至生產上線，還需沉澱工具、Playbook和Building Blocks，並將現場反饋帶回產品與模型團隊。通過真實工作流暴露問題，AI大廠可據此最佳化Harness、模型和產品，但這能否徹底解決“最後一公里”問題仍存疑問。吳明輝以廣告行業為例，指出即便同為快消客戶，寶潔與聯合利華的流程打法也不斷變化，期待通用基礎模型適配所有場景、做好規劃並分解工作流是悖論。企業為競爭必須持續創新流程，今天被學習的工作方式明天可能已改變，FDE面對的是持續變化的Context，難以靠靜態“行業答案”長期覆蓋。

這為軟體服務商留下了空間。自AI從聊天轉向“幹活”，市場一直擔憂傳統SaaS被替代，技術圈流行的判斷是Vibe Coding降低開發門檻後，企業可自行寫程式碼、搭Agent，標準軟體和定製開發需求將被壓縮。這直接給軟體服務商帶來轉型壓力，其License、實施和定製開發收入結構可能受影響。但若外部FDE長期存在的邏輯成立，軟體服務商或能獲得新生存空間：企業雖易獲得模型和程式碼，仍需要有人長期理解其業務變化、系統結構和交付約束。傳統服務商多年積累的行業理解、系統經驗和交付能力，恰有機會被重新翻譯為Agent能力。

明略科技是樣本之一。其核心業務集中在營銷智慧、營運智慧、資料治理和企業軟體服務，進入Agent時代後發展Agentic Services，將原有能力轉為定製Agent交付。明略近期擬取得普聯軟體控制權，延續這一思路。普聯長期服務石油石化、煤炭電力等大型集團，定製開發和實施屬性較強。吳明輝表示，明略計劃先將FDE、Agent和相關基礎設施帶進普聯，再由普聯延伸至原有客戶。

但FDE邏輯能否成立，關鍵在於槓桿率。傳統定製軟體是偏重人力的生意，專案需大量工程師駐場，需求越複雜投入越多，收入與人力呈線性關係，規模效應有限。例如普聯軟體收入從2021年的5.82億元增至2025年的8.25億元，增長率超40%，但淨利率卻從2021年下滑超15個百分點，2025年僅8.09%，呈現“越幹越不賺錢”的態勢。Agent時代試圖改變交付效率。吳明輝認為，功能明確的標準軟體程式碼將越來越易被AI復刻，而客戶尚未想清的業務場景反而可能成為更值錢的部分。他解釋，工程師來到客戶身邊，更重要的工作是與客戶溝通，弄清“業務到底怎麼做”。過去實施人員可能三分之二時間溝通、三分之一寫程式碼，現在編碼可交給AI，FDE可把更多時間用於需求判斷、流程拆解和結果驗證。若同一人能完成更多定製Agent、支撐更多客戶，過去依賴堆人的專案制生意就有望提高槓杆率。

AI同時降低了企業自己進入Agent生產的門檻。8月11日，蒙牛總部有45名員工參加AI應用路演，他們來自銷售、研發、供應鏈、奶源、營銷等業務條線。過去三個月，蒙牛從28個一級事業部選出約200名“AI先行官”，讓最熟悉業務的人先學會使用Agent，再尋找可被AI改造的部分。這種安排已向內部FDE演化：蒙牛計劃建立L1到L3的AI先行官認證，L3員工需會搭Agent、理解業務需求、形成解決方案並持續跟進效果，其數科團隊也已成立專門AI FDE團隊。

中小企業則可能走得更直接。在寧夏鹽池縣，西鮮記總經理張立非用阿里AI程式設計工具Qoder，三個多月搭出養殖管理系統，將國標、論文、飼料配方、入欄記錄和一線養殖經驗寫入軟體，系統沿投餵、庫存、屠宰、加工和報價延伸。這套系統累計使用Qoder的成本在幾萬元級，而此前外部定製方案報價可能達百萬元級。過去中小企業常卡在標準軟體不貼合業務、定製開發太貴的兩難，AI Coding壓低中間開發成本，讓高度定製軟體進入中小企業可承受區間。但張立非的優勢特殊：他做過研發又長期參與經營，既懂程式碼實現，也知一隻羊每天吃什麼、飼料成本如何分攤、產品最低報價，需求、測試和使用可在公司內部完成，省去傳統定製開發中反覆傳遞需求的環節。這種模式同樣有邊界，系統擴大後，測試、許可權、資料安全和長期維護難以集中在一個人身上。AI降低寫程式碼成本後，企業仍需有人持續理解業務、維護系統並承擔最終決策責任。

吳明輝承認，大企業長期會逐漸內化部分FDE能力，但企業從個人使用AI走向組織級AI，還會遇到崗位調整、激勵機制、系統基礎設施和成本管理等問題，外部力量可能仍承擔最初引導。由此看，各方短期內難分勝負：模型和雲廠商擁有底層能力，希望借FDE將模型、Agent送進生產；明略這樣的企業服務商擁有行業和交付積累，希望把Know-how變成Agent；大型企業開始培養內部FDE，中小企業也可能直接藉助AI Coding自己搭系統。FDE更像一條仍在移動的邊界，崗位本身遠未定型。當企業擁有幾十、幾百甚至更多Agent後，真正重要的問題是這些Agent由誰生產、誰維護，以及誰能把一次業務改造變成下一次可複用的能力。圍繞這些問題，Agent時代的企業AI市場或許才剛剛開始重新分工。