头部AI企业争相布局的FDE，究竟如何成为技术落地的核心抓手？| CEO · 分析师分享会实录
近两年来，AI领域的叙事逻辑正在经历一次低调但深刻的演变。
2024年，业界热议的焦点是"谁的模型更胜一筹"。参数量级、评测分数、行业排名成为评判AI企业价值的核心标准。进入2025年，随着基础模型能力逐渐趋于平衡，行业关注点开始转向"谁能真正用好模型"——Agent成为新的热门词汇，各类编程智能体、浏览器智能体不断涌现。
而到了2026年，问题的着眼点再次前移：不再是"能否投入使用"，而是"能否在真实业务场景中产生实效"。
这一转变催生了一个概念的快速崛起——FDE（Forward Deployed Engineer，前端部署工程师）。Anthropic、OpenAI等领军企业均在大量招聘FDE岗位，但大多数人对这一角色的定位仍然模糊。FDE既不是售前工程师，也不是咨询顾问，更不是售后客服。它的核心使命是弥合平台产品与前台价值交付之间的鸿沟——连接得当，技术就能创造实际价值；连接不上，再优秀的模型也无法产生结果。
自2006年创立秒针系统起，明略科技便在中国市场践行FDE理念。二十年间，我们深耕广告营销、零售、金融等领域，累计服务超过2100家客户，核心能力始终围绕企业数据治理与智能分析（Data Intelligence）展开。
2025年起，随着公司Agentic AI技术的迅猛发展，我们的业务架构迎来了一次关键性变革：在原有数据智能服务之上，孵化出一个全新品类——Agentic Service（智能体服务）。两者的差异可以用一句话概括：Data Intelligence帮助客户"看见数据"，Agentic Service帮助客户"驾驭数据"。
这背后指向的是一种新模式——FDE带领一群AI智能体，通过Octo（章鱼）平台实现协同作业。目前，明略内部已有超过1400名员工和3200多个AI智能体在该平台开展日常工作。
在近期举办的分析师分享会上，明略科技创始人、CEO兼CTO吴明辉围绕"AI Native组织中的FDE"进行了系统阐述。
以下是本次分析师分享会的详细记录。
Q1：请系统介绍一下FDE的起源，以及它在AI Native时代发生的变化。
吴明辉：FDE（Forward Deployed Engineer）是Palantir率先提出的概念，指的是前端部署工程师。2014年我们成立明略品牌时，英文名Mininglamp（Magic Lamp for Data Mining）便借鉴了Palantir的模式，我们对FDE确实进行了深入的研究与探索。
FDE并非人工智能兴起后才走红的概念。从Palantir最初从事大数据分析业务，选派最优秀的工程师驻场服务客户开始，这一概念便一直存在。传统的软件外包或交付企业，在完成交付后往往缺乏持续优化产品的能力。但Palantir的一线团队既服务了前台客户，也将行业洞察反哺到中台产品的迭代升级中，最关键的是数据治理工作，即ontology的构建。
这里面有一个核心理念支撑——Context not Control。这一概念源自Netflix创始人哈斯廷斯的管理思想：充分向下授权信息上下文，让一线团队获取信息后自主决策，自下而上形成集体智慧与涌现效应。Palantir在军事场景中也应用了这一理念。互联网企业的协同办公产品，本质上也是在组织内部最大化共享Context。
因此，FDE的本质是弥合企业IT中台与前台业务人员之间巨大的gap。如果没有打通这个gap，无论AI能力还是大数据能力，都无法转化为实际价值。
但在AI Native时代，FDE模式发生了显著变化。大数据时代，FDE主要承担客户端的数据治理工作，帮助前线业务人员搭建数据中台，将context共享给人。如今，每个前台业务人员都配备了自己的AI智能体，context不仅要共享给人，还要共享给AI。AI中台不仅要共享context，还要共享skills、共享算力、共享模型网关。
所以在当下，FDE的核心是与客户建立共同目标（Objective），从客户那里获取充足的上下文（Context），在持续合作中将客户的品味（Taste）反馈给AI。这三要素都是AI无法自主获取的。当这些都具备后，AI就能产出正确的结果。
未来的FDE，推理思考能力反而变得相对次要，因为这部分可以被AI替代。更重要的是与客户建立信任、沟通互动的能力。它更像是sales角色，把客户真正需要的和客户的taste带回团队，AI就能协助产出最终成果。
Q2：明略的Octo平台与上一代在线协同平台的差异在哪里？为什么选择开源路线？
吴明辉：当前AI编程的能力已经强大到足以重新定义大型软件的开发效率。过去需要千人团队耗时数年开发的协同平台，如今几十位工程师配合AI就能出色地完成核心功能开发。Octo的第一版仅由不到10位研发同事打造，许多用户在GitHub下载部署后反馈体验良好。
我们选择开源的核心原因是：大型企业都期望拥有一个开源平台来保护自己的Context。在AI时代，这些Context数据是企业最核心的资产。真正有价值的生产数据蕴含在人与智能体的对话交互中，但上一代在线协同平台目前尚不支持一键导出。
与此同时，众多硬件厂商也希望接入一个开放的AI协作生态。Octo的开源策略恰好提供了这样的基础。正如当年诺基亚、小米拥抱Android，共同构建了繁荣的智能终端生态一样。我们相信，AI时代的协作平台也将走向同样的开放之路。
Q3：明略转型为AI Native公司的核心驱动力是什么？跟大模型公司之间是竞争还是合作？
吴明辉：明略自创立第一天起就在从事AI工作，我们并非转型成为AI Native企业。过去二十年，我们的Data Intelligence始终在为AI积累数据。早在2020年，我们就投入AI Agent研发工作。在AI编程能力实现突破后，我们迅速抓住了时机快速上线，一直以来想做的事业终于迎来了最佳时机。
如今我们选择了专有模型策略。我们看到的机遇是：foundation model具备通用能力，但进入业务场景后，客户需要权衡性价比。同时，客户还需要安全地将私有数据与模型能力打通，既要有模型训练能力，又能连接客户私有数据。客户当然需要智能的模型，但更需要安全、可靠且成本可控的解决方案，这就是明略的机遇所在。我们自研的Mano-P等模型在全球权威榜单取得的领先成绩，为我们服务客户提供了有力的技术支撑。
Q4：客户转型AI Native普遍面临什么挑战？明略有何建议？
吴明辉：所有企业当前都非常关注这个问题。我们发现为客户提供AI Native系统建设时，并非简单地将Octo部署上去即可。我们还需要为客户配备一群"咨询型智能体"，内置科特八步法等转型框架，帮助CEO先理清如何运作，再设计转型路径。
明略的先天优势在于，我们有大量AI Native业务在推进。我们用AI改造专业团队，将方法论沉淀到智能体中，类似于OpenAI、Anthropic等AI公司与黑石、高盛的合作模式。未来我们不需要为客户大量派驻咨询工程师，一位FDE带领一群智能体就能完成AI转型的交付工作。
最关键的一点：一号位必须亲自参与。对于仍在探索中的企业，我们希望通过Octo平台和咨询型智能体，帮助他们缩短这个过程。
Q5：当企业具备AI能力后，明略长期提供何种价值？
吴明辉：当前，企业AI Native转型需要系统的工程能力支撑。我们的核心增长点在于Agentic Service。在广告营销等垂直场景中，用AI智能体团队直接交付业务结果。
长期来看，我们的商业模式是三层叠加结构：
第一层是按效果付费。客户按传统服务商的价格标准支付，我们按线索或GMV分成。
第二层是定制开发服务。企业上了AI Native平台后，大量业务场景需要开发专属智能体。上一代SaaS是给人使用的软件，未来一个场景就是一个智能体。我们的FDE带领智能体帮客户完成开发工作，按token消耗收取服务费。同时我们在后训练自己的代码模型，以更低的成本交付，提升这部分业务的利润率。
第三层是私有化后训练服务。大型企业自建算力后，我们帮助客户在自有基础设施上完成模型的后训练和部署工作。许多企业需要优化token消耗、降低长期使用成本，这正是我们能持续提供价值的地方。
这三层不是替代关系，而是随着客户AI成熟度的提升逐步展开。即使企业具备了基础AI能力，在行业know-how、专有模型、工程化落地这些环节上，仍然需要专业的合作伙伴。
Q6：市场上有观点认为大企业的Token账单正在失控，明略如何帮助企业把Token转化为有效价值？
吴明辉：我们观察到Agentic任务正在驱动Token消耗量级快速增长。Agentic Service的本质是把复杂任务分解成子任务，一个完整的代运营任务消耗的Token量可能是普通对话式交互的上千倍。但确实有些企业负担不起，核心原因是一线员工在用Token处理低复杂度任务，而非驱动能直接产生收入的业务流程。
我们的解法是帮助客户合理利用Token，产出更高的价值。在Agentic Service场景下，我们不按Token结算，而是按业务结果分成。FDE自己就能看到收入和Token成本，能算P&L，每一个Token对应多少业务结果是可见的。在定制开发场景中，智能体的开发工作量本身可量化，我们按Token收取服务费，让客户为实际消耗的算力付费。
同时，我们认为企业也需要分层使用模型。高频低价值任务用专用小模型，高价值任务用能力更强的模型，这才是合理的状态。
关于明略科技
明略科技（2718.HK），成立于2006年，中国领先的具备自研模型能力的Agentic Service企业。2025年作为"全球Agentic AI第一股"登陆港交所。曾两度斩获吴文俊人工智能科学技术奖，多次入选Gartner、IDC相关报告，拥有2400余项技术专利及500余项软件著作权。
近年来，明略科技在Agentic AI领域持续突破：2024年，自研超图多模态大模型（HMLLM）技术成果斩获全球顶会 ACMMM 2024 最佳论文提名；2025年，全面推出DeepMiner 专有大模型产品线，其中VLA模型Mano登顶Mind2Web、OSWorld全球双榜SOTA；2026年，开源端侧 GUI-VLA 智能体模型 Mano-P，登顶OSWorld，ScreenSpot，MMBench等9个榜单，其中OSWorld专用模型榜单排名第一名；开源Apple Silicon推理SDK Cider，端侧推理提速最高约1.9倍；开源 Agent 协作平台 Octo，打造IOA时代Agent协同网络，并推出首款AI Native录音硬件Octic，将 AI Agent 能力从平台延伸至硬件，构建Agentic AI“模型-平台-硬件”闭环。
依托20年技术积累，明略科技已服务135家财富世界500强、约2100家品牌客户及超24万家企业用户，覆盖零售、消费品、汽车、3C等行业。
# 往期精选 #
CSIAM论坛 | 吴明辉：Scaling Law的缺失维度，横向扩展如何重塑企业智能
明略科技姜平：AI Native驱动业务升级，1500人的协同实验
明略科技（2718.HK）正式获纳入“港股通”交易标的