模型能力快速提升之后，企业为什么仍难以获得可用的 AI 结果？7 月 30 日，原点 Talk 分享会暨 AI 原点社区“上下楼就是上下游”活动在 AI 原点社区举行。活动以“FDE 为什么火？它到底解决了企业什么问题？”为主题，由至顶科技、海升睿达、靖华物业主办。AI 创业者及自媒体人向阳乔木、AI 真知社发起人吕森林、软积木 CMO 史海旭参加圆桌讨论，至顶 AI 实验室联合主理人路飞主持。
讨论中，三位嘉宾从企业服务、项目交付和产品实践出发，对 FDE（Forward Deployed Engineer，前沿部署工程师）的价值形成了一个共同判断：模型和企业业务之间仍有明显断层，FDE 的核心任务是进入真实场景、识别关键问题，并把技术能力转化为可交付、可运行的业务结果。与此同时，嘉宾也对模型能力是否已经“够用”、FDE 是否必须写代码等问题提出了不同看法。
FDE 解决的不是“有没有 AI”，而是“能不能交付结果”
FDE 最早因 Palantir 等企业软件公司而受到关注。与传统售前、实施或驻场外包相比，这一岗位通常需要同时理解客户业务、技术能力和产品演进：先进入客户现场发现问题，再把需求转化为工程方案，完成验证和交付，并将现场经验带回产品团队。
史海旭认为，“部署”不足以概括这一岗位的工作。他更倾向于将其理解为“前沿交付工程师”。传统软件交付往往是先完成标准产品，再将其安装、实施到客户环境中；FDE 则要先理解企业的业务流程和真实痛点，再判断应当形成产品、工作流、Skill，还是定制解决方案。
“模型公司、AI 产品到企业之间有一个断层，靠谁来补？我觉得就是 FDE。”史海旭说。这个岗位的价值不在于推销某个模型或 API，而在于能否同时听懂老板、业务人员、产品经理和技术团队的语言，并把需求翻译成可以执行的工程任务。
吕森林从项目交付角度给出了更直接的判断：企业要的不是演示效果，而是最终结果。他以数字人项目为例表示，一个由多个环节组成的 AI 工作流，即使每个环节都有较高完成度，叠加后仍可能出现明显衰减。客户所说的“只剩 10% 没完成”，有时恰恰是整个项目最困难、最耗时的部分。
向阳乔木则将 FDE 概括为多个传统岗位能力的集合：既要承担部分售前和咨询工作，也要分析需求、开发系统、管理进度并完成交付。“相当于把多个传统岗位要求的技能综合到一个人身上。”他认为，这也解释了为什么成熟 FDE 人才较为稀缺。
模型能力已经够用了吗？现场出现两种判断
围绕企业 AI 落地缓慢的原因，嘉宾形成了两种不同判断。
史海旭认为，在常见的文档、创意和基础内容生成任务中，模型能力已经跨过一个实用临界点。企业当前更突出的问题，是如何把已有模型能力应用到业务流程中。“使用哪个模型，甚至已经没有那么重要，更重要的是你对企业业务有多深的理解。”
向阳乔木对此表示认同。他观察到，一些传统企业只需使用国产模型、WorkBuddy、Cherry Studio 等现成工具，再配置针对具体工作的 Skill，就能解决一部分过去长期搁置的问题。企业并不一定需要最强的模型，而是需要以较低成本找到适合自身场景的工具和工作流。
吕森林则提出不同观点：“AI 的模型能力永远不够用。”他认为，当企业希望借助 AI 真正调整人员结构、压缩流程或替代部分岗位时，模型稳定性、结果衰减和复杂任务完成率仍会成为障碍。企业预期也会随着使用深入而提高：初次体验可能觉得效果惊艳，但进入生产环境后，客户会继续要求结果稳定、流程可控，并能处理更多边界情况。
这场分歧最终指向同一个现实：无论瓶颈更多来自模型还是业务，企业都需要有人在现场识别边界、管理预期，并把“能演示”推进到“能长期使用”。
进入企业后的第一步：找到痛点，先打一场“小胜仗”
当 FDE 进入一家企业，第一周最应该做什么？嘉宾普遍认为，应先获得管理层支持，再从真实业务流程中寻找边界清楚、价值明确的小场景。
史海旭表示，AI 转型仍是一把手工程。如果管理层不了解 AI 的能力边界，也不认可业务改造的必要性，基层团队很难持续推进。FDE 随后需要摸清企业靠什么赚钱、业务从哪里开始、在哪些环节结束，以及哪些任务具有规则明确、重复度高、信息完整等特点。
向阳乔木分享了一个企业 AI 改造案例：一位 CTO 进入新公司后，没有一开始就推动全面转型，而是选择客服投诉中的票据识别场景，通过更好的 OCR 模型提高识别效果。项目切口虽小，却能迅速证明 AI 的实际价值，为后续争取资源建立信任。
在他看来，传统企业可以先从内部找到少数真正熟悉 AI、同时了解业务的人组成试点小组，让他们梳理各部门中适合 AI 处理的任务。试点验证后，再向全公司推广。
吕森林也强调，预算收紧时尤其不能“全面铺开”。相比在大量小项目上平均投入，企业更应选择少数刚需场景集中资源。FDE 首先应具备咨询诊断能力，判断问题究竟适合使用 AI、传统软件，还是应直接放弃不切实际的技术路线。
要不要写代码，取决于交付走到哪一步
对于 FDE 是否必须具备编程能力，三位嘉宾没有给出单一答案，但都强调应按项目规模和交付阶段判断。
史海旭表示，简单网站、工具或 Skill 可以借助 AI 快速完成，即使不熟悉代码，也可能做出可用原型；但进入企业级系统后，稳定性、安全性和持续迭代都需要工程基础。自然语言生成的 Demo 可以帮助双方澄清需求，却不能自动等同于生产系统。
向阳乔木认为，FDE 应具备快速制作高保真原型或可交互 Demo 的能力，以便让客户在具体界面上讨论需求。真正进入长期运行的系统开发后，则需要技术团队和工程流程支持。
吕森林进一步指出，金融、能源等行业拥有严格的测试和上线流程，FDE 即使能现场交付代码，也必须遵守客户的安全与审批要求。对于流程较弱、又要求“马上上线”的客户，FDE 反而更需要明确风险，避免把未经验证的原型直接投入生产。
现场经验最终要回到产品
圆桌后半程，讨论转向 FDE 项目如何沉淀为产品。嘉宾认为，企业需求不可能被标准软件完全覆盖，即使成熟产品已经解决大部分共性问题，剩余的小部分需求仍可能是客户真正的痛点。
史海旭表示，FDE 的持续价值正在于发现这些差异，并在客户项目与公司产品之间形成反馈循环。向阳乔木则提醒，不应为了少量差异化需求放弃成熟软件、重新开发整套系统；是否产品化，需要由重复需求、维护成本和市场规模共同决定。
吕森林认为，个人或小团队在考虑产品化之前，应先回答一个更现实的问题：能否找到足够多的付费客户。技术能力、产品判断和销售能力往往分属不同角色，找到合适的合作伙伴，有时比继续增加功能更重要。
关于原点Talk分享会
原点Talk分享会是至顶科技和海升睿达共同发起，由PEC社区支持，位于北京AI原点社区的线下沙龙活动。每月一期，聚焦大模型、Agent、AI应用落地与企业智能化转型。活动不只讨论AI趋势，更关注真实场景中的实践经验。作为北京AI原点社区的常态化交流栏目，原点Talk分享会希望以开放、务实的方式，持续呈现AI正在发生的真实变化，连接技术、产业与应用现场。北京AI原点社区是北京市发布的首批人工智能创新街区之一，是AI的创新策源与创业载体。
如想参与原点Talk分享会，请加微信：hudianjie
