夜雨聆风上个月，Anthropic 和 OpenAI 在同一天分别宣布了各自的十亿美元级企业 AI 合资公司。这两家公司都管自己做的事叫 FDE：Forward-Deployed Engineer，前置部署工程师。
什么是 FDE
当世界上最懂 AI 的两家公司同时把赌注压在同一个角色上，这个角色大概率不是噱头。是他们各自撞了足够多南墙之后找到的同一个答案：模型能力已经不是瓶颈了。把 AI 真正送进企业，让它上岗干活，才是。
Rolling AI 的两位合伙人阿甘和刘开，从 BCG 出来创业，做的事介于咨询、工程和 AI 产品之间。他们已经帮乳品、保险等多个行业的头部企业把 AI 落进了真实业务流程，是中国在这个方向上实践最深的团队之一。这期播客聊了三个小时，我把关键判断拆成了下面几个部分。
FDE 这个角色之所以成立，是因为：传统软件是工具，需要人操纵；但 AI 本身就是劳动力。
这个区分决定了整个交付逻辑。部署一套 SaaS，你关心的是 API 通不通、权限对不对。部署一个 AI 劳动力，你关心的是它能不能理解业务、会不会得罪客户、遇到没见过的情况怎么处理。前者是技术问题，后者是组织问题。
阿甘打了个比方：FDE 做的事很像 HRBP，把数字员工送进企业。HRBP 不写代码，但懂业务、懂人、能把合适的人放到合适的位置。FDE 同理，要把 AI 放到合适的业务流程里，确保它能和人类同事协作，而不是变成一个谁都绕开不用的摆设。
他们从 BCG 出来的触发点很具体：MBB 那套方法论服务中国民企经常失灵。你交付 200 页 PPT，客户看完说挺好的，然后锁进抽屉。今天他们要交付的不是 PPT，是能跑、能迭代、真能出结果的智能体。
一个人带 50 个机器人，服务 600 万用户
最好的解释是案例。
一家乳品企业，出生率下滑，奶粉主业承压，急着找第二曲线。方向是营养健康服务，目标用户 8,000 万。但全国注册营养师只有 40 万，供需差了 200 倍。招人根本不现实。
Rolling AI 做的事：一个人，带着 50 个 AI 营养师机器人，去服务 600 万用户。
这里有个细节比数据本身更重要。人类营养师教 AI 时说了句话：如果有人说我要减肥，你的第一句话应该是，你又不胖，你为什么要减肥。这不是知识，是 judgment。是经验攒出来的分寸感——哪些用户真有健康需求，哪些只是身材焦虑。AI 做不出这种分辨，再懂营养学也是废物。
而找到这种级别的师傅，才是 FDE 最难的事。模型能力是现成的，能把业务里最隐性、最值钱的那层判断提炼出来喂给 AI 的人，极稀缺。
FDE 到底做什么：三件事做完才能撤
刘开把 FDE 的工作拆成三件事：业务融合、知识治理、系统对接。
业务融合，是把 AI 塞进真实流程，不是 demo 跑通就完了。知识治理，是把散落在老员工脑子里的隐性知识，变成 AI 能吃、能更新、不出错的资产。系统对接，是让 AI 和现有的 ERP、CRM、数据库、权限体系打通，不是另起炉灶。
每件事都需要一种复合能力。阿甘总结：能一眼看穿业务痛点本质，对人机协作有原生感知，能用 AI 工具快速构建原型。第一条像顶级咨询顾问，第二条像带过混合团队的产品经理，第三条像全栈工程师。三种能力长在同一个人身上，这种人当然不能短期培养。
他的原话更直接：你刚毕业，我想不到任何一件你能做、AI 做不了的事情。反过来理解：FDE 这个岗位之所以存在，恰恰因为要求的是 AI 暂时干不了的事——跨领域的判断力、模糊场景下的取舍、把完全不搭界的几件事拧成一条能跑通的链路。
企业 AI 落地失败率超 50%：就三种死法
Rolling AI 做了这么多项目，观察到的失败率超过 50%。死法很集中。
第一种，CEO 对 AI 有不切实际的预期。觉得上了 AI 企业就起飞。AI 不是魔法，它需要业务流程配合、数据基础、人盯着迭代。这些管理层不愿意投入，只想要开箱即用的奇迹。
第二种，让 IT 团队来主导 AI 项目。阿甘反问：谁懂怎么说服客户买保险？是业务团队，不是 IT。AI 落地的核心不是技术实现，是理解业务。IT 团队天然离业务决策远，他们主导的项目容易变成自嗨的工具，业务部门根本不用。
第三种，激励机制没跟着变。AI 带来了新生产力，但员工的 KPI、奖金、晋升还是按老办法算，没人会真心配合。生产关系不改，生产力就是摆设。
三种死法的根子是同一个：企业把 AI 当成技术采购项目，而不是组织变革。FDE 的价值，正在于从第一天起就同时在做技术和组织两件事。
SOP 已死：标准化被 AI 终结了
这期节目里最有挑衅性的一句话来自刘开：SOP 代表着慢，代表着落后。
逻辑是这样的：SOP 是为人类员工设计的，因为人需要标准化来保证质量下限。但 AI 不需要 SOP。AI 可以针对每一个具体场景做最优决策。抖音已经证明消费端可以千人千面，AI 正在让生产端也千人千面——每个门店可以有自己的定价策略、促销方案、库存决策，而不是执行总部的统一指令。
这意味着总部的角色要从管控者变成赋能者。过去总部定规则、门店执行；未来总部提供数据和 AI 工具，门店自己做决策。这层组织重构比技术部署难十倍。
最先被消失的管理层是哪一类？是那些主要工作就是传递信息、汇总报表、检查合规的中层。AI 可以直接把数据送到决策者面前，中间的信息搬运工没有存在的必要了。
FDE 公司该按什么收钱？
最后一段讨论指向一个更根本的问题：商业模式在变。
Rolling AI 现在一年陪跑收 600 万。但阿甘很清楚这个模式的天花板：我们帮客户省了几千万、多赚了几千万，差价去哪了？按日收费只能吃到价值创造的零头。
所以 OpenAI 和 Anthropic 的合资公司全是 PE 结构，不是传统项目收费。PE 结构意味着要的不是服务费，是股权增值。他们赌的是 AI 落地带来的业绩提升最终会体现在企业估值上。
阿甘还提了一个很激进的约束：同一个行业只服务一家，绝不服务另一家。对客户来说这意味着你不会把它的行业 know-how 带给竞争对手，对 Rolling AI 来说意味着深度绑定。他们不是在卖服务，是在做联合经营。
未来的方向指向两个可能。一个是 Service as Software：把 FDE 的能力产品化，做成可复用的部署工具链。另一个是 Result as a Service：直接对业务结果负责，按省了多少钱、多赚了多少钱分成。两条路都不容易，但都比按日收咨询费性感。
旧分工在松动，新岗位在出现。FDE 不会是最后一个被 AI 催生的新角色，但它是个很好的观察样本：当技术能力不再是瓶颈，把技术变成结果的能力，就成了最稀缺的东西。
来源说明：本文基于播客《十字路口Crossing》"OpenAI 和 Anthropic 共同看好的 FDE：AI 时代的新岗位出现，旧分工松动"一期公开内容整理与改写。嘉宾为 Rolling AI 合伙人阿甘和刘开，主播 Koji。
