# 策展 · X (Twitter) 🔥🔥🔥🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Kafka (@kfk_ai) · 平台：X (Twitter) · 日期：2026-05-20

> 原始來源：https://x.com/kfk_ai/status/2056660897381425590

## 中文摘要

# OpenAI、Anthropic 都開始押注 FDE，FDE 才是 Agent 時代的 PMF 範式？

Agent 時代的第一個共識浮出水面：模型已經不是瓶頸，人才是。

短短一週，OpenAI 砸下 40 億美元、Anthropic 嵌入 FIS 的總部、Google 官宣招募幾百人——三家 AI 巨頭不約而同押注的，是同一個職位：FDE。

2026 年 5 月 11 日，OpenAI 宣布成立「OpenAI Deployment Company」，首期投入 40 億美元，核心業務只有一件事：把工程師「派進」客戶公司裡，幫他們把 AI 跑起來。

僅僅一週前，Anthropic 剛把自己的工程師團隊「嵌入」進金融科技巨頭 FIS，要在 2026 年下半年讓蒙特婁銀行（BMO）和 Amalgamated Bank 的反洗錢調查「從幾小時壓縮到幾分鐘」。再往前一週，Google Cloud CEO Thomas Kurian 親自在 LinkedIn 招人，目標是「招幾百個」，這則消息在 X 上獲得了 130 萬次瀏覽。

被三家公司同時押注的，是同一個職位：Forward Deployed Engineer，縮寫 FDE，中文勉強可以譯作「前置部署工程師」或「駐場工程師」。

一個原本只在 Palantir 這家「另類」軟體公司流行了二十年的角色，突然在 2026 年成了整個 AI 行業最炙手可熱的職位。有人喊出口號：FDE 就是 Agent 時代的 PMF 範式。

這個判斷，究竟是真知灼見，還是一廂情願？要回答這個問題，得先把幾件事講清楚：FDE 到底是什麼、為什麼 2026 年它突然成了剛需、它和「PMF」這個詞到底是什麼關係——以及，它的局限在哪裡。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1779249309295-diaHIq2RWaUAE0boejpg.jpg)

## 一、FDE 是什麼：不是銷售工程師，也不是諮詢顧問

先翻譯兩個術語，這是理解後面所有討論的前提。

PMF（Product-Market Fit，產品-市場契合）是矽谷創業圈的「聖杯」，意思是你的產品恰好滿足了一個真實存在的市場需求，且市場願意為它付費、回購、口碑傳播。一家創業公司在找到 PMF 之前，做什麼都像是在游泳；找到之後，就像順水漂流。

FDE 這個詞面上是「前置部署工程師」，但它最早不是這麼定義的。這個角色由 Palantir 在 2000 年代初發明，當時 Palantir 的客戶是美國情報機構，一群「既不能清楚說出自己要什麼、也不能讓你看他們的資料、甚至工作流程本身都在不斷變化」的人。

Palantir 的共同創辦人 Shyam Sankar 有一句話很經典：「如果一個問題能被需求文件解決，那它早就被解決了。」

所以 Palantir 做了一件當時很反常的事：不再問客戶「你想要什麼」，而是把工程師直接派進客戶的辦公室、軍事基地，甚至飛機總裝車間，讓他們在客戶身邊寫程式碼。這些人在 Palantir 內部被叫做「Delta」——他們要通過同樣的工程師面試，但工作環境是空軍基地、銀行後台、醫院 IT 系統，而不是 Palo Alto 的開放辦公區。

這與傳統軟體公司常見的三種角色都不一樣：

- 銷售工程師（Sales Engineer）負責售前演示，簽完合約就走；
- 解決方案架構師（Solutions Architect）主要做技術諮詢，不寫生產程式碼；
- 諮詢顧問通常出方法論、做交付，但不參與廠商的產品迭代。

FDE 的特殊之處在於：他寫客戶的生產程式碼，同時把客戶場景裡發現的共性問題反哺回廠商的核心產品。Palantir 內部的描述是：「FDE 的工作範圍像一個創業公司的 CTO——在小團隊裡端到端負責一個高風險專案。」

到 2016 年，Palantir 的 FDE 數量一度超過了普通軟體工程師。這家公司的整個產品形態——Foundry 平台，本質上就是從無數次 FDE 駐場專案中「提煉」出來的。一位曾在 Palantir 做了七年 FDE 的工程師後來總結說，這個模式叫「砂石路到柏油路」（gravel road to paved highway）：FDE 在客戶現場修出無數條砂石路，產品團隊從中找出走的人最多的那幾條，把它鋪成柏油路，變成平台能力。

## 二、2026 年的拐點：為什麼三大 AI 公司同時押注 FDE

Palantir 這個模式，在過去近二十年裡，在矽谷主流圈被視為「異類」——大多數 SaaS 公司的建議都是「別學 Palantir，毛利做不上來」。但 2026 年，情況突然變了。

5 月 4 日，Anthropic 和 FIS 宣布合作，Anthropic 的 Applied AI 團隊和 FDE「嵌入」FIS 內部，共同設計金融犯罪 AI Agent。

5 月 11 日，OpenAI 官宣成立 OpenAI Deployment Company（內部代號「DeployCo」），首期 40 億美元投資，由 TPG 牽頭，Advent、Bain Capital、Brookfield 聯合領投，合計 19 家投資和諮詢機構參與。同時宣布收購應用 AI 諮詢公司 Tomoro，後者將帶來約 150 名 FDE 和部署專家。

5 月 12 日，Google Cloud CEO Thomas Kurian 在 LinkedIn 發文，宣布 Google Cloud 內部成立新的「AI 聚焦組織」，招聘「幾百名」FDE。當時 Google Cloud 有 59 個相關職位在掛。

為什麼是現在？為什麼是同時？三家公司的判斷指向同一個事實：Agent 時代的瓶頸，不在模型本身，而在部署。

埃森哲（Accenture）的「Pulse of Change」調查顯示，只有 32% 的企業領導者報告說他們看到了「持續的、企業範圍內的 AI 影響」。剩下 68% 的狀態是——有試點、有 PPT、有 Demo，但沒有規模化交付。IBM 在 2026 年初對 2000 名高管的調查中，「執行速度」被列為第三大戰略優先級。

OpenAI 在公告裡把這層邏輯說得很直白：「過去幾年，超過一百萬家企業採用了我們的產品和 API。一個模式越來越清晰——下一階段企業 AI 的勝負，取決於企業能多有效地把這項技術部署到真實業務場景中。」

這背後還有一組資料值得玩味。Anthropic 的對手 OpenAI 據報導在 2026 年初沒有完成內部的營收和周活目標，Anthropic 和 Google Gemini 在企業市場不斷蠶食份額。OpenAI 應用業務 CEO Fidji Simo 在內部會上把 Anthropic 的進展稱為「警鐘」，並說公司必須「在生產力場景上做到位」。

換句話說，AI 模型本身的「產品力」邊際收益在下降，但「把模型變成可用系統」的工程能力，邊際收益在飆升。模型再強，如果跑不進銀行的合規流程、跑不通保險公司的理賠系統、跑不進製造業的 MES 系統，它就只是 Demo，不是生意。

FDE，恰恰是這個轉換器。

## 三、Agent 時代為什麼對 FDE 有「結構性需求」

要理解為什麼「Agent」和「FDE」是天作之合，需要先講清楚 Agent 和此前 AI 形態的根本區別。

傳統的 SaaS 產品，本質上是「工具」：你買 Salesforce，是買一套配置好的銷售流程模板，你的人去使用它。工具的邊界很清楚——它做什麼、不做什麼，在產品手冊上寫得明明白白。

而 Agent 是「代勞」：你不再是用它，而是讓它替你做。一個反洗錢 Agent 不是給調查員一個更好的查詢介面，而是直接幫調查員把「從核心系統拉證據、對照已知洗錢模式、判斷風險等級、撰寫可疑活動報告（SAR）初稿」這一整套工作流跑完。

這個差別帶來三個後果：

第一，Agent 必須深度嵌入客戶的真實工作流。一個 Agent 要「代勞」，就必須知道這家銀行的合規邊界在哪、哪些決定不能自動化、SAR 報告怎麼寫才會被監管接受、內部資料在哪些系統裡、用什麼欄位命名。這些東西不在產品文件裡，只在客戶的「機構肌肉記憶」裡。

第二，Agent 的失敗是「業務失敗」，不是「功能失敗」。SaaS 少一個按鈕，使用者抱怨一下。Agent 漏判一筆可疑交易，銀行被監管罰款。這意味著 Agent 的部署對「領域知識」和「操作語境」的依賴比任何前代軟體都強。

第三，Agent 市場是一個「既無成熟產品可對標、客戶自己也不知道要什麼」的市場。這恰恰就是 Palantir 當年面對情報機構時的狀況。客戶能說出「我希望 AML 調查更快」，但說不出具體怎麼定義「快」、用哪些資料源、在哪個環節自動化、保留哪些人類決策點。這種問題用需求文件解決不了，只能讓工程師進去觀察、試、改、再觀察。

Anthropic 的 FDE 職位描述把這套邏輯寫得很清楚：「在客戶系統內部構建生產應用、交付 MCP 伺服器、sub-agent、agent skills 等技術產物、提供企業環境下的白手套部署支援、識別可復用的部署模式並反哺回產品和工程團隊。」

最後那一句——「反哺回產品和工程團隊」——才是 FDE 模式真正的槓桿。這意味著每一次駐場，既是給客戶做一次交付，也是給廠商做一次產品發現。FDE 是廠商伸進市場的觸手，帶回來的是真實場景的需求樣本。

## 四、FDE 是不是「Agent 時代的 PMF 範式」？這裡要給三個保留

到這裡，「FDE 是 Agent 時代 PMF 範式」這個判斷聽起來已經很有說服力了。但泛泛地接受這個結論，會忽略掉幾個真實存在的悖論。

保留一：FDE 可能在解決「PMF 問題」，也可能在「掩蓋 PMF 問題」

PMF 的本意是「產品契合市場」——產品本身就是答案，客戶拿來即用、續費、推薦。

而 FDE 模式的本質是「用人的工作彌合產品和市場的距離」。如果一個產品需要派一隊工程師駐場半年才能跑起來，嚴格來說，它的產品本身還沒有找到 PMF。

Gartner 的高級分析師 Alex Coqueiro 在最近的一份報告裡給出了一個挺刺耳的預測：到 2028 年，70% 的企業將被迫放棄由 FDE 主導的 Agent 專案，原因是「廠商成本過高、內部缺乏獨立演進的能力」。

他還指出一個隱蔽的失敗模式：「FDE 工作量在多次部署後沒有遞減，就是依賴性而非能力被構建出來的訊號。當用例成熟後投入不下降，意味著客戶在用諮詢費的價格買他們本該自己擁有的營運能力。」

這是 FDE 模式最大的風險：它可能從「產品發現機制」退化成「永久性的人力填補」。Palantir 模式之所以成功，關鍵在「砂石路變柏油路」的那一步——客戶場景的特殊性最終要被沉澱進產品。如果沉澱這步做不到，FDE 就只是高級外包。

保留二：這是不是「偽裝成產品公司的諮詢公司」？

資本市場對這件事的判斷也很分裂。

支持者認為，FDE 模式讓 AI 公司有了一條「前置部署」的護城河：你越早把工程師派進財富 500 強，就越早控制住企業級 AI 的工作流入口，客戶的遷移成本會指數級升高。OpenAI Deployment Company 官方表述提到，合作夥伴們「贊助的全球超過 2000 家企業」，將成為 DeployCo 的天然客戶池——既是收入來源，也是回饋閉環。

但批評者指出，這種模式讓 AI 公司的財務畫像越來越像「諮詢公司+軟體公司」的混合體。Palantir 在二級市場長期被低估，部分原因就是分析師習慣用純軟體 SaaS 的估值框架（高毛利、輕人力）來套它，套不上。當 OpenAI、Anthropic 也開始大規模招 FDE，它們的毛利結構、人均產值、估值倍數，都會受到挑戰。

Constellation Research 的分析師 Larry Dignan 的評價更直接：OpenAI Deployment Company 不像 IBM Consulting 那樣獨立營運、什麼模型都能整合。「OpenAI Deployment Company 用 Anthropic 的機率為零。OpenAI 把它的服務部門描繪成垂直整合的優勢，但 CIO 們會透過『鎖定』的視角看這件事。」

換句話說：對廠商是 PMF 的範式，對客戶可能是供應商鎖定的前夜。

保留三：FDE 可能正在被自己創造的工具替代

這一層悖論是最有意思的。FDE 之所以貴，在於他們要做大量的「整合性髒活」：欄位映射、API 對接、legacy 系統翻譯、提示詞調優、評估框架搭建——這些恰恰是 AI 最擅長自動化的工作類型。

Salesforce 在 Agentforce 產品上的實踐顯示，大量 FDE 初期做的「部署簡單 FAQ Agent」工作，正在被產品本身吸收；FDE 的工作正在向更高抽象層遷移——多 Agent 架構、MCP 協定設計、語音 Agent、coding Agent 的排程。

2026 年 4 月在紐約由 South Park Commons 主辦的一場關於 FDE 的圓桌討論中，多位 FDE 負責人形成的共識是：模型越強，FDE 的價值不是下降，而是上升——但價值的來源變了。低層級整合工作被 AI 吃掉，FDE 的核心價值轉向「在客戶現場判斷該解決哪些問題、該把什麼標準化」這種業務判斷。

這是個微妙的均衡。如果 AI 工具進化的速度足夠快，FDE 模式的「整合槓桿」會被壓縮，留下的只是產品判斷和業務諮詢——那它就真的變成「高端諮詢」了。但如果 AI 進化遇到瓶頸，整合的複雜性會維持很多年，FDE 就是一門長期生意。

## 五、對不同人，這件事的意義不一樣

回到最初的問題：FDE 是不是 Agent 時代的 PMF 範式？

如果一定要給一個判斷，我傾向於這樣表述：FDE 是 Agent 時代企業級 AI 從 Demo 走向生產系統的「必要中間態」，但它本身不是 PMF——它是尋找 PMF 的方法。

這個表述對不同身份的人，含義不同：

- 對 AI 廠商：FDE 不是收入業務，是產品發現機制。如果你把它當諮詢業務做，會陷入毛利陷阱；只有持續把駐場經驗沉澱成可復用的產品能力——MCP server、agent skills、評估框架、部署模板——FDE 的投入才會有複利。
- 對企業客戶：FDE 的真正價值，不是讓廠商「幫你建好」，而是「在幫你建的過程中，把能力轉移給你」。Anthropic 和 FIS 合作的官方表述裡，這句話寫得很關鍵：「transfer knowledge so FIS can build and scale additional agents independently over time」（轉移知識，讓 FIS 未來可以獨立構建和擴展更多 Agent）。如果合約裡沒有這條退出機制，FDE 模式就是溫柔的鎖定。
- 對工程師：這是 2026 年最稀缺的技能組合——技術深度、客戶語境理解、業務判斷力。Google 列出的 FDE 職級薪資範圍從 12.7 萬到 26.5 萬美元基薪，資深包平均 23.8 萬美元，頂級接近 40 萬美元，而且這部分預算來自客戶擴展支出，不是公司內部 R&D headcount，在大裁員週期裡反而是抗週期的。
- 對投資人：用純 SaaS 估值框架套 FDE 驅動的 AI 公司會失真。需要看的不是當下毛利，而是「砂石路變柏油路」的速度——每一次駐場後，產品本身的可復用能力提升了多少。Palantir 用了快二十年才讓市場理解這一點，OpenAI 和 Anthropic 不會有那麼多耐心。

## 結語：範式不會自己宣布自己的誕生

PMF 這個詞最早是 Marc Andreessen 在 2007 年提出的，他當時給出的判斷標準非常樸素：「你不需要解釋，你就知道你找到了。」——使用者開始瘋狂湧入，產品供不應求，系統持續過載。

按這個標準，2026 年 5 月的 AI 企業市場，有「PMF 的雛形」，但還沒有「PMF 的勝利」。三家公司同時押注 FDE，與其說是宣告範式勝利，不如說是承認了一個事實：在 Agent 成為真正的「軟體之上的軟體」之前，我們需要人，需要駐場的人，需要懂客戶、也懂模型的人，去把那些沒有鋪好的路一段一段走通。

也許真正的 PMF 範式，要等到 FDE 們走完的路足夠多、足夠清晰，以至於 Agent 自己能在上面跑了——那時候，這場關於 FDE 的討論，就會變成一個時代的註腳。

但 2026 年這一年，所有人都還在趕路。

本文資料與案例來自 OpenAI、Anthropic、Google、FIS 官方公告，以及 The Information、Pragmatic Engineer、Constellation Research、CIO Magazine、Gartner 等公開報導，資料截至 2026 年 5 月。

## 標籤

Agent, 產業趨勢, Deployment, OpenAI, Anthropic, Google