过去两年，AI 行业的叙事重心经历了一次不易察觉但意义深远的转移。
2024 年，市场讨论的核心问题是"谁的模型更强"。参数规模、榜单分数、benchmark 排名是衡量一家 AI 公司价值的主要标尺。到了 2025 年，随着基础模型能力逐步趋同，行业焦点开始转向"谁能把模型用起来"——Agent 成为新的关键词，各类 Coding Agent、Browser Agent 层出不穷。
而进入 2026 年，问题再次前移：不是"能不能用起来"，而是"能不能在真实的业务里跑出结果"。
这个转变催生了一个概念的爆发——FDE（Forward Deployed Engineer，前端部署工程师）。Anthropic、OpenAI等头部公司都在大量招募 FDE，但多数人对其定义仍然模糊。FDE 不是售前，不是咨询，不是售后支持。它的本质是弥补平台产品和前台最终价值交付之间的 Gap——连上了，技术就能创造价值；没连上，再好的模型也产生不了结果。
自2006年创办秒针系统开始，明略科技便在中国实践FDE。二十年来，我们在广告营销、零售、金融等行业积累了超过2100家客户，核心能力始终是帮企业做数据治理和智能分析（Data Intelligence）。
2025年开始，随着公司Agentic AI技术的飞速发展，我们的业务结构发生了一次关键性的重组：在原有的数据智能服务之上，生长出了一个全新的品类——Agentic Service（智能体服务）。两者的区别用一句话概括：Data Intelligence是帮客户"看到数据"，Agentic Service是帮客户"用数据做事"。
这背后指向的是一个FDE带着一群AI Agent，通过Octo（章鱼）平台协同工作的新模式。目前，明略内部已经有超过1400名员工和3200多个AI Agent在该平台日常协作。
在近日举行的分析师分享会上，明略科技创始人、CEO兼CTO吴明辉围绕"AI Native 组织中的 FDE"进行了系统分享。
以下为分析师分享会纪要。
Q1：请系统介绍一下FDE的由来，以及它在AI Native时代发生的变化。
吴明辉：FDE（Forward Deployed Engineer）是Palantir首创的概念，指的是前端部署工程师。我们在2014年成立明略这个品牌时，英文名Mininglamp（Magic Lamp for Data Mining）就借鉴了Palantir，我们对FDE确实有很多研究和思考。
FDE不是有了人工智能之后才火的概念。从Palantir最初做大数据分析，派最好的工程师到客户现场驻场，这个概念就一直存在。传统的软件外包或交付公司，交付后对产品缺乏改进能力。但Palantir的一线团队既服务了前台客户，也把know-how拿回来改进了自己的中台产品，最主要的是数据治理，也就是ontology的编制。
这里面有一个核心原因是Context not Control。这一概念来自Netflix创始人哈斯廷斯的管理哲学：把所有信息的上下文充分授权给一线团队，让一线团队拿到信息后自己做决策，自下而上形成集体智慧和涌现。Palantir在军事场景也借鉴了这一理念。互联网公司的协同办公产品，本质上也是在组织里最大化共享Context。
所以FDE的本质是弥补企业IT中台和前台业务人员之间巨大的gap。如果没有连上这个gap，AI的能力也好，大数据的能力也好，都产生不了价值。
但在AI Native时代，FDE 模式发生了变化。大数据时代，FDE主要做客户端的数据治理工作，帮前线业务人员构建数据中台，share context给人。今天，每一个前台业务人员都有自己的AI Agent，context不仅要share给人，还要share给AI。AI中台不仅要share context，还要share skills、share算力、share模型网关。
所以在今天，FDE的本质是和客户形成共同目标（Objective），从客户那里拿到足够多的上下文（Context），在持续合作中把客户的品味（Taste）反馈给AI。这三样东西都是AI不知道的。当这些都拿到了，AI就能给出正确的产出。
未来的FDE，推理思考能力反而是次要的，因为这些可以被AI接管。更重要的是跟客户达成信任、沟通互动的能力。他更像一个sales，把客户真正想要的和客户的taste拿回来，AI就可以协助产出最后的结果。
Q2：明略的Octo 平台和上一代在线协同平台的差异在哪？为什么选择了开源？
吴明辉：今天AI写代码的能力已经强大到可以重新定义大型软件的开发效率。过去需要上千人开发数年的协作平台，今天几十个工程师配合AI就可以很好地完成核心功能。Octo的第一版由不到10位研发同事开发，很多用户在GitHub下载部署后反馈很好用。
我们之所以选择开源，是因为大型企业都希望拥有一个开源平台保护自己的 Context。在 AI 时代，这些Context数据是企业的核心资产。真正有价值的生产数据都在人和 Agent 的对话中，但上一代在线协作平台目前还不支持一键导出。
与此同时，很多硬件厂商也希望接入一个开放的AI协作生态。Octo的开源恰好提供了这样的基础。就像当年诺基亚、小米拥抱Android，共同构建了一个丰富的智能终端生态一样。我们相信，AI时代的协作平台也会走向同样的开放路径。
Q3：明略转型为 AI Native 公司的核心驱动力是什么？跟大模型公司之间是竞争还是合作？
吴明辉：明略自成立第一天起就在做AI，我们并非转型做AI Native的企业。过去二十年，我们的Data Intelligence始终在为AI积累数据。早在2020 年，我们便投入AI Agent研发。在AI 写代码的能力突破之后，我们抓住了机会快速上线，一直以来想做的事终于恰逢其时。
今天我们选择了专有模型策略。我们看到的机会是：foundation model具备通用能力，但进入到业务场景，客户要考虑性价比。同时，客户还需要安全地把私有数据跟模型能力连起来，既有模型训练能力、又能连接客户私有数据。客户当然需要聪明的模型，但更需要安全、可靠且成本可控，这就是明略的机会。我们自研的Mano-P等模型在全球权威榜单取得的领先成绩为我们服务客户提供有力的技术支撑。
Q4：客户转型 AI Native 普遍面临什么挑战？明略有何建议？
吴明辉：所有企业现在都非常关心这个问题。我们发现给客户提供 AI Native 系统建设时，不是简单把 Octo 部署上去就可以。我们还需要给客户配备一群"咨询型Agent"，内置科特八步法等转型框架，帮助 CEO 先想清楚如何运作，再设计转型路径。
明略的先天优势在于，我们有大量 AI Native 业务在推进。我们用AI改造专业团队，将方法论沉淀到Agent，类似于 OpenAI、Anthropic等AI公司与黑石、高盛的合作模式。未来我们不需要为客户派驻大量咨询工程师，一个 FDE 带着一群 Agent 就可以完成 AI 转型的交付。
最关键的一点：一号位必须亲自下场，对于还在探索中的企业，我们希望通过Octo平台和咨询型Agent，帮助他们缩短这个过程。
Q5：当企业具备AI 能力后，明略长期提供何种价值？
吴明辉：当前，企业AI Native转型需要系统的工程。我们的核心增长点在于Agentic Service。在广告营销等垂直场景中，用AI Agent团队直接交付业务结果。
长期来看，我们的商业模式是三层叠加：
第一层是按效果付费。客户按传统服务商的价格标准支付，我们按线索或GMV分成。
第二层是定制开发服务。企业上了AI Native平台后，大量业务场景需要开发专属Agent。上一代SaaS是给人用的软件，未来一个场景就是一个Agent。我们的FDE带着Agent帮客户完成开发，按token消耗收取服务费。同时我们在后训练自己的代码模型，以更低的成本交付，提升这部分业务的利润率。
第三层是私有化后训练服务。大型企业自建算力后，我们帮助客户在自有基础设施上完成模型的后训练和部署。很多企业需要优化token消耗、降低长期使用成本，这正是我们能持续提供价值的地方。
这三层不是替代关系，而是随着客户AI成熟度的提升逐步展开。即使企业具备了基础AI能力，在行业know-how、专有模型、工程化落地这些环节上，仍然需要专业的合作伙伴。
Q6：市场上有观点认为大企业的Token账单正在失控，明略如何帮助企业把Token转化为有效价值？
吴明辉：我们观察到Agentic任务正在驱动Token消耗量级快速增长。Agentic Service的本质是把复杂任务分解成子任务，一个完整的代运营任务消耗的Token量可能是普通对话式交互的上千倍。但确实有些企业负担不起，核心原因是一线员工在用Token处理低复杂度任务，而非驱动能直接产生收入的业务流程。
我们的解法是帮助客户合理利用Token，产出更高的价值。在Agentic Service场景下，我们不按Token结算，而是按业务结果分成。FDE自己就能看到收入和Token成本，能算P&L，每一个Token对应多少业务结果是可见的。在定制开发场景中，Agent的开发工作量本身可量化，我们按Token收取服务费，让客户为实际消耗的算力付费。
同时，我们认为企业也需要分层使用模型。高频低价值任务用专用小模型，高价值任务用能力更强的模型，这才是合理的状态。
关于明略科技
明略科技（2718.HK），成立于2006年，中国领先的具备自研模型能力的Agentic Service企业。2025年作为"全球Agentic AI第一股"登陆港交所。曾两度斩获吴文俊人工智能科学技术奖，多次入选Gartner、IDC相关报告，拥有2400余项技术专利及500余项软件著作权。
近年来，明略科技在Agentic AI领域持续突破：2024年，自研超图多模态大模型（HMLLM）技术成果斩获全球顶会 ACMMM 2024 最佳论文提名；2025年，全面推出DeepMiner 专有大模型产品线，其中VLA模型Mano登顶Mind2Web、OSWorld全球双榜SOTA；2026年，开源端侧 GUI-VLA 智能体模型 Mano-P，登顶OSWorld，ScreenSpot，MMBench等9个榜单，其中OSWorld专用模型榜单排名第一名；开源Apple Silicon推理SDK Cider，端侧推理提速最高约1.9倍；开源 Agent 协作平台 Octo，打造IOA时代Agent协同网络，并推出首款AI Native录音硬件Octic，将 AI Agent 能力从平台延伸至硬件，构建Agentic AI“模型-平台-硬件”闭环。
依托20年技术积累，明略科技已服务135家财富世界500强、约2100家品牌客户及超24万家企业用户，覆盖零售、消费品、汽车、3C等行业。