FDE（Forward Deployed Engineer）火了。
过去几个月，从海外AI公司到国内大厂，越来越多团队开始把工程师直接派到客户现场。FDE一下成了企业AI落地的热门岗位，甚至一些传统交付团队，也开始给自己贴上FDE的标签。
FDE的走红背后是企业AI一个更深层的问题。模型还在变强，但企业AI的难题已经不只在模型。数据、Agent、云和基础设施开始被装进同一套系统，任何一块没接好，都可能卡住最后的落地。
企业AI落地又上升了一个level，开始关注整个技术栈能力。
当然技术最终都要落到结果上，因为现在CEO真正关心的是“成效 (Outcome)”，也就是能不能带来收入、成本或者效率上的变化，以及第一个场景跑通之后，第二个、第三个场景能不能快速复制。
“成效就是客户感受到了什么。”甲骨文公司副总裁及中国区董事总经理吴承杨说，如今的AI不再是一个故事、不是一个PPT、也不是一个解决方案，AI是一种能力。
甲骨文公司副总裁及中国区董事总经理吴承杨
围绕成效论，甲骨文对企业AI的三个判断是。第一，AI一定是企业级的，企业怎么用AI，甚至将自身的AI能力输出给客户；第二，AI是云原生的，尤其对于出海企业，云原生可以支持用户的数据，在不同的地方有不同的模型、不同的云架构；第三，AI的底层是数据，企业过去建设ERP、CRM、MES，让每套系统分别解决一个问题，AI时代分散在不同系统中的数据必须被连接起来，并形成机器能够理解的业务语义。
所以企业AI落地正在变成一场“全栈考试”。
在甲骨文的技术版图里，这个全栈从云基础设施，一直延伸到数据库、数据平台、模型服务、智能体和企业应用。甲骨文认为，核心目标是要让用户感受到实际产生的成效。
甲骨文在中国根据本地客户需求还提出了一套AI落地方法AIBS（AI Business Success），就是要有明确业务成效。AIBS想建立一个飞轮，首先甲骨文帮助企业完成从0到1，之后客户或合作伙伴可以再基于AIBS，实现从1到N的复制。
所以全栈回答的是企业AI靠什么运行，AIBS回答的是这套能力如何真正进入业务，当然还有FDE来连接二者。
AIBS：把AI落地变成一套方法
“现在客户已经不满足于一个试点了。”甲骨文公司高级总监及中国区技术工程部总经理嵇小峰说道。企业AI正在出现三个明显变化：业务效果必须能够衡量，AI需要进入核心业务流程，同时还要满足安全、可控和治理要求。
甲骨文公司高级总监及中国区技术工程部总经理嵇小峰
AIBS方法论首先想解决的，就是启动问题。先找到一个值得做、能够做成的场景，用它验证业务价值，再把验证过程中形成的能力沉淀下来，最后复制更多场景。
这个场景至少要满足四个条件：业务效果可衡量，做完后能够复用，所需数据能够获得，并且可以在可控周期内完成。
从架构上看，AIBS最底层是Oracle AI Database 26ai，其上依次包括参考架构、AI平台、数据治理、业务语义层、数据分类与安全控制，以及智能体编排工具，再加上场景选择和项目交付机制。
去年，企业讨论AI数据库时，关键词还是向量检索和融合检索。到了智能体阶段，问题已经明显变多：Agent如何编排，长期和短期记忆放在哪里，不同智能体之间如何协作，以及它们如何安全地访问企业数据。
甲骨文也把能力向这些环节继续延伸。比如Agent Memory Core，负责保存智能体的长期和短期记忆。Private Agent Factory则是一套无代码开发平台，企业不需要从底层重新搭建，就可以逐步创建和编排Agent。通过Select AI Agent，企业可以直接围绕Oracle数据库中的数据构建智能体。同时，Oracle数据库支持MCP，可以通过标准化方式与外部Agent和工具交互。
AI应用的越深，安全也随之更加重要。甲骨文将安全能力划分为三部分：
第一，源头安全。从数据源头控制访问，其中一个技术是Deep Data Security。它将前端应用用户与数据库中的安全控制紧密结合起来，让数据库能够识别最终是谁在访问数据。第二个技术是数据库内部防火墙，可以根据SQL的模式和预设规则，判断一次访问是否应该被放行，即使外围防线被绕过，数据库仍然保留最后一道判断权。
第二，极速安全。模型发现漏洞的速度越来越快，数据库推出补丁的速度也需要更快。甲骨文过去主要按季度发布滚动补丁，现在已经将数据库安全补丁的发布频率提升到每月一次，同时建议仍在使用老版本数据库的客户，尽快升级到19c或26ai等长期支持版本。
第三，韧性安全。如果威胁已经发生，比如企业遭遇勒索病毒或数据破坏。甲骨文提供了零数据丢失等相关方案，目标是在攻击发生后尽快恢复数据和系统运行。
AI时代，成为一个“多云Hub”
数据库解决了AI如何读懂企业数据，那这些模型、Agent和数据，到底跑在哪？现在看来很难是一朵云。
尤其对于出海企业，同一套业务很可能横跨不同地区、不同云和不同模型。应用可能在亚马逊云科技，数据库放在甲骨文，部分AI能力来自Google或OpenAI，同时还要使用来自中国的开源模型。
甲骨文很早就启动了多云战略，2019年6月OCI开通了跟Microsoft Azure之间的连接，2024年6月开通了跟GCP之间的连接，今年8月跟AWS的多云连接正式可用。
到现在，OCI希望扮演的角色，已经不只是一朵云，而是不同云之间的连接中心。甲骨文公司高级总监及中国区云工程部总经理窦杰将其概括为“多云Hub”。
甲骨文公司高级总监及中国区云工程部总经理窦杰
几朵公有云除了同质化的能力外，每家都有自己独特的服务和应用，通过OCI Interconnect，企业可以把OCI与亚马逊云科技、GCP、Microsoft Azure连接起来，并由Oracle提供统一的服务接口。
多云Hub的价值在于三点，第一，是把原本复杂的多云互联变成一项标准化服务。过去企业要打通不同云，通常需要同时协调云厂商、认证合作伙伴和电信运营商，涉及多套合同和多方沟通。一旦出现故障，排查和协调也更加复杂。OCI Interconnect把这些环节整合成一项服务，企业可以直接在OCI上开通，无需再单独寻找第三方完成连接。
第二，是提供端到端的服务保障。企业开通OCI Interconnect之后，如果出现故障或服务事件，可以通过统一接口进行处理，不需要再分别与不同服务商沟通。
第三，是降低跨云数据流动的成本。目前除了与Microsoft Azure的互联仍存在部分单向出项流量费用外，OCI Interconnect本身不收取进出流量费。对于亚马逊云科技和GCP，甲骨文还通过双方合作免收出项流量费。
甲骨文的AI技术栈最底层是算力。甲骨文可以提供万卡级集群、经过优化的RDMA网络和Bare Metal GPU、GB300。第二层是OCI Enterprise AI治理层，主要满足企业在AI安全、主权和治理上的需求。第三层是GenAI服务。一部分是On-Demand Token服务，企业可以直接调用OpenAI、Google、xAI、Meta、Cohere等厂商的模型。另一部分中国企业出海，可能既要使用国际主流模型，也希望继续使用千问、智谱等中国模型。甲骨文提供Dedicated AI Cluster服务，企业可以将中国开源模型部署到甲骨文的专属AI集群中。第四层和第五层是Agent平台和企业应用。
还有一个突出的变化是，AI基础设施不能只盯着GPU。去年Oracle AI World发布了网络加速架构Oracle Acceleron，今年这项技术已经进一步落到Ax机型上。Ax提供基于AMD、英特尔和Arm等不同CPU架构的实例，并通过100Gbps、200Gbps融合网卡，将低延迟网络和任务卸载等能力引入新的计算节点，面向HPC和AI推理等负载。
企业现在还会使用大量垂类模型，参数只有几B，这类模型在部分场景下完全可以由CPU承担推理任务。窦杰表示，基于Ax机型的CPU推理，在部分负载上的TPM、TPS表现可以接近A10级GPU。
写在最后
能力与成效，是吴承杨反复强调的两个词。这与中国企业最常问的两个问题有关：“有什么成功案例？”“能够带来什么效果？”甲骨文对企业AI的判断是要进入生产环境，要产生可衡量的业务成效，如果还能从一个场景复制到更多场景，才真正形成企业自己的AI能力。
AIBS也正是在这样的市场需求下“卷”出来的。其底层产品和技术体系与全球保持一致，在中国市场，甲骨文选择把业务成效进一步变成一套明确的落地方法。当企业越来越不愿意为概念买单，能否更快证明AI的业务价值，正在成为企业判断AI价值更直接的尺度。
