微信扫一扫
8 月 27 日，工业和信息化部办公厅印发了一份通知，文号工信厅科函〔2026〕414 号，8 月 31 日公开。
名字有点长，叫做《关于开展人工智能应用服务商培育专项行动的通知》。
这类文件通常没人细读，但事实上又很重要，所以我们就帮大家读了一下，发现这一份的第四项任务末尾，藏着一句很值得留意的话：
鼓励服务商搭建前线部署工程师（FDE）团队，扎根用户现场，保障场景落地。
FDE，Forward Deployed Engineer。
这三个字母不是中国造的词，它来自 Palantir 的内部岗位名称。一个美国国防承包商的工牌头衔，出现在中国部委的红头文件里，确实也说明了一些问题。
现在 AI 是很火热，但问题也很多。工信部对现状的诊断是：资源底数不明、交付水平不均、商业闭环不通、服务生态不壮。
比如"商业闭环不通"的意思就是：这些活有人在干，但干的人不赚钱。
其实到了这个阶段，AI 落地的瓶颈已经从模型转到了人。
5% 的成功率
MIT 的 Project NANDA 做过一项研究，分析了 300 多个公开的企业 AI 部署案例、52 场高管访谈、153 份问卷。
结论是：95% 的生成式 AI 试点没有产生任何可测量的损益影响，只有 5% 的集成系统创造了显著价值。
而对应的投入，是 300 到 400 亿美元。
但重点不是只有 5%，重点是失败的原因。
失败不是模型不行，模型好得很，问题出在"学习鸿沟"——通用工具对个人特别好用，因为它灵活；但它一进企业就卡住，因为它不学你的工作流，也不适应你的流程。
打个比方。
过去两年，全世界的企业集体办了一张健身卡。卡是真卡，健身房是真健身房，器械全是新的，教练还会说八国语言。
这就是"最后一公里"问题。
2025 年 8 月国务院《关于深入实施"人工智能+"行动的意见》，官方解读里就白纸黑字写着：应用落地存在"最后一公里"障碍。
也正是那份《意见》，提出了要"培育人工智能应用服务商""打造人工智能应用服务链"。
中国平均 511 万
我们再来算笔中国自己的账。
第三方统计显示，2025 年全年国内统计到 7539 个大模型相关中标项目，其中 5779 个披露了金额，合计 295.2 亿元。项目数量比 2024 年增长了 396%。
披露口径粗算，平均每个大模型项目大约 511 万元。
511万可以 买到什么？
在一线城市，大约是一个 15 人的团队干半年的成本——还没算差旅、没算返工、没算甲方三次改需求。而且这单干完，你留下了什么可以卖给下一个客户的东西？
大概率什么也没有。这就是"商业闭环不通"。
还有另外一个数据：2026 年上半年，2770 个应用类大模型中标项目分布在 20 多个行业，其中约 73% 集中在政务、通信、教科、能源、金融这五个行业。项目名称里，大约四分之一带"智能体"三个字。
前十名的厂商里，有三家是运营商背景的央国企——它们以"总集成商"的身份拿项目。
现在我们交叉看看：截至 2026 年 3 月，国内日均 Token 调用量突破 140 万亿，比 2024 年初增长超过一千倍。但 2025 年全年中国 AI 专业服务市场规模才刚刚突破 40 亿美元，只增长了 4 倍。
模型那一层在坐火箭，服务这一层还在辛辛苦苦地骑自行车。
理解 Palantir 的 FDE
既然文件提到了 FDE，我们就好好来理解一下 Palantir 的 FDE。
2000 年代初，Palantir 遇到了一个别的软件公司都没遇到过的麻烦：它的客户是情报机构。
这些客户说不清自己要什么，不能给你看数据，工作流还天天变。
传统软件那套"收集需求—设计方案—交付产品"，在这里直接失效。
他们意识到，面对足够复杂的新问题，客户往往要先看到一个能跑的东西，才知道自己到底要什么。
所以产品发现这件事，不能在总部做，必须在现场做。
当时市面上只有两种人可选：一种是咨询顾问，能听懂业务，但写不了生产代码；一种是售前工程师，会写代码，但改不了产品。
Palantir 的解决思路是，把工程师直接塞进客户机构里，内部叫 Delta。有整整十年，Palantir 的 Delta 人数比产品工程师还多。
这里有个组织设计上的细节：Delta 旁边永远配一个 Echo——部署策略师，此角色专门负责采纳、政治和高层对齐。
因为技术上的"最后一公里"是让模型跑通，组织上的"最后一公里"是让对方领导拍板同意，是两个完全不同的问题，需要的是两种不同的天赋，得分开配人。
有点像团长跟政委一起搭班子的感觉。
更值得借鉴的是，FDE 的任务不是无限期给客户做定制，他的真正职责，是从一个又一个现场里识别出反复出现的模式，然后把它抽象成平台能力。
Palantir 的本体、对象模型、权限体系、数据溯源，全都是这么从泥地里抠出来，再编码进产品的。
Palantir 模式的精髓就是：能力的沉淀能回流到产品，让下一单更便宜。
网上已经有人有了一份总结：
- 做完项目，只给客户留下一个系统——那叫外包；
- 带回一些经验，但没法复用——那叫项目制交付；
- 把行业通用经验沉淀成模板和产品能力——这才叫 FDE；
- 沉淀之后，下一个同类客户的交付成本显著下降——这才叫可规模化的 FDE。
咨询公司把同一份工时卖两次，FDE 把工时变成产品。
美国的下注
2026 年 5 月 11 日，OpenAI 成立了一家叫 DeployCo 的独立公司。
开局超过 40 亿美元投资，投后估值 140 亿美元，19 家全球机构联合出资，TPG 领投，Advent、贝恩资本、Brookfield 联合领投。
投资人名单里还有——麦肯锡、贝恩公司、凯捷。
这三家是全球咨询和系统集成的重要机构，而 DeployCo 的商业模式，本质上就是用工程师加语言模型，去做他们现在正在做的事——而且更便宜。
这相当于马车行会集体入股了福特汽车。
有分析一针见血地指出：看这个资本结构就明白了，这家公司看起来根本不像 OpenAI 的子公司，它看起来像埃森哲。
那真正的埃森哲呢？
埃森哲 2025 财年生成式 AI 相关收入增至三倍、达 27 亿美元，订单额几乎翻倍到 59 亿美元。2026 财年一季度，高级 AI 订单额 22 亿美元，同比又翻了一倍，AI 与数据专业人员达到 8 万人。
然后公司宣布：以后不再单独披露这个数字了。理由是，AI 已经渗透进我们做的几乎所有事情里。
中国的下注
美国的答案是一家公司。中国的答案是一份名单。
2023 年，财政部和工信部搞中小企业数字化转型城市试点，路数就是：市场化公开遴选数字化服务商，让服务商开发集成"小快轻准"的产品，供企业自愿选择，再打造样板、复制推广。
"小快轻准"这四个字，在这次的 AI 服务商文件里被原封不动搬了过来。这是一套被验证过的行政工具，只是换了赛道。
新文件里还有个设计，叫"人工智能应用服务团"：每个服务团由 1 家服务商牵头、不少于 2 家上下游单位参与，各地原则上报送不少于 10 个。
这本质上是用行政力量，组装 Palantir 的 Delta + Echo。
因为国内很少有哪家公司同时具备三样东西：模型能力、行业 Know-how、交付能力。
既然一家凑不齐，那就三家拼个团。
上海走在前面。
2025 年 11 月 29 日，上海办了首期 FDE 前沿部署工程师专题培训班。之后推出"百千万"工程：链接百家企业、打造千个智能体、带动万名开发者转型，建立超千人规模的 FDE 工程师储备库。
激励体系也搭好了：FDE 培训与人社部门的中级职称评定挂钩。
而且评估体系已经在飞快地长出来了。信通院的智能体应用开发服务能力标准，已经把厂商分成基础级、增强级、卓越级、引领级、典范级五个等级。工信部直属机构牵头的企业 AI 服务能力成熟度模型评估，也已经在全国启动。
当然，这个激励下，先长出来的，可能是一个专门评估交付水平的行业。
也要考虑到组织的问题。
Palantir 的模式能跑通，靠的是背后一整套组织——扁平结构消除内部竞争，任务自治的小组围绕问题而不是围绕职能，以及那条把现场痛点变成平台能力的反馈回路。
没有这套系统，就着急去招一支 FDE，我们得到的还只是嵌入式顾问。
但换个角度看，这未必是坏事。
因为嵌入式顾问，恰恰是眼下很稀缺的角色。
中国企业现在卡住的地方，多数还不是"缺少可复用的平台能力"，而是根本没有人坐进车间里，把一件事从头到尾跑通一遍。
先有人下去，再谈沉淀，顺序上并不颠倒。
更重要的是，任何一样从外面移植进来的东西，长到中国这片土壤里，最后都会长成自己的样子。
乡镇企业不是任何一本教科书里的公司形态，光伏和电动车的产业组织方式，也不是从德国日本抄来的。
FDE 大概率也一样。它进来的时候叫 Forward Deployed Engineer，几年之后长出来的那个东西，可能已经不太像 Palantir——但很可能更适合这里的甲方、这里的账期、这里的人。
地方的地图
最后说一件对城市和园区最实际的事。
FDE 是一个必须驻场的职业。他不坐在总部写代码，他需要坐在工厂、银行、医院的会议室里。
所以，这类能力的地理分布，会被迫贴着产业走，而不是贴着模型公司走。
2025 世界人工智能大会上，上海披露全市 AI 人才规模已近 30 万人，约占全国三分之一。但工厂、电网、医院、港口，绝大部分不在上海。
供给和需求的地理错配，正在从这里开始。
文件里还有一句话：组织开放一批真实场景。
在此之前，"场景"在招商话术里是个形容词；而在这套机制里，场景变成了一种可以拿出来交易的资产——因为服务商真正稀缺的不是算力，不是模型，是能让他把方案跑一遍并且允许他跑砸的地方。
与之配套的是，中试基地和孵化器被明确写进文件，作为服务商的技术研发、测试验证、中试熟化的基础条件。
园区的角色，正在从"给房子"变成"给验证条件"。
AI 夹缝下的赌局
历史上，每次有新职业被发明出来，信号都是同一个。
蒸汽机之后有了机械工程师，电力之后有了电气工程师，ERP 之后有了实施顾问，云计算之后有了 SRE。
每一次都不是因为技术不行，恰恰是因为技术足够好了——好到瓶颈从机器转移到了人身上。
这一次也一样：模型已经不是问题了。开源模型强到很多招标方只需要买算力，剩下的全是集成、数据、流程和合规的脏活累活。
但这一次又有点不一样。
FDE 这个职业存在的理由，恰恰是模型还不够会自己落地。
它是一个填缝的职业，而缝，是会变的。
如果模型继续变强，强到能自己读代码库、自己接系统、自己跑验证、自己写交付文档——那么这个刚刚被两个大国同时命名的职业，窗口期还有多长？
没有人知道答案。
但两边都已经下注了。
美国押的是复利：一家公司，一群工程师，把每次现场经验变成产品，赌它滚起来。
中国押的是规模：三千家服务商，一套标准，一条职称通道，赌人海能把这一公里踏平。
而这两个赌注共同的前提是：这道缝，至少还要再存在五到十年
