时长约 60–75 分钟 | 难度 ⭐⭐2.1 先看一个数字95%2026 年MIT NANDA 研究了一批企业 AI 项目。样本量是300 个。结论是其中 95% 的试点没有产生可测量的损益改善。先把这句话拆开读因为每个词都有分量词为什么重要试点pilot不是没上线的项目是已经做出来、已经在跑的试点可测量的不是感觉没效果是拿不出能测量的改善数据损益改善不是技术指标没提升是财务口径上没有变化95%不是一半是绝大多数这个数字足够说明一件事问题不在模型能力上。2.2 瓶颈转移从模型不行到企业不会用回看这几年企业 AI 的瓶颈换过一次位置2020–2022 能力瓶颈期 模型不够强很多事根本做不了。 讨论的焦点是能不能做到。 2023–2024 成本瓶颈期 模型够强了但太贵、太慢。 讨论的焦点是划不划算。 2025–2026 落地瓶颈期 ← 现在在这里 模型又强又便宜接口一行代码就能调。 讨论的焦点变成了为什么用了没效果瓶颈一旦从技术转移到组织问题的性质就完全变了技术瓶颈靠研发投入解决落地瓶颈只能靠进现场解决因为落地失败的根因长在企业内部不长在 API 文档里。它们通常是这类东西该用的人不用流程没改、习惯没改、甚至觉得这玩意儿是要替代我数据根本没准备好字段缺失、口径不一、历史数据是脏的选错了第一个场景做了个能演示但不解决真痛点的东西说不清效果没有基线事后无法证明改善这四类问题的共同点没有一个能靠读文档、看 API 或做技术选型解决。全都要进现场。这就是 FDE 复活的根本原因。2.3 为什么轻交付失效了2023 年前后流行过一种轻交付想象把 API 一开客户自己接生态自己长。这个模式在开发者工具领域成立在企业场景里大面积失效。原因是企业客户的现场有大量API 管不到的东西场景轻交付为什么失效银行合规审核合规流程要人签字模型输出要能追溯、要能解释医院病历归档数据结构混乱、历史格式几十种、还有保密要求对冲基金交易系统错一次就是真金白银没有任何容错空间结论越是严肃的业务场景越无法用给你接口你自己搞来解决。大模型厂商被迫重新捡起了驻场模式——这正是 Palantir 在十年前走过的路。2.4 厂商侧2026 年的动作时间线这一年的动作密度很高按时间排一遍建议记住其中三个时间事件为什么值得注意2026-05OpenAI 成立专门部署业务部门西雅图公开 FDE 岗位头部厂商把部署从服务职能升级为独立业务线2026-06OpenAI Partner Network投入 1.5 亿美元目标年底培训30 万名认证顾问开始做规模化供给——说明需求已经超过自建团队的速度2026-06国家数据局印发高质量数据集方案政策侧开始解决数据从哪来2026-07-22a16z 公布首期 FDE Fellowship65 名入选者资本侧开始为这个角色单独建人才管道2026-07OpenAI Presence首个明确由 FDE 交付的企业 Agent 产品不提供自助购买⭐ 三个必记之一2026-07微软 Frontier Company25 亿美元 6000 名专家官方称超越了通常被称为 FDE 的东西⭐ 三个必记之一2026-07Anthropic 发布四类角色化认证角色开始被标准化定义2026-07Databricks 提出 Decision Execution PlatformsGoogle Cloud Marketplace Agent 采购体系上线平台层开始把交付能力写进产品定义2026-07Salesforce 获美国退伍军人事务部最高 16 亿美元合同政企市场的单笔规模量级三个必记的事件以及它们真正的含义① OpenAI Presence “不提供自助购买”这是一个很不寻常的产品设计一个 Agent 产品你买不到。为什么因为 OpenAI 在赌一个判断——企业客户买的不是软件是结果。一旦企业要的是结果产品就必须带上谁去实现这个结果。所以 Presence 的交付方明确写成了 FDE。这等于官方承认这个产品的能力边界不由代码决定由交付过程决定。② 微软 Frontier Company 的官方措辞25 亿美元、6000 名专家规模上已经是军团级别。但更值得琢磨的是它对标方式官方称它超越了通常被称为 FDE 的东西这句话说明 FDE 已经从一种做法变成了一个行业参照系——连否认它、超越它的方式都是拿它做坐标。③ a16z 的 Fellowship资本方开始为这个角色建独立的人才通道而且首期入选者里就有 Anthropic、OpenAI、Snowflake 的人。这说明它不是某家公司的内部玩法而是整个行业在抢同一批人。2.5 政策与人才中国的三个信号国内的情况值得单说因为路径不一样第 5 课会展开。2026 年有三个信号信号一 · 政策确认2026 年 7 月北京四部门发文首次将 FDE 写入省部级政策。政策对这件事的提炼是三句话模式创新、驻场共创、持续迭代这三句话值得逐字读“驻场共创”——官方承认了必须进现场这个前提“模式创新”——把它定位成模式问题不是技术问题“持续迭代”——承认它不是一次性交付信号二 · 人才培养启动上海创智学院启动FDE 前沿部署工程师高级研修班2026 年年中公开资料中有 5 月与 6 月两种表述。同时厂商侧也在做认证体系Anthropic 的四类角色化认证。有培训班说明缺人已经缺到能被做成生意了。信号三 · 市场需求真实中国信通院 2026 年 6 月的报告以及国内以项目制、陪跑制为主的付费形态——单项目 3–50 万人民币不等高端企业级部署可达百万级。2.6 市场数据0.3% → 1.6%一个可以直接对比的数字设立 FDE 岗位的企业占比 2023-01 → 0.3% 2026-01 → 1.6% 约 5.3 倍先泼一盆冷水1.6% 仍然是很低的数字。绝大多数企业还没有这个岗位。但注意两件事增速比绝对值重要。三年 5.3 倍而且是在样本里设岗这个最严的口径下“没有这个岗位” ≠ “不需要这个能力”。这恰恰是第 5 课要讲的重点中国市场需要的是FDE 型能力它可能长在外部顾问身上、长在企业内部核心团队身上甚至长在老板身上——不一定长在一个叫 FDE 的编制里2.7 薪资结构说明了什么本课最重要的一节这组数字比任何招聘广告都能说明角色定位指标数值硅谷 FDE 年薪15–35 万美元含股票期权可达50 万OpenAI FDE 基本年薪区间18.5–30 万美元西雅图部署业务线相对同级通用软件工程师基薪中位数低约 5.3%相对传统客户成功 / 实施交付岗高 40.3%现在把最后两行放在一起看这是全课最值得琢磨的一组对比同级软件工程师 ▲ │ -5.3% ← FDE 略低于这个锚 │ FDE │ 40.3% ← 远高于传统实施岗 │ ▼ 传统客户成功 / 实施交付岗它在两个锚之间但明显更靠近软件工程师这一侧。这个薪酬结构传递了一个明确的信号公司把 FDE 当成工程师来定价而不是把售后交付岗升个级。这解释了很多事为什么 FDE 要求具备系统设计与编码能力因为定价在工程序列为什么不会写代码但很会沟通当不了 FDE那是客户成功岗为什么这件事不能靠培训班的证书解决工程能力是练出来的反过来也解释了另一个常见误解⚠️FDE 不是技术更好的售前。售前薪酬锚定商务FDE 薪酬锚定工程。锚不一样行为就不一样。2.8 一个反直觉判断这一课最后留一个判断它是后面 16 课反复会用到的一把尺子AI 工具越便宜FDE 越值钱。为什么因为搭建 Agent 的技术门槛正在快速下降——今天用 Cursor、Claude Code 搭一个能跑的原型比两年前容易十倍。当搭得出来这件事变得人人可学时稀缺的就不再是技术操作而是这四件事理解企业现场知道真实工作流长什么样定义真问题在一个含糊的诉求里找到真痛点设计验收标准什么算成功写得可测量推动组织采用让人真的用起来这四件事没有一件能靠更强的模型自动解决。也正因如此我们才有必要讲第三课能力三角。 提示判断一个风口是真需求还是泡沫看它有没有出现规模化供给的动作。OpenAI 花 1.5 亿美元、目标培训 30 万认证顾问是典型信号——需求已经跑在自建团队速度前面了。看厂商动作时别只看它招了多少人要看它怎么设计产品。Presence 不提供自助购买这种反常规设计比招聘人数更有信息量。政策文件要读动词。“驻场共创”持续迭代这两个词比人工智能这类大词更能说明执行层面的要求。⚠️ 常见坑坑一把热度当确定性。FDE 在 2026 年确实很热但1.6% 的设岗率是个冷静的数字。热度意味着值得了解不等于值得 all in。学能力的回报是确定的赌岗位风口的回报是不确定的。坑二把 95% 当成AI 项目必然失败。这是典型的数字误用。要说清楚三件事谁的样本、什么口径、测的是什么。教学和汇报里都要带上否则一被追问就站不住。坑三以为厂商都做了就等于适合所有人。大厂做 FDE 是因为他们的客单价撑得住驻场成本。中小企业和个人要学的是能力不是成本结构。坑四只看薪资不看薪酬锚。很多人看到15–35 万美元就冲进来却没注意薪酬锚定的是工程序列。这意味着它要的是工程底子不是沟通技巧的溢价。 思考题口径题假设你在一次内部汇报里要引用95% 的试点没有产生可测量改善这个数字。请写出你会在前面补的半句话让这个引用既有力又站得住。因果题用一句话把这条链路补完整——“模型变便宜了 → ______ → 所以 FDE 变值钱了。”提示想清楚变便宜和变值钱之间中间那个被消灭掉的是什么。判断题以下四个动作哪些属于轻交付思路哪些说明已经在往驻场走甲乙开放 API 并写详细文档期望客户自行接入乙上架云市场提供自助购买丙产品明确不提供自助购买交付方写成交付工程师丁投入 1.5 亿美元培训 30 万外部认证顾问反问题本课最难既然AI 工具越便宜FDE 越值钱成立那么FDE 会不会也被工具便宜化干掉请给出你的判断和理由。这个问题的答案在第 3 课和第 12 课会继续展开。✅ 本节小结真正的证据是300 个企业 AI 项目、95% 试点无可测量改善——问题不在模型能力在落地过程瓶颈已经完成转移能力 → 成本 → 落地。落地瓶颈只能靠进现场解决因为四类典型死因人不用、数据没备好、场景选错、账算不清全都长在企业内部轻交付在严肃业务场景失效银行合规、医院病历、金融交易厂商被迫重新捡起驻场模式2026 年三个必记事件OpenAI Presence 不提供自助购买、微软 Frontier 军团25 亿 / 6000 人、a16z 建人才管道国内三个信号是政策写入、人才培养、需求真实市场数据设岗企业占比0.3% → 1.6%三年 5.3 倍但绝对值仍低——要的是能力不一定是岗位薪资结构给出最关键的定位信号锚定工程师较同级 SWE 低 5.3%而非实施交付岗高 40.3%一把尺子AI 工具越便宜FDE 越值钱——因为被消灭的是技术操作不是现场判断下一课预告第 3 课讲FDE 能力三角——技术实现、解决方案、交付闭环这三块具体各包含什么、怎么自测短板、以及为什么三块必须都沾。这也是工程师最容易高估自己的一块。