ARTICLE · 1097085
从 FDE 1.0 到 FDE 4.0:AI 时代,软件交付正在被重新发明
从 FDE 1.0 到 FDE 4.0:AI 时代,软件交付正在被重新发明大模型和智能体进入企业市场之后，我们很快遇到一个瓶颈：决定 AI 能不能创造商业价值的，已经不是模型本身，而是模型进入企业之后的最后一公里。 企业的数据在哪里？业务规则是什么？权限如何控制？系统如何连接？流程如何重构？Agent 能够执行什么动作？出了问题谁负责？模型的能力究竟如何转化为收入增长、成本下降、效率提升和风险降低？ 这些问题，没有任何一个仅仅依靠一个更强的大模型就能够自动解决。 一个原本属于Palantir的特殊岗位，开始迅速成为全球 AI 产业最值得关注的组织现象之一。 它就是 FDE，Forward Deployed Engineer，前线部署工程师。 如果说过去十年 SaaS 革命解决的是如何把软件标准化，那么 AI 时代正在面对的恰恰是另外一个问题：当软件越来越智能、越来越动态、越来越深入企业核心业务之后，我们如何重新解决非标准化的问题？ FDE，正是在这个背景下重新崛起。 但今天的 FDE，已经远远不是最初意义上的 FDE。 它正在经历一次非常清晰的演化。 从 FDE 1.0，到 FDE 2.0，再到正在形成的 FDE 3.0，以及已经隐约出现的 FDE 4.0。 而这条演化路径，揭示了未来企业 AI 软件公司的基本形态。 FDE 1.0：工程师开始走出总部 最早的 FDE，本质上解决的是一个非常朴素的问题：复杂的软件产品，仅靠销售和售前无法真正落地。 传统软件公司的组织结构通常非常清晰。 产品经理负责定义产品，研发工程师负责编码，销售负责签单，售前负责演示，实施团队负责上线。 这种模式成立的前提，是软件本身高度标准化。 ERP、CRM、OA、数据库、中间件，大部分情况下都是先有产品，再找客户。 客户需要适应软件。 但是当软件进入国防、金融、制造、能源、医疗等高度复杂的行业时，这种模式开始失效。 真正的问题往往不是软件有没有这个功能，而是如何把软件嵌进客户真实的业务世界。 数据来自几十个系统，业务逻辑散落在不同部门，权限体系极其复杂，流程里存在大量隐性规则，而且很多关键知识根本没有写进任何文档，而存在于业务专家的经验之中。 这时候，仅仅派一个实施团队过去是不够的。 必须有人同时理解软件、数据、系统和客户业务。 于是，FDE 出现了。 FDE 1.0 的核心特点，是工程师第一次真正走出研发总部，深入客户现场。 他不是传统意义上的实施顾问，也不是单纯的程序员，而是在客户现场直接解决问题的人。 他可以写代码，可以接数据，可以改系统，也可以跟客户一起梳理业务流程。 这种模式后来成为 Palantir 最具代表性的组织能力之一。 它背后的逻辑其实非常深刻。 复杂软件真正的价值，不是在产品发布的时候产生，而是在软件进入客户业务之后产生。 FDE 1.0，本质上第一次把交付从软件产业链的末端，提升到了产品价值创造的核心位置。 FDE 2.0：AI让部署变成了业务重构 生成式 AI 出现之后，FDE 的性质开始发生根本变化。 因为 AI 和传统软件有一个非常大的区别。 传统软件的能力边界基本是确定的。 一个 CRM 能做什么，一个 ERP 能做什么，一个数据库能做什么，在产品设计阶段基本已经确定。 但是 AI 的能力边界并不是预先确定的。 同一个大模型，放进不同的数据环境、业务上下文、工具体系和流程之中，最终表现出来的能力可能完全不同。 这意味着，企业 AI 项目不再是简单的软件部署。 它实际上是在进行一次业务能力重新设计。 企业真正需要解决的问题变成了：哪些工作应该交给 AI？哪些工作仍然需要人？哪些决策可以自动化？哪些决策必须保留人工审批？AI 需要看到哪些数据？应该理解哪些业务对象？可以调用哪些工具？能够执行哪些动作？ 于是，FDE 2.0 出现了。 FDE 不再只是把软件部署进去，而开始承担一种新的责任，把模型能力转化为业务能力。 这时候，真正优秀的 FDE 已经很难再用工程师三个字来定义。 他必须理解模型，理解 Agent，理解数据工程，理解 API，理解企业系统，同时还必须理解业务。 更重要的是，他必须具备一种极其稀缺的能力：能够把一个非常模糊的业务问题，转换成一个可以被 AI 系统执行的数字化问题。 客户说：我希望提高经营效率。 FDE 必须进一步追问，效率到底是什么？是库存周转率，是销售转化率，是设备利用率，是项目毛利率，还是应收账款周期？ 客户说：我想做一个智能体。 FDE 必须继续拆解，这个智能体理解哪些对象？读取哪些数据？拥有哪些工具？遵守什么权限？什么情况下能够执行动作？什么情况下必须请求人工确认？ 这已经不是软件实施。 这实际上是一种新的企业智能工程。 因此，FDE 2.0 的价值开始从 Engineering 向 Context 转移。 代码仍然重要，但是代码已经不是最稀缺的东西。 真正稀缺的，是理解企业。 FDE 3.0：FDE 不再是一个人，而是一种组织 当企业 AI 项目的复杂度继续提高，一个新的问题又出现了。 再强的 FDE，也不可能一个人同时精通模型、数据、安全、架构、行业知识、业务流程和组织变革。 于是 FDE 开始从个人能力走向组织能力。 IBM 提出的 Forward Deployed Unit，也就是 FDU，是一个非常值得关注的信号。 在这种模式下，面向客户的不再只是一个 FDE，而可能是一支高度复合的小型前线团队。 其中既有负责解决工程问题的人，也有负责整体技术架构的人，还有真正理解行业和业务的领域专家。 这看起来只是从一个人变成一组人，但实际上背后发生的是一次非常重要的组织升级。 传统企业软件公司的组织，是按照职能划分的。 产品属于产品部门，研发属于研发部门，销售属于销售部门，实施属于实施部门。 而 FDU 的逻辑完全不同。 它是围绕客户结果重新组织人才。 团队成员不再只对自己的专业职能负责，而共同对一个业务结果负责。 这意味着，AI 公司的基本组织单元正在发生变化。 未来最有竞争力的企业 AI 公司，未必拥有最大规模的售前团队，也未必拥有最大规模的交付团队，而可能拥有大量可以快速组合的 Forward Deployed Unit。 一个 FDU 进入制造业客户，解决排产、质量和设备问题。 另一个 FDU 进入金融机构，解决风险、研究和运营问题。 再一个 FDU 进入能源企业，解决生产优化、安全和供应链问题。 FDU 在不同客户现场积累经验，而这些经验又不断回流到平台。 于是，一个非常重要的飞轮开始形成。 客户项目产生领域知识，领域知识沉淀为模型、Ontology、Workflow、Skill、Agent 和 Evaluation，这些数字资产又成为下一次交付的基础。 这个时候，FDE 已经不再只是一个岗位。 它开始变成一种新的企业 AI 生产组织。 FDE 4.0：当 AI 开始成为 FDE 但真正具有颠覆性的变化，还在后面。 今天我们习惯讨论 AI Agent 如何替代客服、程序员、分析师、销售助理和运营人员。 但一个更值得思考的问题是： AI 能不能替代 FDE 自己的一部分工作？ 答案正在逐渐变成肯定的。 今天的 AI 已经能够读取代码仓库、理解 API、分析日志、生成数据管道、创建 Agent、编写测试、运行 Evaluation、诊断错误、生成文档，甚至可以在权限控制下直接执行部署动作。 过去需要 FDE 花费几天完成的工作，未来可能由 Agent 在几十分钟甚至几分钟内完成。 于是，FDE 4.0 的形态开始出现。 它不是 AI 替代人类 FDE，而是 Human FDE 和 AI FDE 共同工作。 人类 FDE 负责理解客户、理解组织、判断业务优先级、处理复杂利益关系、确定目标、做关键决策和承担责任。 AI FDE 则负责大量机器能够完成的工程工作。 读取系统、理解数据、生成代码、连接 API、构建 Workflow、配置 Agent、生成 Evaluation、发现异常、测试方案、编写文档。 这会带来一个巨大的变化。 过去，一个优秀 FDE 能同时服务一两个复杂客户。 未来，一个优秀的人类 FDE，可能同时指挥十几个甚至几十个 AI FDE Agent。 FDE 的生产函数因此被重新定义。 以前衡量一家 AI 公司的交付能力，要看有多少工程师。 未来更重要的问题可能变成：一个人类 FDE 能够调度多少 AI Agent？一个 FDE Unit 能够管理多少客户？多少交付经验已经被沉淀为可复用的数字能力？ 这时候，FDE 已经开始从人力密集型业务转变为软件定义的交付能力。 而这可能是整个 FDE 演化过程中最重要的一次跃迁。 真正的竞争，不再是抢 FDE，而是把 FDE 软件化 今天很多 AI 公司已经意识到 FDE 很重要，于是开始大量招聘 FDE。 但这可能只是第一阶段。 如果一家公司的扩张逻辑仍然是增加一个客户，就增加几个 FDE，那么从商业模式来看，它仍然没有真正摆脱传统项目制公司的限制。 真正具有复利效应的模式，是把 FDE 的经验不断软件化。 一个优秀 FDE 在客户现场发现的业务逻辑，不应该只存在于他的脑子里。 它应该进入 Ontology。 一个优秀 FDE 编排过的流程，不应该只存在于某个项目里面。 它应该沉淀成 Workflow。 一个优秀 FDE 使用过的方法，不应该只是一份 PPT。 它应该沉淀成 Skill。 一个项目中经过验证的 Agent，也不应该随着项目结束而消失。 它应该进入 Agent Library。 甚至连失败经验都应该被数字化，进入 Evaluation、Guardrail 和 Governance。 当这一切开始发生之后，企业真正获得的就不再是一支更大的 FDE 团队。 而是一套不断进化的 FDE Operating System。 这可能才是 FDE 4.0 最深层的意义。 FDE 最终不会消失。 恰恰相反，它会变得比今天更加重要。 但是未来真正重要的，不是有多少 FDE，而是能不能把最优秀 FDE 的方法、知识、流程、判断框架和工程能力，持续沉淀进平台，让它们成为可以被 AI 调用的组织能力。 企业 AI 的终局，不是 Agent，而是可复制的组织智能 很多人认为企业 AI 的终局是 Agent。 但 Agent 可能只是表层。 真正决定企业 AI 能否进入生产系统的，是 Agent 背后的企业上下文。 它需要知道企业里有哪些客户、产品、订单、设备、项目、合同和人员，需要理解它们之间的关系，需要知道什么可以做、什么不能做，需要知道谁拥有权限，需要理解业务规则，还必须能够进入真实工作流并产生行动。 这就是为什么未来 FDE、Ontology、Agent 和企业软件平台会越来越难以分开讨论。 Ontology 提供企业世界的数字表达。 Agent 提供智能。 FDE 把企业问题转换成机器可以理解和执行的系统。 而平台，则负责把这一切沉淀成可以不断复制的能力。 因此，从 FDE 1.0 到 FDE 4.0，看起来是在讨论一个职业的变化。 实际上，它揭示的却是企业 AI 更深层的一次产业迁移。 FDE 1.0，把工程师带到客户现场。 FDE 2.0，把模型能力转化为业务能力。 FDE 3.0，把个人能力升级为组织能力。 到了 FDE 4.0，人类开始把自己的交付能力进一步交给 AI。 最终形成的，将不再是一支单纯依靠人数扩张的交付团队。 而是一套由人类专家、企业本体、AI Agent、Skills、Workflow、Evaluation 和 Governance 共同组成的智能交付系统。 到那时，我们会发现：过去的软件公司，是在复制软件。 未来真正伟大的 AI 公司，复制的将是解决问题的能力本身。 而 FDE，正站在这场变化的最前线。（汪小东 微信交流13811986337）