FDE在中国：title换了，工作对象没变丨判断一个岗位是不是FDE的四个问题

上一篇讲的是迭代节奏——现场经验怎么反哺系统，怎么让下一次的起点比这一次高。

目前FDE落地地图的主体框架部分我们已经介绍完成，大家已经形成了对于FDE落地工程的初步理解。

这一篇换一个角度，不讲方法论，讲一下FDE这套体系在国内，是谁在执行？有什么特点。

NotebookLM的音视频概览，解读的比较通俗易懂，对于时间比较紧张的读者朋友，可以听听，会有启发。

FDE做的那些事，国内落到哪些角色上

FDE落地工程的五个阶段——发现、原型、部署、产品化、交接——每个阶段都有对应的核心动作。

在国内，这些动作基本都有，只是分散在不同的角色身上。

发现阶段，做需求翻译和现场诊断的，通常是售前工程师或解决方案工程师。这个角色在国内非常成熟，技术过硬的售前能把客户的模糊需求拆解得很清楚。但他们的成功标准是签单，不是场景选对。需求翻译做到"客户相信方案可行、合同能签"就算完成，之后的事不归他。

原型阶段，搭Demo、做技术验证的，是技术实施团队。他们能出东西，速度也快。但评测标准通常是内部自定义的，不是和客户一起建的。客户在验收时看到的是Demo效果，不是真实场景下的系统行为。

部署阶段，负责集成和上线的，是实施顾问加项目经理。集成有人管，进度有人跟。但陪跑阶段——让用户真正建立信任、真正把系统用起来——几乎没有人专门负责。国内的项目逻辑是上线即交付，交付即撤场，进入售后。

产品化阶段，几乎没有专门的角色。运维团队负责系统稳定性，但不负责AI输出质量。产品经理负责功能迭代，但不跟踪真实使用效果。可观测性设计、沉默失败防线、质量漂移监控——这些事没有人的KPI和它们绑定。

交接阶段，同样如此。上线后要么甲方自己摸索，要么乙方提供运营服务，但系统性地让客户建立自主运营能力这件事，几乎没有人在做。

把这五个阶段摆出来，会发现一件事：每个阶段都有人，但每个人的成功标准是阶段性过程指标，不是结果性价值指标的。没有一个人的成败，和"AI在客户现场真正产生了价值"绑定。

FDE最核心的特点是现场

理解国内AI落地的角色结构，有一个最重要的参照：外包。

FDE和外包最本质的区别，不是技术能力高低，是工作对象是不是真实现场。

外包接的是定义好的需求，交付的是符合规格的系统。现场是客户的事，不是外包的事。合同里写什么，交什么，验收通过，项目结束。至于这个系统在真实业务场景里跑起来是什么效果，不在交付范围内。

FDE的工作对象是需求相对模糊的现场。进场之前不知道真正的问题在哪里，进场之后要重新定义问题，再验证，再调整，再推进到生产。

国内AI落地项目里，最常见的失败模式不是技术问题。技术通常是够的。失败在于：项目按需求交付了，但现场问题没有解决。 系统跑起来了，但用户不用。评测通过了，但真实场景下的质量没有人跟踪。上线了，但没有人在现场确认AI真正在工作。

这不是实施团队不努力。是外包模式的激励结构，自然把人推离现场——合同验收是终点，现场发生的事是额外的摩擦。FDE的激励结构则相反，必须把人留在现场，因为价值只在现场产生，不在文档里。这个价值不仅仅是客户的获得价值，还包括对产品的反哺价值。

国内有项目经理在现场，但他跟踪的是进度，不是价值。有实施顾问在现场，但他负责的是上线，不是用起来。有运维在系统侧盯着，但他的标准是不宕机，不是系统在产出正确有价值结果。

现场有人，但没有人的视角是价值。

谁最接近FDE的工作方式

国内有四类人，在局部接近FDE的工作逻辑。

头部AI服务商的客户成功团队。 这个角色有明确的结果意识——客户续费、客户扩展，都和他们的绩效挂钩。但客户成功通常缺乏工程深度，很难处理生产环境里的技术问题。遇到系统层面的问题，要转交技术团队，链路一长，现场感就断了。

甲方内部的数字化转型负责人。 这是国内最接近FDE现场感的角色。他们懂业务、懂组织、在现场，知道真正的阻力在哪里。但缺系统方法论——每次落地都在重新摸索，没有可复用的框架，也没有把现场经验沉淀成资产的机制。每个人都在凭经验打仗，打完这场仗下次还是从零开始。

技术过硬的实施顾问。 这类人能处理工程问题，集成、调试、私有化部署都能做，有时候也会在现场待很长时间。但KPI是上线，陪跑和价值跟踪不在职责范围内。上线之后的事，不是他们的战场。

独立AI顾问。 视野通常是最完整的，有时候真的在做FDE的全套工作。但规模极小，方法论高度个人化，很难复制，经验也难以沉淀成团队级别的资产。

这四类角色，各自覆盖了FDE的一部分工作内容，如果转为FDE，需要做的就是从机制层面，和客户现场价值绑定。

判断一个岗位是不是FDE的四个问题

国内开始出现越来越多叫"FDE"、“AI落地工程师”、“AI解决方案架构师"的岗位。名字FDE了，工作内容不一定跟上来。

判断一个岗位是不是在做真正的FDE工作，不能看title，要问四个问题：

第一：是否真正进入现场找问题，还是按需求做方案？

会进入现场的人，第一件事是重新定义问题——不是接受客户描述的问题，而是通过观察真实流程找到真正的瓶颈。只做方案的人，拿到需求文档就开始设计，客户说什么就做什么，现场对他来说是交付背景，不是工作内容。

第二：是否做工程验证，还是只交付Demo？

工程验证意味着接真实数据、在真实环境里跑、用客户认可的评测标准量效果。Demo意味着在受控条件下展示能力，但条件一变结果就不一定成立。区别不是技术难度的高低，是工作对象是不是真实现场。

第三：是否关注生产化，还是做到验收就结束？

生产化的标志是：权限管理是否到位，异常是否有报警机制，回滚方案是否设计好，SLO是否定义并监控。如果一个项目上线后，没有人对这些负责，它只是跑起来了。做到验收就撤场的角色，生产化不在他们的工作范围内。

第四：是否把现场经验反哺产品，还是做完项目就结束？

这是FDE和高级外包最根本的分水岭。每个项目结束后，有没有把这次现场学到的东西带回来——更新评测框架、优化连接器、修订陪跑SOP？如果没有，经验只是个人记忆，不是组织资产。做完项目就结束，下一个项目还是从头摸索。

这四个问题，如果都是"是”，叫什么title都是在做FDE的工作。如果前两个是"是"，后两个是"否"，叫FDE也只是高级外包。

写在最后

国内AI落地市场不缺项目，也不缺做事的人。缺的是把每个阶段的动作和最终的价值结果连起来的机制，以及愿意对这个结果负责的人。

FDE这个角色在国内是分散的——发现归售前，交付归实施，稳定归运维，产品归产品，没有人对全链路的价值结果负责。不是谁的错，是激励结构把每个人推向了自己那一段。

这不是能力问题，也不是市场没有需求。是供给侧的激励结构，还没有建立起来。

下一篇讲的是甲方视角：如果你在企业内部，想把这套能力建起来，从哪里开始，怎么建。

感谢你看到最后，如果你觉得有启发，随手点个赞、在看、转发吧，如果想第一时间收到推送，也可以给我加个星标⭐我们下期见。

我是「AioGeoLab」主理人塔迪Tardi，AioGeoLab是深度洞察AI第一性原理和应用实践的前瞻性研究实验室，目前有两个主要研究方向：
「塔迪GEO判断工程」在AI从“说”到“做”进化阶段，试图回答，如何让AI敢于行动、不因为责任问题而畏手畏脚，而做的一个前沿研究项目。
「塔迪硅基禅心」是传统东方智慧、未来AI前沿、当下应用实践，深层共鸣的探索。不是用AI解读经典，也不是用经典指导AI。 这是一场跨越2500年的对话，在算法与古老智慧之间，照见意识、智能与存在的本质。
塔迪的微信 - tardyai2025。