先看两个数字,它们放在一起很有意思。
一个是 OpenAI 的公开口径:已经有超过 100 万家企业,在使用它的产品和 API。这个数字很容易被读成"AI 已经普及了"。
另一个数字方向相反:这家公司专门成立了一家叫 Deployment Company 的部署公司,作为独立业务单元,收购 Tomoro 带来约 150 名有经验的 FDE 和部署专家,投入超过 40 亿美元初始资金,拉进来 19 家全球公司与系统集成伙伴。
一边是百万级企业在用,一边是还要再掏 40 亿美元,专门养一支"上门干活"的队伍。
这两件事摆在一起,把一个问题问得很清楚:把模型卖出去,和把模型用进生产,是两件完全不同的事。
01 一句官方定义,藏着三层意思
Forward Deployed Engineer,缩写 FDE。OpenAI 给它的官方定义很短:把 AI 带入复杂真实用例的生产环境。
这句话里有三个词,值得一个一个拆开。
第一个是"带入"。不是"提供",不是"支持",是"带入"。提供是给工具,带入是负责送到地方。责任范围完全不同。
第二个是"复杂真实用例"。不是标准场景,不是典型场景,是复杂、真实。复杂意味着约束多,真实意味着不能挑干净的样本。
第三个是"生产环境"。不是演示环境,不是试点环境。是那套每天要接真实流量、出错要有人背、停机要有影响的系统。
三个词连起来,就是这条工作链的长度:发现问题、定义范围、设计系统、写出来、送上线。报告里把它记成 discovery、scoping、system design、build、rollout。五段,一整条,缺一段都不算完成。
我们做架构的人对这个长度不陌生。真正难的地方从来不是写代码,而是前面怎么把问题问对、后面怎么让它活着。
02 为什么要为一个岗位,单独成立一家公司
Deployment Company 的定位很特别。报告里写得很克制:独立业务单元,同时连接 OpenAI 的研究、产品和内部部署团队。
独立,说明它不挂在销售下面,也不挂在研发下面。
我的理解是,这个位置本身就是答案。挂在销售下面,它会被营收指标改造成售后成本;挂在研发下面,它会被当成需求收集器,反馈永远排在排期后面。只有独立出来,它才能同时向两边交付:向客户交付能跑的系统,向内部交付能用的现场信号。
报告里还提到一个细节:这个部署组织不是只服务大客户,它已经形成了 Gov FDE、Strategy & Operations FDE、Platform Engineer FDE、半导体 FDE 这样的分化方向。
这说明它不是靠几个高手撑起来的英雄团队。它是一套组织化的系统:有人负责在政府与公共部门里处理合规与使命落地,有人负责组合评审和执行节奏,有人专门把现场经验放大成平台能力,还有人已经进到设计验证、物理设计这种垂直行业深水区。
一个人的能力叫手艺,一套能复制的分工叫工业。这两者的差距,就是那 40 亿美元想买的东西。
03 通用产品模式,为什么进不去
很多人有一个默认假设:模型够强,产品够通用,剩下的客户自己会接。
这个假设在消费场景成立,在企业生产环境不成立。
报告里有一句判断说得很硬:在真实企业环境里,安全、权限、治理、合规、运营控制、遗留系统,这些是红色的核心,不是边缘。
为什么是核心?因为它们不是"上线前顺手处理一下"的事项,它们是决定这个系统能不能被批准、能不能被信任、能不能连续运行三百天的事项。
通用产品模式的隐含前提是:用户是标准用户,场景是标准场景,数据是标准数据,权限是标准权限。而企业的现实是,同一个"销售额",财务、销售、供应链能给你三个不同的数;同一套审批,纸面上两级,实际跑起来四级;同一份数据,能读的字段和能改的字段完全不是一回事。
通用产品吸收不了行业流程,也吸收不了组织责任。这两样东西只能一家一家装进去。
这就是"最后一公里"的真实含义。它不是距离上的一公里,是复杂度上的一公里。
04 它不是什么:先划清三条边界
第一,它不是传统咨询外包。
咨询交付的是报告和建议,FDE 交付的是可运行的系统,并且对生产结果负责。这条线最硬。
报告可以写"建议分三期推进,第一期先做试点"。系统不行。系统上线第二天就要接真实流量,出错要有人处理,指标不好看要有人解释。报告允许留白,系统不允许。
第二,它不是单纯的解决方案架构师。
架构师的核心产出是设计。FDE 覆盖的是从发现问题到送上线,并且要为上线之后的结果负责。
设计得好和跑得稳,中间隔着评测、权限、监控、回滚、接管。这些不是架构图上的方框,是每天要动手的事。
第三,它不是内部产品经理。
内部产品经理在内部收集需求,做优先级,推排期。FDE 在客户现场捕捉的是"产品化机会"——哪些需求是这个客户独有的,哪些是三个客户都提过的,哪些看起来是定制、其实是共性。
这个判断能力,坐在总部是想不出来的。只有在现场反复见过失败样本的人,才知道哪条线值得抽象成产品。
05 那它到底是什么
我的概括是:它是客户现场、平台能力、研究反馈、商业落地这四条线的交叉点。
往客户那边,它要能用业务的语言把问题说清楚,能跟一线的人一起坐一下午,把例外情况捞出来。
往平台那边,它要把重复出现的东西抽象掉,不能让每个客户都变成一座孤岛。
往研究那边,它要把真实世界里最难的样本送回去,让模型知道自己在哪儿不够用。
往商业那边,它要能让投入产出说得清,不是"这个系统很先进",而是"这个流程的时间从三天变成三小时"。
所以报告给出的能力雷达是六项:写系统、懂客户、会评估、能上线、技术深度、业务理解。而且明确要求 production-grade 的前端后端代码能力。
不是"能看懂代码",是"能写出生产级的代码"。
报告里那句话我很喜欢:原型只是起点,稳定运行才能交付。
06 三个可以带走的判断
第一个判断:模型能力是入场券,部署能力是胜负手。
今天任何一家公司都能调用到接近前沿的模型。差距不在能不能用,而在多快能把它放进一条真实的业务流程里,并且让它稳定跑下去。
第二个判断:判断一个 AI 项目能不能活过三个月,别看 demo,看三件事。
有没有一个具名的人对它负责;有没有一套覆盖失败样本的评测;有没有一条能按下去的急停和回滚路径。三样缺一样,这个项目就在靠运气。
第三个判断:别把 FDE 当成一个新岗位来理解。
它是一个生产组织方式。它回答的是这样一个问题:当技术能力已经溢出的时候,组织要怎么重新排列,才能把这些能力真正接进业务。
结语
我把这篇放在系列的第一篇,是因为后面四篇讲的所有东西——约束、飞轮、成熟度、责任——都建立在这个认识上。
如果你还把 AI 落地理解成"选一个更强的模型",那后面每一步都会走偏。
报告最后那句话说得很准:理解 FDE,关键不在于把它当成一个新岗位,而在于理解一种新的生产组织方式。
而一种生产组织方式的改变,从来不是从招聘开始的。它是从承认"最后一公里很贵"开始的。
本文依据《清华大学-2026年OpenAI FDE研究报告》及公开素材整理,其中涉及的企业规模、投资金额、人员数量等均为公开报道口径,具体数值以官方披露为准;文中观点为作者个人判断,不构成任何采购、投资或技术选型建议。
延伸思考,留给读到这里的你:
一、如果部署能力才是胜负手,你们公司现在把"部署"放在哪个部门下面,那个位置合理吗?
二、你们最近一个 AI 项目,能说出"谁对它负责"这个名字吗?
三、当模型每半年换一代,你们沉淀下来的东西,是跟着模型走,还是跟着公司走?
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。