这两年企业级 AI 圈最火的岗位，非 FDE 莫属。
FDE（Forward Deployed Engineer，前置部署工程师），由 Palantir 带火、如今被几乎所有 AI 公司复制的交付模式：把最强的工程师直接嵌入客户现场，贴身理解业务流程，快速把 AI 方案做出来、用起来。
它确实解决了企业级 AI 最大的痛点——需求翻译。业务说不清要什么，工程师就蹲在现场看业务怎么干，看完直接动手。比「甲方提需求、乙方排期开发」的传统外包模式，快了不止一个量级。
但如果企业级 AI 落地只有 FDE 一条路，意味着三件事：
第一，贵，且不可复制。一个客户配一支 FDE 小队，顶尖工程师的供给永远跟不上客户的增长。FDE 成了稀缺资源，只有头部客户享受得到贴身服务。
第二，能力沉淀在乙方。FDE 在的时候什么都跑得通；FDE 撤了，客户发现自己还是不会。需求理解、方案设计、验证迭代——这些能力压根没有转移。企业买了很多次项目，依然不能自己落地。
第三，验证瓶颈绕不过去。这是被最多人忽略的一点：FDE 能帮你生成方案，但「什么算对」，只有你的业务专家知道。排产老师傅脑子里有几十条经验规则，质量工程师看一眼数据就知道异常在哪——这些认知，外部团队靠访谈能拿到三成就不错了。
日丰管企业架构与 AI 中心负责人孙通，在结营复盘时说了一句大实话：
生成容易，验证最难。
AI 时代，生成方案的成本趋近于零，验证方案的成本成了主要矛盾。而验证能力，恰恰长在业务骨干的脑子里，不长在任何一支外部团队里。
10 月 15 日，日丰管首届 AI 骨干训练营结营。它的做法，和 FDE 模式几乎是反着来的：
7 个场景，覆盖了制造企业的核心价值链：
| 价值链环节 | 场景 | 结营时的成熟度 |
|---|---|---|
| 制造 · 排产 | 管材智序排产智能体 | 72 条经验规则确认入库，v0.9.4 版本跑通真实周计划 |
| 制造 · 质量 | PPR 过程质量异常分析助手 | QMS/MES 字段映射打通，8D 报告生成完成功能验证 |
| 渠道 · 库存 | 代理商库存智能管理平台 | 库存聚合、风险分级完成模拟数据验证 |
| 营销 · 投放 | AI 线上投放智能经营中台 | 投前投中投后规则引擎跑通，预测模型待测试 |
| 营销 · 内容 | 小红书内容生产平台、AIGC 视频工作台 | 试点前阶段 |
细看这 7 个场景，有四个规律，比场景本身更值得抄：
规律一：全是存量流程的增强，没有一个是新业务。排产结果仍由计划员复核，8D 报告以人工审批终稿为准，AI 投放方案要与人工方案平行对照。用孙通的话说：「AI 替代的是任务，不是岗位。」
规律二：本质是业务经验的规则化。排产组把计划员的经验变成了 72 条已确认规则；库存组把指标算法写进字典，由业务逐条定稿；投放组梳理出 18 个需求澄清问题。做的全是「隐性知识显性化」——这是 AI 落地里最贵、也最不可外包的一步。
规律三：方法论统一。先用「高价值、高频、低门槛、低风险」初筛场景，再用「场景十二问」逐个拷问，然后 IPO 拆需求 → Spec Coding 写规格 → 演示与测试验证。所有小组一套动作，评审才有可比性。
规律四：路演不等于落地。主办方很清醒，多处标注「待测试」「待检验」。结营只是起点，90 天孵化才是真关口。
企业级 AI 落地有四个经典难题，FDE 模式能解第一个半，场景小组共创四个全解：
难题一：知识萃取。老师傅的排产直觉、质量工程师的异常判断，是典型的隐性知识——访谈拿不到，问卷更拿不到。只有业务骨干自己动手写 Spec，在「这条规则对不对」的来回确认中，经验才会一条一条被榨出来。日丰的 72 条排产规则，就是这么一条条定稿的。孙通对此的总结是：「AI 是认知的放大器，不是加法。想不清楚业务，AI 也无能为力。」
难题二：责任归属。甲方业务说需求不清，甲方 IT 说资源不够，乙方说范围又变了——这是企业级 AI 项目最常见的死法。场景小组让业务和技术同组共背一个课题，积分 + 路演制造问责。训练营讲师李家贵直接把路演定义为「立项评审预演」：讲不清业务价值的课题，就不该立项。
难题三：业务采纳。业务自己做出来的工具，业务才会真用。内容生产平台组喊出的目标是「点亮一条生产线，赋能千城万店」——工具从业务里长出来，推广的阻力天然就小。
难题四：能力沉淀。这是与 FDE 模式最大的分野。训练营培养的是组织内部的能力：50 个骨干学会方法论，回到部门「影响身边的人」（孙通语），第二期已在路上。企业不是买了一次交付，而是建了一套可复用的落地机制。
一句话总结效果：FDE 模式交付的是方案，场景小组共创交付的是「能持续产出方案的组织能力」。
| 维度 | FDE 模式 | 场景小组共创 |
|---|---|---|
| 落地能力归属 | 乙方 | 甲方 |
| 知识萃取方式 | 访谈 + 现场观察 | 业务骨干写 Spec，逐条定稿 |
| 成本结构 | 顶尖工程师人力密集，按客户复制 | 一次性方法论建设 + 骨干工时投入 |
| 可扩展性 | 受限于 FDE 供给 | 受限于骨干培养速度，可复利 |
| 适用场景 | 高度非标、需深度定制的头部项目 | 流程型企业的运营类场景（排产/质量/渠道/内容） |
| 主要风险 | 供应商依赖 | Demo 风险，需 90 天孵化机制兜底 |
所以答案不是「FDE 不行」。高度非标、预算充足的头部项目，FDE 依然是好选择——这也是本栏目此前多篇文章讨论 FDE 的原因（FDE 能照清单速成吗、FDE 中国热与外包之辩）。真正的分界线在于：
如果只有 FDE，你的 AI 落地能力永远是租来的。
场景小组共创也有门槛。启动前，用这四个问题自查：
50 人脱产训练 + 课后开发，这不是 IT 预算问题，是业务决心问题。骨干只挂名不出力，小组做出来的只能是 PPT。
没有专家逐条确认规则，做出来的只是 demo。72 条排产规则的含金量，不在数量，而在「已确认」三个字。
AI 排产与人工排程平行对照、AI 报告人工审批终稿——愿意花双倍功夫验证，才走得通。生成容易，验证最难。
算力、培训、认证体系，一次性预算买不来能力沉淀。日丰的算力配额、培训到认证体系仍在持续加码。
四项齐备，不必一上来就办 50 人的训练营——从一个 5 人小组、一个场景先跑通，验证机制后再规模化。日丰自己也是这个顺序：首期试水，沉淀机制，二期待开。
回头看日丰这个案例，大多数人会注意到 50 个骨干、7 个课题、72 条规则，但容易忽略一个角色：站在台下的方法论教练。
他不是 FDE——不替你交付方案；也不是传统咨询——不交完 PPT 走人。他做的事情是：把三层五阶、场景十二问、Spec Coding 这套方法教给业务骨干，然后陪每一个小组把真题做完、路演讲清、进入孵化。正如李家贵在结营时强调的：「培训只占 20%，实操占 80%。」教练的价值不在于讲了多少，而在于陪跑实操的那 80%。
这也是锐果互动做「企业级AI陪跑」的定位：
锐果互动不替你的团队写代码，而是教会你的业务骨干，把二十年的经验变成 AI 能执行的规格——把落地能力，留在你自己的组织里。
企业级 AI 落地从来不止 FDE 一条路。租能力，还是建能力，是一个战略选择。
如果你的企业正在思考 AI 怎么落地，不妨先别急着招 FDE，也先别急着买方案——从一个场景、一个 5 人小组开始验证，可能是投入产出比最高的起点。公众号读者可后台回复「场景共创」领取《场景共创启动自查清单》；官网读者可直接下载《场景共创启动自查清单》。
refs: |
FDE 是由 Palantir 带火、被众多 AI 公司复制的交付模式：把最强的工程师嵌入客户现场，贴身理解业务流程并快速交付方案。它解决的是企业级 AI 最大的痛点——需求翻译，比传统外包快一个量级，因此成为这两年的热门岗位。
最大的分野是落地能力的归属。FDE 模式交付的是方案，能力沉淀在乙方，项目结束能力也随之撤走；场景小组共创由业务骨干自己写规格、业务专家逐条定稿规则，交付的是能持续产出方案的组织能力。前者适合高度非标、预算充足的头部项目，后者适合流程型企业的运营类场景（排产、质量、渠道、内容）。
据其公开披露：50 名业务骨干与 9 位管理层跨职能组队攻关 7 个真实课题；排产场景沉淀 72 条已确认经验规则、以 v0.9.4 版本跑通真实周计划；质量异常分析完成 QMS/MES 字段映射；结营后全部课题进入 90 天落地孵化。路演不等于落地，90 天孵化才是真正的关口。
四个问题：业务骨干能否投入真实工时；业务专家是否参与规格定稿；有没有人机对照的验证机制；高管是否给长期投入而非一次性预算。四项齐备，可从一个 5 人小组、一个场景先跑通，验证机制后再复制成训练营。
