全球AI企业竞相布局的FDE，为何成为AI落地的关键？| CEO · 分析师深度分享纪要

在过去的两年里，AI行业的关注焦点经历了一场悄然而深刻的变化。

2024年，行业讨论的核心议题是"谁的模型更具竞争力"。彼时，参数规模、排行榜分数以及基准测试（benchmark）排名成为衡量AI公司价值的主要标准。然而，到了2025年，随着基础模型能力的逐渐趋同，行业焦点开始转向"如何将模型有效应用于实际场景"——Agent成为新的关键词，各类编程Agent、浏览器Agent如雨后春笋般涌现。

进入2026年，问题进一步升级：不再仅仅是"能否应用"，而是"能否在真实业务中取得实际成果"。

这一转变催生了一个新概念的爆发——FDE（Forward Deployed Engineer，前端部署工程师）。Anthropic、OpenAI等头部企业纷纷加大FDE的招募力度，但多数人对其具体定义仍感模糊。FDE并非售前、咨询或售后支持，其核心在于弥补平台产品与前台最终价值交付之间的鸿沟——连接成功，技术便能创造价值；连接失败，再优秀的模型也难以产生实际效果。

自2006年创立秒针系统以来，明略科技便在中国市场积极探索FDE的实践。二十年来，我们在广告营销、零售、金融等多个行业积累了超过2100家客户，核心能力始终聚焦于帮助企业进行数据治理与智能分析（Data Intelligence）。

2025年，随着公司Agentic AI技术的迅猛发展，我们的业务结构迎来了关键性重组：在原有的数据智能服务基础上，孕育出了全新的业务品类——Agentic Service（智能体服务）。简而言之，Data Intelligence旨在帮助客户"洞察数据"，而Agentic Service则致力于帮助客户"利用数据行动"。

这一变革背后，是一种由FDE引领、众多AI Agent协同工作的新模式，通过Octo（章鱼）平台实现高效协作。目前，明略内部已有超过1400名员工与3200多个AI Agent在该平台上进行日常协作。

在近日举行的分析师分享会上，明略科技创始人、CEO兼CTO吴明辉围绕"AI Native组织中的FDE"进行了深入分享。

以下为分析师分享会纪要的详细内容。

Q1：请详细介绍FDE的起源及其在AI Native时代的新变化。

吴明辉：FDE（Forward Deployed Engineer）概念由Palantir首创，即前端部署工程师。我们在2014年创立明略品牌时，英文名Mininglamp（Magic Lamp for Data Mining）便借鉴了Palantir的理念，对FDE进行了深入研究与思考。

FDE并非随人工智能兴起而热门的概念。自Palantir初期从事大数据分析起，便派遣顶尖工程师驻扎客户现场，这一模式便已存在。传统软件外包或交付公司，在产品交付后往往缺乏改进能力。而Palantir的一线团队不仅服务了前台客户，还将专业知识（know-how）反馈至中台产品，主要用于数据治理，即本体论（ontology）的编制。

其核心原因在于Context not Control理念。这一理念源自Netflix创始人哈斯廷斯的管理哲学：将所有信息的上下文充分授权给一线团队，使其能自主决策，自下而上形成集体智慧与涌现效应。Palantir在军事场景中也借鉴了这一理念。互联网公司的协同办公产品，本质上也是在组织内最大化共享Context。

因此，FDE的本质在于弥补企业IT中台与前台业务人员之间的巨大鸿沟。若未连接此鸿沟，AI或大数据能力均难以产生价值。

但在AI Native时代，FDE模式发生了显著变化。大数据时代，FDE主要致力于客户端的数据治理工作，协助前线业务人员构建数据中台，共享Context给人。而今，每位前台业务人员均拥有自己的AI Agent，Context不仅需共享给人，还需共享给AI。AI中台不仅要共享Context，还需共享技能、算力与模型网关。

因此，当今FDE的本质在于与客户形成共同目标（Objective），从客户处获取足够上下文（Context），并在持续合作中将客户的品味（Taste）反馈给AI。这三者均为AI所不知。获取后，AI便能给出正确产出。

未来FDE的推理思考能力或将被AI接管，更为重要的是与客户建立信任、沟通互动的能力。他更似一位销售人员，将客户真正需求与品味带回，AI则协助产出最终结果。

Q2：明略的Octo平台与上一代在线协同平台有何差异？为何选择开源？

吴明辉：如今，AI写代码的能力已强大到可重新定义大型软件的开发效率。过去需上千人开发数年的协作平台，如今几十位工程师配合AI即可很好完成核心功能。Octo首版由不到10位研发同事开发，众多用户在GitHub下载部署后反馈良好。

我们选择开源，是因为大型企业均希望拥有开源平台以保护其Context数据。在AI时代，这些Context数据成为企业核心资产。真正有价值的生产数据均藏于人与Agent的对话中，但上一代在线协作平台尚不支持一键导出。

同时，众多硬件厂商也希望接入开放的AI协作生态。Octo的开源恰好提供了此基础。如同当年诺基亚、小米拥抱Android，共同构建丰富智能终端生态一般。我们坚信，AI时代的协作平台也将走向开放之路。

Q3：明略转型为AI Native公司的核心驱动力是什么？与大模型公司是竞争还是合作？

吴明辉：明略自创立之初便致力于AI领域，我们并非转型为AI Native企业。过去二十年，我们的Data Intelligence始终为AI积累数据。早在2020年，我们便投入AI Agent研发。在AI写代码能力突破后，我们迅速抓住机遇上线，一直想做的事终于恰逢其时。

如今，我们选择了专有模型策略。我们看到的机会是：基础模型具备通用能力，但进入业务场景后，客户需考虑性价比。同时，客户还需安全地将私有数据与模型能力连接，既需模型训练能力，又需连接客户私有数据。客户当然需要聪明的模型，但更需安全、可靠且成本可控的模型，这便是明略的机会。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普遍面临哪些挑战？明略有何建议？

吴明辉：所有企业均对此问题极为关注。我们发现，为客户提供AI Native系统建设时，并非简单部署Octo即可。我们还需为客户配备一群"咨询型Agent"，内置科特八步法等转型框架，协助CEO先理清运作思路，再设计转型路径。

明略的先天优势在于，我们拥有大量AI Native业务在推进。我们用AI改造专业团队，将方法论沉淀至Agent，类似于OpenAI、Anthropic等AI公司与黑石、高盛的合作模式。未来，我们无需为客户派驻大量咨询工程师，一位FDE带领一群Agent即可完成AI转型的交付。

最关键的一点：企业一把手必须亲自下场。对于仍在探索中的企业，我们希望通过Octo平台与咨询型Agent，助其缩短探索过程。

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转型需系统工程支持。我们的核心增长点在于Agentic Service。在广告营销等垂直场景中，我们用AI Agent团队直接交付业务结果。

长期来看，我们的商业模式将分为三层叠加：

第一层为按效果付费。客户按传统服务商价格标准支付，我们按线索或GMV分成。

第二层为定制开发服务。企业上线AI Native平台后，大量业务场景需开发专属Agent。上一代SaaS是为人设计的软件，未来一个场景即一个Agent。我们的FDE带领Agent帮客户完成开发，按token消耗收取服务费。同时，我们在后训练自己的代码模型，以更低成本交付，提升此部分业务利润率。

第三层为私有化后训练服务。大型企业自建算力后，我们助客户在自有基础设施上完成模型的后训练与部署。众多企业需优化token消耗、降低长期使用成本，这正是我们能持续提供价值之处。

这三层并非替代关系，而是随客户AI成熟度提升逐步展开。即便企业具备基础AI能力，在行业know-how、专有模型、工程化落地等环节，仍需专业合作伙伴。

Q6：市场上有观点认为大企业的Token账单正在失控，明略如何助企业将Token转化为有效价值？

吴明辉：我们观察到，Agentic任务正驱动Token消耗量级快速增长。Agentic Service的本质是将复杂任务分解为子任务，一个完整代运营任务消耗的Token量可能是普通对话式交互的上千倍。但确实有些企业难以承受，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。

我们的解决方案是助客户合理利用Token，产出更高价值。在Agentic Service场景下，我们不按Token结算，而是按业务结果分成。FDE能清晰看到收入与Token成本，能计算损益表（P&L），每个Token对应多少业务结果均可见。在定制开发场景中，Agent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，这才是合理状态。

关于明略科技

明略科技（2718.HK），成立于2006年，是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。曾两度荣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）技术成果荣获全球顶会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；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。