从FDE到FDA:AI进企业的方式,从＂派人驻场＂变成＂派Agent驻场＂

9月28日，一条人事消息让 MongoDB 股价在开盘后跌掉了大约18%。

走的人是它的 CEO，CJ Desai（Chirantan Desai）。辞职当天生效，没有过渡期。他去的地方是 Meta，职位是新设立的"首席企业平台官"，直接向扎克伯格汇报。

一个在任的上市公司 CEO，当天辞职、当天到隔壁大厂上任，这种走法在科技行业很少见。更少见的是挖人理由：Meta 不是让他去管某个成熟业务，而是让他从零拉起一个新部门。

扎克伯格把这个部门称作公司的"下一个重要支柱"。

Meta 到底宣布了什么

当天 Meta 发布的，是 Meta Enterprise Platform——企业平台。

首批摆上货架的东西有四样：Muse 智能体、面向商家的 Meta Business Agent、开放给开发者的 Muse API，以及编程工具 Muse Code。说白了，Meta 把自家消费级产品里跑的 AI 能力，打包成了可以卖给企业、接进企业系统的一整套东西。

只看产品，这像是又一场大厂的标准发布。真正值得看的是配置：为了这场发布，Meta 挖来了一家上市公司的 CEO。

这个信号的含义在于，大厂过去做企业软件，靠的是销售大军和渠道伙伴；Meta 现在的做法是先找一个"懂企业客户怎么买东西"的一号位，再把智能体产品交到他手里。顺序反了——不是产品先成熟再找卖的人，而是先找到能对企业结果负责的人，再让产品往他手里长。

而且 Meta 不是这周唯一这么干的公司。9月29日凌晨，xAI 发布 Team Bots，一种跟着团队一起学习、一起工作的 Grok 智能体；同一天，OpenAI DevDay 开场，传闻中的常驻助手"o"被提前曝光——它不是你问一句答一句的聊天框，而是一个持续运行、据称能替你处理邮件的助手。

需要说明：截至发稿，"o"的全部信息都来自界面曝光和媒体报道，OpenAI 尚未官宣。

但方向已经很清楚：三天之内，做社交的、做搜索的、做通用大模型的，全都在推同一种东西——一个常驻在你工作环境里的 AI。

要理解大厂为什么集体往这个方向冲，得先从一个 23 年前的老岗位讲起。

最贵的岗位，是"住进客户公司的人"

2003年，Palantir 签下第一个客户。它没有交付完软件就走，而是派了 4 个工程师驻场 18 个月，跟客户的业务人员坐在一起，在真实的数据和流程里改产品。

这个岗位后来有了名字：FDE，Forward Deployed Engineer，前线部署工程师。

FDE 不是传统意义上的咨询顾问。顾问交一份报告就退场，FDE 要在客户的代码库和系统里留下能跑的东西。这个模式很重——一位资深驻场工程师一年的成本，行业文章常用的估算是 50 万到 80 万美元。这是行业估算，不是哪家公司的披露数字，但量级大体如此。

今年，为这种"重"砸钱的公司排起了队。

6月30日，AWS 宣布投入 10 亿美元组建 FDE 团队，要把数以千计的工程师派进客户现场，号称把智能体方案的交付周期从几个月压到几天。

OpenAI 更直接。它在5月成立专门的 Deployment Company，7月就注资 40 亿美元，两个月内连收 Tomoro 和 Northslope 两家公司，把驻场工程师队伍扩到数百人。这两件事本号分别在7月初和7月中写过，当时的判断是：模型公司终于发现，最后一公里比模型本身更难。

也就是说，在 Meta 挖 CEO 之前，"派人驻场、帮客户把 AI 跑起来"已经是大厂的标配动作。

但真正有戏剧性的地方在这里：就在大厂花几十亿美元抢 FDE 的同时，一个让 FDE 这份工作开始贬值的东西，出现了。

接棒的不是另一个人，是一个 agent

6月，做网页数据基础设施的 Firecrawl 在 Product Hunt 上发了一个新产品，叫 Prometheus。它给产品的定位不是常见的"AI 助手"，而是一句话：“A Forward Deployed Agent for web data”——一个用于网页数据的前线部署智能体。

注意这个措辞：Forward Deployed Agent，FDA。驻场的不是工程师，是 agent；它驻的也不是客户的办公室，是客户的数据环境。

另一家创业公司 Naboo 在6月底给出了更直白的定义：FDA 像 FDE 一样贴着客户的技术负责人干活，但交付的是 2 到 4 周内在生产环境里跑起来的数据设施，而不是一摞方案 PPT。

9月初在中文技术圈流传的一篇《从FDE到FDA》，把两笔账并排摆了出来：FDE 时代，一位资深工程师一年 50 万到 80 万美元；FDA 时代，一个常驻 agent 实例，一个月可能只需几百美元。同样是估算口径，但量级差出两个数量级。

为什么偏偏是 2026 年？那篇文章给了两个条件，缺一不可。

一是模型。7B 到 13B 参数的开源模型，在垂直任务上已经够用，企业不必为每件小事都去调用最贵的通用大模型。

二是协议。MCP（Model Context Protocol，模型上下文协议，让 agent 标准化接入外部数据和工具的一套约定）在 2025 年成为行业标准，agent 终于能以可管控的方式接入企业的私有数据。没有这个协议，agent 进企业就像没有工牌的人混进写字楼——门都进不去，更别说干活。

模型够便宜了，协议有标准了，剩下要解决的就一件事：谁来对结果负责。这就解释了 Meta 为什么要为一个新部门去挖另一家上市公司的 CEO。

先别急着说"工程师要完"

讲到这，可能已经有人得出结论：FDE 要被 agent 淘汰了，这又是一篇"AI 取代人"的焦虑稿。

先打住。这个读法太快，而且会读错。

看一个事实：AWS 的 10 亿美元、OpenAI 的 40 亿美元、Meta 挖来的 CEO——大厂的资源主要还是砸在人和组织上。如果 agent 真能完全替代驻场工程师，这些钱一分都不用花。

再看一个真实的踩坑。Databricks 最近公开过一组内部数据：在没有成本管控的情况下向工程师放开一款顶级模型后，开发者的人均支出涨了 60%。后来他们给每个人设了月度总预算、每日"失控"限额，还单开了"实验性模型预算"，才把场面收住。

连 Databricks 这种以数据治理为生的公司，把 agent 放进来但不管流程，先失控的都是账单，不是智能。

真实发生的事情是分工重排。FDE 工作里最容易被接走的，是那些重复的小时：读同一类材料、接同一套数据、写同一种格式的报告。agent 接走这些之后，FDE 本人从"亲自干活的人"，变成"设计流程、带着一群 agent 干活、出了问题兜底的人"。一个人能照看的现场，从一个变成十个。

agent 替代的不是 FDE，是 FDE 时间表里那些让人麻木的小时。

当然，"FDA"这个词现在也在被滥用。怎么分辨供应商卖的是真驻场 agent，还是穿了马甲的老服务？《从FDE到FDA》给了三条检查标准，很朴素：

看合同——承诺的是具体业务结果，还是只承诺工时和账号；看部署——agent 跑在你自己的环境里，还是只在厂商云端；看计费——按驻场周期付费、agent 持续运行，还是按调用次数计费、用完即走。

三条全中，是真 FDA；只中一条，那就是贴在 PPT 上的概念。按调用次数卖的是工具，按驻场周期卖的才是结果。

接下来会发生什么

对企业来说，一个具体的变化是：以前采购 AI，买的是账号和人头；以后采购，买的应该是"在我环境里持续运行、对结果负责的 agent，加上一个出了问题找得到的人"。

对个人来说，值钱的能力也在换位置。会写代码依然是底子，但更稀缺的是把一个业务现场拆成 agent 能跑的流程、并为 agent 的行为兜底的能力。一个人管十个 agent 的人，和一个跟 agent 抢同一份活的人，未来一两年会明显拉开差距。

答案可能不用等太久。

就在今天，OpenAI DevDay 的开场里，那个代号"o"的常驻助手会不会正式露面、能做到哪一步，今晚就见分晓。它也许没传闻里那么神，也许会直接把"常驻 agent"从企业市场烧到每个人的桌面上。

Palantir 在 23 年前派 4 个工程师进驻客户现场时要解决的问题——让智能在业务一线真正跑起来——如今换了一个更便宜、也从不下班的载体。

这一次，驻场的不会下班。