2026 年 9 月 · 7 分钟阅读

关键定义
FDE(前向部署工程师) 嵌入客户现场、在厂商平台上规划并构建 AI 应用的工程师。2026 年 FDE 从欧美实验室的自建军团扩散为全球可租的分销通道,成了部署战争中的计量单位。
租通道(FDE 商品化) 厂商不再自建部署军团,而是租用既有分销网络:模型商×系统集成商、平台商×国家冠军、实验室×实施×商社。部署劳动成为可按市场购买的商品。
部署后证据层 部署团队离场之后:agent 按合同做事由谁独立核验、结果由谁证明、证据能否在厂商离场后存活。三份亚洲协议都回答了「谁去装」,没有一份回答这一层。
过去一年,AI 行业对部署问题的计量单位是工程师:五支军团,人头数就是承诺数。2026 年 9 月 10 日,计量单位换成了通道——一天之内三笔交易,把前向部署工程(FDE)从欧美的自建军备竞赛,变成了亚洲市场上可租可买的分销生意。Moonshot 租五家中国系统集成商、Palantir 把 Fujitsu 变成全球 FDE 伙伴、Sakana×SCSK×住友借商社渠道铺向约十万家客户企业。部署劳动从此可以按市场购买——但「装完之后 agent 做了什么、由谁独立证明」,三个市场、三种结构,空白完全一致。
第一笔在中国。Moonshot 09-10 官宣 Kimi Enterprise Partner Program,与五家系统集成商——华胜天成、金山云、北京亚信、亚信科技、中软国际——组成联合 FDE 团队进客户现场,这是中国模型商首次正式采用 FDE 模式(来源:Caixin Global 09-11 — https://www.caixinglobal.com/2026-09-11/moonshot-ai-expands-enterprise-push-through-it-services-partnerships-102483755.html )。首尔经济日报补充了商业模式细节:收入按合同比例分成,覆盖 token 使用费与系统实施费;动作背景是明年可能的 IPO,需要更高毛利的企业收入(来源:Seoul Economic Daily 09-12 — https://en.sedaily.com/international/2026/09/12/chinas-moonshot-ai-adopts-palantir-style-model-ahead-of-ipo )。
第二笔在日本。Fujitsu 与 Palantir Technologies Japan KK 新签 AIP + Foundry 协议,正式成为 Global FDE Partner,带自有 LLM Takane 与 Uvance 方案,面向主权、生产级架构;Fujitsu COO 原话「Palantir pioneered and established the FDE concept」。官方新闻稿给出的供应链案例:整合 3,000+ 供应商、18 家工厂,一年节省超 1,000 万美元、运营生产率翻倍——这是业务成果口径,未经独立验证(来源:JCN Newswire 09-10 — https://www.jcnnewswire.com/pressrelease/109983/3/ )。
第三笔是本土三方联盟。Sakana AI×SCSK×住友商事 09-10 签约:Sakana 出模型、SCSK 做实施、住友用约 10 万家客户企业网络铺渠道,金融与制造先行,网络安全与社会基础设施跟进,并计划海外扩张。三家自己在声明里写了一句值得全文引用的话:「成功不止于模型选择,需要把 AI 与业务流程、数据、遗留系统整合,同时解决质量、信息安全、治理与部署后运营」(来源:IBTimes JP 09-10 — https://jp.ibtimes.com/sakana-ai-scsk-sumitomo-corp-forge-japan-ai-partnership-104333 ;Nikkei Asia — https://asia.nikkei.com/business/technology/artificial-intelligence/sumitomo-partners-with-sakana-ai-to-push-japan-built-ai-model )。
把三笔交易的结构并排放:中国模型商租 SI 网络(供给来自集成商的客户网络与行业知识)、美国平台商租日本国家冠军(Fujitsu 的行业纵深加主权架构)、日本本土实验室组三方联盟(实验室加实施加商社渠道)。三条线的共同点非常干净——没有任何一方选择自建大规模 FDE 军团。
这等于市场对第一波军备竞赛做了修正。微软 Frontier Co.、AWS FDE 组织、OpenAI Deployment Co.、Anthropic 的 Ode、谷歌租的 Accenture 军团——第一波全是自建或合资;09-10 的亚洲三连发全部是租。部署劳动从「差异化能力」变成了「可购买的商品」:FDE 供给从五支军团扩张成全球分销通道。
三份协议都在回答「谁去装」,没有一份回答「装完之后呢」。FDE 进场把系统接好,工程师离场之后:agent 按合同做事由谁独立核验?结果由谁证明?证据在厂商或伙伴离场之后还能不能用?Moonshot 的联合团队、Fujitsu 的 Global FDE Partner、Sakana 的三方联盟——承诺的都是进场动作,不是离场后的证据义务。
我们 09-10 对五支军团提出过同一个问题(见《FDE 军备竞赛:上千工程师进场,谁留下证据?》),现在被三个新市场复证:区域化没有关闭证据缺口,只是把它复制到了更多市场。商品化的是部署劳动——渠道可以租、人头可以买;信任不能租。部署证明是这场商品化里唯一没有被商品化的部分,而这恰恰是买方最该为它付钱的部分。
第一,FDE 商品化对买方是净利好。供给从稀缺变充足,谈判地位上升;任何仍按「FDE 人头/认证徽章」收溢价的报价都该被质疑——当一家 SI 同时服务多个厂商时,认证是分销通道信号,不是质量信号。
第二,渠道可以租,信任不能租。三份协议证明部署劳动市场化了,也证明部署后证据层没有跟随商品化——空白跨区域一致,这是当前买方最贵的信息差:供应商在卖进场,而失败大多发生在离场之后。
第三,亚洲玩家的声明自己就承认了这一点。Sakana 把「部署后运营」列为成功必要条件;Fujitsu 用一年 1,000 万美元节省讲业务成果,但那是成果口径,不是执行证据口径。供应商知道难题在装完之后——只是没有一方把证明义务写进合同。
第四,对买方的含义:把「部署后证据」写进合同条款(谁核验、核验数据存在哪、厂商离场后证据是否存活、验收怎么定义),比选哪个 FDE 伙伴更重要。FDE 供给会继续过剩,证据缺口不会自动关闭。
1)选 FDE 合作方时,把「工程师人数」与「认证徽章」从决策权重里删掉,换成三个问题:装完后谁独立核验 agent 动作?核验数据存在谁的边界里?合作结束后证据还能不能用?
2)验收条款从「交付了什么」改成「agent 持续做了什么、由谁证明、证明数据谁持有」。
3)用渠道结构做谈判筹码:中国 SI 通道、日本国家冠军通道、本土联盟通道都在抢客户——买方有资格要求证据条款,而不是接受人头承诺。
4)保留独立第三方的动作级审计作为验收条件,把「审计数据可导出、可迁移」写进合同。
数据来源与口径
09-10 官宣的 FDE 模式企业计划:Moonshot 与五家中国系统集成商(华胜天成、金山云、北京亚信等)组联合 FDE 团队进客户现场,收入按合同分成,覆盖 token 使用费与实施费。
Fujitsu 与 Palantir Technologies Japan KK 新签 AIP + Foundry 协议并成为 Global FDE Partner,带自有 LLM Takane 与 Uvance 方案,面向主权、生产级架构。Fujitsu 供应链案例称一年节省超 1,000 万美元、生产率翻倍(厂商口径)。
Sakana 提供模型,SCSK 负责实施,住友商事通过约 10 万客户企业网络铺渠道。金融与制造先行,网络安全与社会基础设施跟进,并计划海外扩张。
三份协议都在回答「谁去装」,没有一份回答「装完之后 agent 动作由谁独立核验、结果由谁证明」。部署劳动可以租,信任与证据不能租。
用多通道竞争做谈判筹码,要求把部署后证据条款(谁核验、数据在哪、离场后证据是否存活)写进合同;不再为「人头/认证」付溢价。
FDE 军备竞赛:上千工程师进场,谁留下证据?
Google Cloud 与 Accenture 成立 Gemini Enterprise Business Group,训练 1,000 名前向部署工程师。五支部署军团全部以人头数作为承诺单位——但没有一支回答:工程师离场后,谁独立核验 agent 做了什么?
AI 花钱没有主人:79% 超支背后的所有权真空
DoiT 委托 Sapio Research 调查 500 名美英财务负责人:79% 过去 12 个月 AI 支出超支;自评 FinOps 最成熟的组织超支反而最重(89% 超支、均值 30.9%)。AI 支出问责在技术与财务间分摊——共享所有权就是无所有权。
Agent 失败不在模型里,在 harness 里:monday.com 的生产护栏
monday.com 公开 feedAgent 生产案例(官方工程博客,09-09):失败模式不在模型里,在围绕模型的假设里——输入、运行边界、输出验证、反馈闭环。我们的判断:护栏管住几层,agent 就有几分生产可用。
评估优先不是质量洁癖:Zepto 把 eval 做成了成本杠杆
Zepto 客服每天跑超 10 万张工单,AI 处理 80%+ 工单、成本降 65%、回本不到 1 个月(Databricks 案例口径)。我们的判断:eval 不是上线前检查,是成本与质量基础设施。