夜雨聆风7 月 23 日，北京市政府新闻办为"智能体"开了一场专场发布会。台上坐了六个发布人，从发改委到网信办到科委到经信局，一个多小时只讲一件事：北京准备怎么发展智能体。
我关注科技政策这么多年，第一次看到智能体享受这个待遇。
更让我在意的是文件正文里一个不起眼的词——FDE 。三个字母，放在第三条末尾，后面跟着"驻场共创、持续迭代、反哺能力"。
全称 Forward Deployed Engineer ，前沿部署工程师。翻译成人话： AI 公司的人不光把产品卖给你，还要坐进你的办公室里，跟你一起把 AI 真正跑起来。
听起来好像不是什么大事——不就是驻场工程师换了个英文名？
如果这么想，可能就错过了今年 AI 行业最大的一个信号。
一份"不一样"的红头文件
先把文件本身拆开看看。
京发改〔 2026 〕 1185 号，《北京市关于加快智能体引领发展的若干措施》。全国首个省级智能体专项政策，全文十条。我拿 AI 把动词数了一遍——"支持"25 次，"推动"22 次，"提升"和"开发"各 14 次，"重构"这个词出现了 3 次。
这不是一份"鼓励大家用 AI"的宣传稿。它是一张施工图。
文件里蹦出来的概念，很多在科技圈都算前沿： Agentic AI 、驾驭层工程（ Harness Engineering ）、 AI OS 、 OPC 、 Token 经济、 TaaS 。两年前，这些词你只会在硅谷的创业沙龙里听到。现在它们出现在中国地方政府的红头文件里，每条后面还标了责任部门。
但真正让我在意的，不是出现了多少英文缩写。是这些词出现的位置和它们之间的逻辑关系。
谁来走完 AI 的"最后一公里"？
过去两年，行业的钱和注意力全砸在模型上。参数越大越好， benchmark 越高越好，发布会越炸越好。
但一个问题被系统性地回避了：模型训出来了，然后呢？
虎嗅的报道里有个比喻我很认可——基础模型是发动机， Harness 是传动系统， FDE 是把车开进现场的人。少了最后这一步，前面全是空转。
我认识一个做企业服务的朋友，前段时间去某家大型制造企业部署 AI Agent 。演示的时候效果拔群，老板当场拍板。真正上线第一周，准确率从 92%掉到 61%。问题出在哪？车间光照条件跟实验室不一样、工人说话带方言、实际操作流程跟标准 SOP 差了十万八千里。
92%到 61%。这就是"演示可用"和"真正商用"之间的距离。
传统 SaaS 的解法：部署、培训、出问题找客服。糊弄学满分。
但 AI Agent 这套拳根本打不通。它不是一套固定的软件——你的场景数据喂进去，模型行为会变。没有人蹲在现场看、调、改，三个月后必然烂尾。搁这儿糊弄谁呢。
FDE 填的就是这条裂缝。
政策文件里把 FDE 跟"驻场共创、持续迭代、反哺能力提升"连在一起写，措辞很精准。 FDE 不是售后技术支持。他是站在生产线旁边，一边看 AI 怎么卡壳，一边跟你一起重新设计流程的那个人。
决策层看 FDE ，跟你的视角不一样
文件第三条原文是："支持模型服务商和行业企业等通过前沿部署工程师（ FDE ）等模式创新加速智能体应用落地"。
注意这个词：模式创新。不是"人才引进"，不是"岗位培训"，是"模式创新"。
这意味着决策层看 FDE 的视角跟我们不一样。
我们看 FDE ：一个新职业，年薪不错，要求挺高。知乎上有入行解析， CSDN 出了考证指南， GitHub 上还有人搭了 FDE Wiki 。
决策层看 FDE ： AI 产业链上最关键的交付节点，没有之一。没有这个节点，上游模型能力再强、中游算力再便宜、下游场景需求再迫切——整个链条是断的。
2026 年 FDE 岗位需求增速超过 700%。一个新岗位在一年内跑完"概念→社群讨论→考证→Wiki"全流程，这个速度我上次见到，还是 2015 年的"全栈工程师"——但这次明显更快。
其实 FDE 不是北京首创。上海 2025 年底的先进制造业行动方案就已经提了要"培养 FDE"，广东 2026 年的 OPC 方案也覆盖了相关概念。各地都在抢。
但北京的定位不一样。
上海让 FDE 进工厂，制造业打头阵。广东搭 OPC 创业生态。江苏定了 2027 年智能终端普及率 70%的量化目标。
北京想的是一次把整条产业链搭出来。从模型（第一条）→ 驾驭层（第二条）→ FDE 应用落地（第三条）→ 智能终端（第四条）→ OPC 创业（第五条）→ Token 经济（第六条）→ 安全治理（第七条）——每条都是完整生产线上的一个工位。
这不像在发政策。更像在做系统集成。
真实的 FDE ，现在到底什么样？
把话说回来。现在挂着 FDE 名头的人里，九成还是在干传统驻场的活——部署、调试、交差、走人。说难听点，就是换了个英文 title 继续糊弄。不是他们不想做好，是大部分甲方自己也没想明白要什么——花了一百万买 AI ，最后发现最值钱的那个环节根本不是模型，是一个愿意蹲在车间里跟你一起拧螺丝的人。讽刺吧？
真正的 FDE 需要同时搞定三件事： - 工程落地：知道模型为什么在这个场景下掉点，能动手调，不是只会换 prompt - 业务拆解：能把老板说的"降本增效"翻译成 20 个具体的 AI 任务 - 驻场协作：让甲方的人愿意跟你说真话，不是走流程
这三件事，最难的是最后一件。
技术可以学。业务可以积累。但让一个干了二十年的车间主任信任你，愿意告诉你"其实我们平时根本不按标准流程走，你那套系统对不上"——这个能力，没有培训班能教。
所以现在真正合格的 FDE 非常稀缺。这也是为什么政策文件用了"等模式创新"这个保守的表述——它承认这件事还在早期，大家都在摸索。
所以，看到了什么
这份政策文件，真正该盯着看的，不是模型，不是算力，不是 Token 经济。
是它终于承认了一个行业共识： AI 大模型的性能竞赛已经打完了。下一个战场，是谁能把模型变成客户愿意签合同、愿意续费、愿意推荐给同行的产品。
在这个战场上， FDE 是冲在最前面的人。
如果你在考虑要不要往这个方向走，去看看那些已经在做 AI 落地交付的人——看他们每天被什么破事折磨，看他们的挫败感和成就感从哪来。
这个职业不好干。搞不好比做模型还累——但 AI 行业真正稀缺的，永远是把事情做成的人，不是能把事情说清楚的人。
扯远了。话说回来——你觉得 FDE 这波能热多久？评论区聊聊。
