今年有两个画面，我一直记着。

一个在硅谷。2026 年，OpenAI 拿出 40 亿美元，成立了一家专门做“部署”的公司。招的不是坐在实验室里调参的科学家，而是一批要拎着箱子住到客户现场的工程师。这个岗位有个专门的名字：FDE。

另一个在湛江。一个技术员蹲在增氧机旁边，教五十多岁的塘主怎么在手机上看报警。同样的动作，他这周已经重复了十几遍。

这两个画面隔着半个地球、隔着一整个产业，做的却是同一件事——把 AI 从“能用”，搬到“好用”。

而水产行业最缺的那个人，恰恰就站在这两个画面的中间。

一、AI 的战场，已经换了个地方

先说 FDE 是什么。

FDE = Forward Deployed Engineer，国内一般译成“前线部署工程师”或“前沿部署工程师”。这个词最早出自 Palantir——2010 年，这家服务国防和政府客户的公司发明了这个角色：把工程师直接派到客户现场，围绕业务结果写代码、接系统、做部署、做迭代。他们内部还分两支：一支叫 Echo，负责进现场、处理客户关系、把需求翻译出来；另一支叫 Delta，负责把需求变成原型、部署上线、持续迭代。

这个角色默默无闻了十几年。然后在 2026 年，突然成了 AI 圈最抢手的人。

更值得注意的是钱往哪儿走：OpenAI 联手 19 家投资机构投入超 40 亿美元成立部署公司，一次性打包带走约 150 名有经验的 FDE；Anthropic 联合黑石、高盛成立 15 亿美元合资公司，把 FDE 从“职能岗位”升格为“战略业务单元”；亚马逊投入 10 亿美元打造 FDE 团队，微软调配约 6000 名行业与工程专家、注资 25 亿美元。

为什么突然要这么多人？

阿里云智能集团副总裁霍嘉在一次采访里，把 AI 落地的痛点归纳成三条，我觉得说得非常准：第一，懂 AI 又能跟业务结合的人极其稀缺；第二，真实、可复用的最佳实践还太少；第三，传统 IT“规划—执行—验收”的项目制管理，跟不上模型每个月甚至每周迭代的节奏。

把这三条翻译成水产的话就是：会用 AI 工具的人不少，懂溶氧曲线的人也不少，但既懂溶氧曲线、又知道怎么让 AI 帮上忙的人，几乎没有；行业里真正跑通的案例，散在各个塘口，没被整理出来；而设备厂家的方案一年一版，塘口的情况一天一变，两边根本不在同一个节拍上。

所以行业里开始流传一句话，我认为它是这轮 AI 落地最准确的概括：

那，“最后一公里”到底难在哪？有一个区分特别关键——FDE 既不是驻场实施，也不是外包。

驻场实施工程师，是按已经定义好的方案去部署；FDE 要在现场先搞清楚，方案本来应该是什么。外包只对明确的交付物负责，需求由客户定义；FDE 要先穿透表层，找到真正值得解决的问题。

用一句话讲：别人负责“把事做对”，FDE 负责“找对的事”。

而这，恰恰是水产行业最缺的能力。

二、水产这个行业，卡就卡在这一百米

先说清楚：水产行业不是没有 AI，而且有些做得相当好。

河北定兴，一家鲈鱼场（河北良丰晓月）的智慧控制中心里，7 个养殖棚 84 个鱼池，系统每天直接推送投喂方案——“1 号棚 3 号池，投喂量 41.25 公斤”。背后是一个叫“范蠡”的渔业大模型，由中国农业大学参与研发。他们每立方米水体产鱼 65 公斤，是大塘养殖的 20 倍。

浙江临平，一个叫“智物嘉渔”的基地里，圆形养殖池配着巡检机器人、水下摄像头、智能吸污机器人，数据上云由 AI 统一调度——这套系统出自浙江大学博士团队创办的企业，联合浙江省农科院攻关。幼鱼成活率提升 10 倍，能耗下降 50% 以上，人工成本缩减超 80%，95% 的核心环节实现无人值守。浙江省农科院的专家打了个比方：原来一万平方米的工厂要 6 到 7 个技术人员，现在基本上只要 1 个人。

“湛江湾 1 号”深远海平台上，湛江湾实验室自研的海洋 AI 智能体 24 小时值守，2 个工作人员就能管护 15000 尾经济鱼类。

这些都是真的，而且值得敬佩。

但同一个行业里，还有另一个更普遍的景象：设备装了，没开；探头脏了，没人洗；报警响了，看不懂。

行业媒体自己总结过智慧渔业的“三道关”，我认为每一关都踩在真实痛点上。

我在一个地方的科技特派员服务平台上，看到过一份中老年养殖户培训的需求记录，写得很实在：当地养殖户以中老年群体为主，普遍存在智能增氧机、水质监测仪操作困难、缺少专业指导的问题。

而他们的解决方案，特别“塘口”——

不搞大课，搞塘口流动小课堂，5 到 8 户一组，在鱼塘边做 1 到 1.5 小时现场实操；培育本地养殖大户当村级土专家，就近帮带；做大字图文口袋操作卡，直接贴在设备控制柜上；拍方言短视频，通过微信群和村广播传播；联动设备厂家，做到购机同步上门教学；打造示范塘口，培训完再回访。

而他们的培训原则，我建议每一个做智慧渔业的人都抄下来：

你看，这其实已经是一份标准的“最后一公里交付清单”了。放进 FDE 的框架里，他们做的事就是：进现场、翻译需求、把能力变成动作、把动作固化成流程。

所以我的判断是：

水产行业最缺的，从来不是更聪明的模型，而是站在塘边、能把模型翻译成动作的那个人。

这个角色在硅谷叫 FDE。在水产行业，我更愿意叫它——塘口工程师。

三、塘口工程师：水产行业自己的 FDE

什么是塘口工程师？我的定义很简单：一个人，同时背着三样东西走进塘口。

谁已经在做这件事了？我认为有三类人，而且他们本来就离塘口最近。

一是养殖技术员、技术场长。懂水、懂虾，缺的只是工具层。

二是设备服务商和经销商。懂设备、懂安装，天然就是 FDE 的胚子——因为你卖出去的每一台机器，最后都要靠“有人会用”来兑现价值。

三是饲料、动保的一线业务员。本来就在塘口跑，本来就在帮客户解决问题，只差把 AI 加进工具箱。

有人可能会问：现在不是已经有机构在做“AI 水产培训”了吗？

是，而且做得不错。但我认为这两件事差着一个层级：

而行业里真正缺的，是后者。

举一个我看过的、最像 FDE 的真实案例：江苏某大型养殖集团，4 万多亩养殖水面。

他们的做法是两条线同时走。一条线是技术员一对一实操教学，配套简易图文操作手册，让老职工能熟练用手机看塘口数据。

另一条线更关键——老职工把“看水辨鱼情”的实操经验，与平台数据互为补充；技术人员则把职工“辨病害、调水质”的经验，写进智能预警模型，用来优化算法精准度。

这就是双向喂养：经验喂给算法，让算法更准；算法反过来喂给人，让人判断更快。

而这件事，只有蹲在塘口的人才做得成。坐在办公室里的人，既不知道“水色发暗”和“水色发浑”在处理上差多远，也不知道某个报警值在这口塘里到底算不算异常。

所以我常说一句话：

而这个学徒要发挥作用，得有人带它下塘。这个人，就是塘口工程师。

四、水产人怎么学 AI：五层台阶

这是这篇文章我最想讲清楚的部分。

很多水产朋友问我：AI 这东西，我到底该从哪儿下手？要不要学编程？要不要报课？

我的答案是：都不用。你要走的是下面这五层台阶，一层一层来，每层只做一件最小的事。

第 0 层 · 认知：先分清 AI 能做什么、不能做什么

先用一个比喻把这件事定下来：

它理论扎实、随叫随到、不会累、不会不耐烦；但它不认识你家塘口的水色，也不知道这几天风向变了、隔壁塘刚发过病。

这个比喻一旦成立，用法就清楚了：让它干“查得到答案的活”，别让它干“只有现场才知道的活”。

最小动作：拿一个你最近真实头疼的问题问它一次。答得好，你就有感觉了；答得离谱，你也把边界摸清了。这一步不花一分钱，半小时足够。

第 1 层 · 工具：先把三件毫无风险的重复劳动交出去

不用想太远，就三类活，今天就能交出去。

一是“写”。塘口记录整理、客户回访话术、用药和调水方案的初稿、病害情况的规范化描述。以前写这些要憋半天，现在让它先出一版，你改第二版。

二是“算”。料比、包产、亩产、投入品成本，不同投喂策略的账。让它帮你列表格、做对比——它算得比人快，而且不会偷懒。

三是“查”。外文资料（南美白对虾的国际文献大多是英文和西班牙文）、设备说明书、标准规范。以前要翻半天词典的事，现在几分钟。

但这一层有一条铁律，建议刻在心里：

最小动作：挑一件你每周都要重复写的东西，让它先写一版，你改第二版。一周之后你会发现自己回不去了。

第 2 层 · 数据：把脑子里的经验，变成 AI 能读的东西

这是最重要、也最容易被跳过的一层。

AI 再强，也不认识你塘里的水。你塘口的数据，才是你不可替代的资产。别人能买同样的模型，但买不走你这三年的投喂记录。

但别被“数据”两个字吓到。从最土的办法开始就行——塘口日记。

为什么值得？一个月之后，你手上就有 30 条记录。这时候你可以问 AI 一个以前问不出来的问题：

“这一个月里，哪几天投喂之后吃料变慢了？那几天有什么共同点？”

你问的是什么？问的就是你自己经验的数字化。

这里要特别提醒一句：不要一上来就追求“全套数字化”。很多项目死在第一步——装了一堆传感器，数据出不来，最后连日记都不记了。先记得住，比记得全重要。

最小动作：今天开始，在手机备忘录里记一行。就一行。

第 3 层 · 设备：让塘口先“会上网”

走到这一层，很多人会直接问：我该买什么设备？

我的建议是：先别问买什么，先问数据怎么活下来。

顺序不能反——没有稳定的数据和连接，就没有 AI 可言。很多方案谈得很智能，第一步就卡住了：探头在塘里，数据出不了塘。

所以这一层的重点只有三件事。

顺着这三条，有一个反常识的建议：

最小动作：清点你现有的智能设备，列一份“装了但没在用的”清单。先解决它们的维护问题，别急着买新的。

第 4 层 · 交付：把一个跑通的流程，做成别人能用的东西

这一层，是从“会用 AI 的人”变成“塘口工程师”的分水岭。

前面三层，受益的都是你自己。到这一层，你开始把跑通的东西固定下来——一个模板、一张检查表、一段固定的问法、一套设备巡检节奏——然后教会你服务的养殖户照着做。

这就是 FDE 的完整闭环：

而行业里讨论的“按结果付费”，前提也在这里：只有当你能把结果交付出来，你才配按结果收钱。

这一层的意义，比前三层加起来都大。因为它把你的经验，从“我一个人的手艺”，变成了“可以复制的东西”。

最小动作：把你最熟练的一件事（比如“怎么判断料台的吃料情况”），写成一页纸的步骤，拿给一个养殖户看，看他能不能照着做出来。

五、边界：AI 替不了的三件事

我讲了很多 AI 能做什么，但有三个边界必须讲清楚。这既是对读者的负责，也是我们做产品时的底线。

但我想把这三条反过来讲一遍，因为它们指向的其实是同一个结论：

以前，经验只能留在自己的塘里；现在，它可以变成数据、写进模型，喂给整个行业。

以前，一个老师傅能带三个徒弟；现在，通过一套跑通的流程，他可能影响三十个塘口。

所以我更愿意把结论说得直白一点：

六、写在最后

回到开头那两个画面。

硅谷那批 FDE，总包能到 50 万美元。他们靠的不是算法有多牛，而是愿意去现场——愿意蹲在客户的机房里，把“你们到底想解决什么问题”问清楚，然后自己动手做出来。

而在水产行业，第一批“塘口工程师”其实已经在了。

他们不在硅谷。他们在湛江的虾塘边，在如东的小棚里，在台山的园区里，在每一个有增氧机、有投料机、有探头的地方。

他们可能还不知道自己被叫作 FDE，但他们每天在做的事，就是 FDE 的活：进现场、翻译需求、把能力变成动作、把动作固化成流程。

如果你是一个技术员、一个服务商、一个业务员，或者就是一个自己管着几十张棚的养殖户——

你现在手上那点“又懂技术、又懂塘口”的本事，正是这个时代最稀缺的东西。

你要补的，不是算法，不是编程，而是把 AI 变成工具的那一层。上面那五层台阶，走的就是这一层。

最后一句，送给每一位还在塘口跑的人。

而这个人，本来就是你。