硅谷验证了十年的 AI 落地打法
FDE（Forward Deployed Engineer，前置部署工程师）不是我们发明的词。它源自 Palantir—— 这家公司用「工程师深入客户现场、与业务专家协同交付结果」的模式做了十几年政府与巨头生意； 这两年 OpenAI、Anthropic、Google、Databricks 相继组建自己的 FDE 团队，把它变成了 AI 落地的行业标准打法。
逻辑很简单：企业 AI 落不了地，缺的从来不是模型，是把模型接进真实业务的工程。这段工程没法远程做——数据在你的系统里，流程在你的现场里，坑在你的历史里。 所以工程师必须「前置」到你那里去。我们把这套打法带进中国的不动产与设施管理行业。
FDE 不是驻场外包
在国内，很多号称 FDE 的服务，本质上是换了个洋气名字的人力外派。 区别不在工程师坐在哪，在为什么付钱、为什么负责。
- 按阶段交付：每个阶段有明确目标、交付物与验收标准
- 为结果负责：验收看的是「场景跑没跑起来」，不是工时表
- 带产品来：工程围绕 FMClaw™ 底座展开，做完就能持续运行
- 做完会走：能力沉淀在系统与你的团队里，不制造依赖
- 按人头计费：卖的是工程师的时间，坐满就算数
- 为工时负责：需求做没做成，和结算关系不大
- 从零开始写：每个需求现写现改，走了以后没人敢动
- 越驻越久：人走系统就停，依赖是商业模式的一部分
一句话分辨：FDE 卖的是结果，驻场卖的是人。
什么时候需要 FDE，什么时候不需要
FDE 是四种方式里投入最重的。时机对，它是最快的一条路；时机不对，它是最贵的弯路。
- 场景已经验证过——Demo Day 看过、加速营跑通过，或大赛里拿过奖，现在要动真格
- 数据锁在多个系统里，导不出来、对不上、没人说得清
- 要和现有系统打通：收费、工单、财务、IoT，要做真正的接口
- 要的是生产系统：有权限、有稳定性、天天有人用，不是演示环境里的 demo
- 还没验证过场景——先去 Demo Day 花半天眼见为实，别直接上工程
- 数据一张 Excel 就能导出来——加速营两三天就能跑通，用不着 FDE
- 只是想「了解一下 AI」——FDE 是重投入，好奇心用免费的方式满足
- 指望常驻工程师随叫随到——那是驻场外包，我们不做，也不建议你买
拿不准的话，从免费的 Demo Day 开始—— 我们宁可你晚一点启动 FDE，也不希望你在错的时机启动。
按阶段交付，按阶段验收
每个阶段开始前，目标、交付物、验收标准写在纸上；验收通过，再进下一阶段。不签开放式的驻场合同。
数据治理
最重的一段，刻意放在最前。把散在各系统里的数据理出来：口径对齐、字段清洗、建好数据底座。这一段不做实，后面全是空中楼阁。
→系统与接口接入
和你的收费、工单、财务、IoT 系统做真正的接口。Demo Day 和加速营刻意不做的事，在这里认真做。
→场景上线试运行
验证过的场景搬进生产环境：权限、日志、异常处理、值守机制。业务团队开始真用，问题当场修。
→验收与扩面
按事先写好的标准验收这个阶段。跑稳了，再谈下一个场景、下一批项目——扩不扩、何时扩，决定权在你。
阶段划分会按你的场景与系统情况调整——但「数据治理最重、放在最前」这条不变。
难的从来不是 AI，是数据
行业数据一再说明同一件事：绝大多数企业 AI 项目卡在 PoC 到生产之间，卡点不是模型，是数据—— 试验可以绕过数据问题，生产绕不过。
我们在 AI 应用创新大赛的课题技术评估里也反复看到： 一线报上来的几十个课题，方案本身大多可行，真正的坎几乎全在数据质量和系统接口上。
所以 FDE 的第一阶段永远是数据治理：口径对齐、字段清洗、把散在各系统里的数据理成一个能用的底座。 这一段最重、最不性感、最没法演示——也最值钱。
三条路，终点都在这里
FDE 是四种方式的收口：前面三种帮你验证「值不值得」，FDE 负责「做成真的」。
关于 FDE，你可能想问的
- 什么是 FDE（前置部署工程师）？
- FDE 是 Forward Deployed Engineer 的缩写，源自 Palantir 的工程角色与交付模式：工程师深入客户的业务现场，与业务专家协同完成数据治理、系统接入和场景落地，以结果交付计价。这套模式已被硅谷广泛采用——OpenAI、Anthropic、Google、Databricks 都设立了 FDE 团队。我们把这套打法带进中国的不动产与设施管理行业。
- FDE 和驻场外包有什么区别？
- 这是最常见的误解——在国内，很多号称 FDE 的服务本质上是按人头计费的驻场外包。区别有三条：一，FDE 按阶段交付、按结果验收，驻场按工时结算；二，FDE 带着产品底座来做工程，驻场从零现写现改；三，FDE 做完会走，能力沉淀在系统和你的团队里，驻场越驻越久、人走系统停。简单说：FDE 卖的是结果，驻场卖的是人。
- FDE 和系统集成商（SI）有什么区别？
- 系统集成商按需求文档实施，需求定错了照样交付；FDE 和你的业务专家一起先把问题定义对，再做工程——因为计价挂在结果上，定义错问题 FDE 自己要买单。另外，FDE 围绕产品底座（我们是 FMClaw™）做落地，不是纯项目制的一次性开发。
- 什么时候需要 FDE，什么时候不需要？
- 需要：场景已验证、要接真系统、数据锁在多个系统里导不出来、要的是天天有人用的生产系统。不需要：场景还没验证（先去 Demo Day）、数据一张表就能导出（加速营够了）、只是想了解 AI（用免费的方式）。FDE 是重投入，我们宁可你晚一点开始，也不希望你在错的时机开始。
- 为什么第一阶段一定是数据治理？
- 因为这是 AI 落地最大的坎。行业数据一再说明：绝大多数企业 AI 项目卡在 PoC 到生产之间，卡点不是模型，是数据——试验可以绕过数据问题，生产绕不过。我们在大赛课题评估里也反复看到同一件事：难的从来不是 AI，是数据质量和接口。所以我们把最重的一段放在最前面，不做实不往下走。
- FDE 服务怎么计价？
- 按方案单独报价，按阶段付费：每个阶段开始前约定目标、交付物与验收标准，验收通过再进下一阶段。不按人头计费，不签开放式的驻场合同。
- 工程师会进驻我们现场吗？
- 会在需要的阶段深入你的现场——数据摸底、接口联调、上线陪跑都需要人在现场。但「在现场工作」和「驻场外包」是两回事：我们的人为阶段目标来，目标达成就进入下一阶段，不是常驻的人力外派。
- 从哪一步开始比较稳妥？
- 多数客户的路径是：先用半天 Demo Day 眼见为实，或在加速营里亲手跑通一个场景，验证了价值再启动 FDE。直接从 FDE 开始也可以——前提是你已经想清楚要落什么场景，并且数据和系统的复杂度确实需要工程投入。