本文来自微信公众号： TOP创新区研究院 ，作者：创新区研究组
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，藏着一句很重要的话：
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。你想想，一个美国国防承包商(而且他们对中国并不友好)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了。
5%的成功
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。
而失败不是模型不行，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。
唯一的问题是，你每次过去特别不方便，而且每次进去还要说教练的外语。
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》，第一次提出了要"培育人工智能应用服务商""打造人工智能应用服务链"。
工信部这次的专项行动，是那句话落地的第一份施工图。
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。
511万能买到什么？
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。
有点像我们的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。
希望了解Palantir与FDE更多的朋友，可以点击下图，看我们往期文章：
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第一梯队，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，强行组装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。
上海走在最前面。
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，恰恰是眼下最稀缺的角色。
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，场景第一次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"。
从科研源头到产业现场：EID具身智能创新中心如何诞生？
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。
