日前，在蒙牛总部一间会议室里，来自销售、研发、供应链等业务部门的多名员工轮番上台展示，自己如何用WorkBuddy改造日常工作，提升效率。

比赛之外，蒙牛也开始考虑把其中一部分人继续往FDE（前线部署工程师）方向培养，推动Agent真正接进企业工作流。

类似的尝试已经不只发生在蒙牛。中远海运特运今年开始在内部实施FDE模式，中远海控也把FDE纳入人才建设方向。

在另一端，腾讯、阿里等AI厂商正在把越来越多FDE送进企业，希望借这些人深入业务现场，让Agent真正跑起来，并把一线暴露出来的问题带回产品进行迭代。

微妙的边界开始出现：一边是AI厂商借FDE继续往企业的核心流程里走，希望让Agent接触更多真实工作流；

另一边，企业也在培养自己的FDE，希望在开放场景的同时，把对业务、流程和数据边界的判断更多留在内部。

这套分工最终会稳定在什么位置，目前还没有答案。

FDE的走红说明办公Agent的竞争已经开始从产品本身，进入到大厂与企业如何重新组织协作关系的阶段。

FDE打头阵

今年以来，办公Agent已经成为大厂AI竞争最拥挤的战场之一。

腾讯在6月推出WorkBuddy企业版，阿里7月将QoderWork、悟空、MuleRun整合为“千问办公”并开始测试，字节也进一步整合飞书与豆包相关团队。

产品形态虽然不同，方向却越来越接近：AI开始直接读文件、做表格、调用软件，再进一步接进企业内部的知识、系统和流程。

但AI真正进入企业，并不是把一个Agent装进电脑就结束了。

除IT等部门外，业务人员虽然最清楚自己的工作痛点，却未必了解模型和Agent的能力边界，也很难判断一项业务应该怎样被拆成AI可以执行的任务；反过来，AI公司最懂AI，却不可能天然知道一家企业的订单的流转等。

产品和业务之间因此需要一个“翻译者”，既能把企业的问题翻译成AI可以解决的任务，也能把对企业的业务理解用于AI可持续的迭代。

FDE也因此被推到前线。

FDE即Forward Deployed Engineer，通常译作“前线部署工程师”。相比传统售前或实施，FDE更靠近客户真实业务：进入一线挖掘值得AI改造的场景，再把模型、Agent、数据和系统拼成可以跑起来的工作流，并将过程中暴露的问题带回产品侧。

Palantir正是把这套模式做到极致的公司之一，其FDE长期进入客户现场解决具体问题，再把反复出现的业务规则、数据关系和需求沉淀回产品体系。

在这一轮办公Agent竞争里，这套打法有了更直接的商业意义：一个Agent想要真正进入企业的日常工作，仍然需要有人到一线找场景、接系统、改流程，并推动员工们把Agent真正用起来。

国内大厂已经开始为FDE开出高价。公开招聘信息显示，字节跳动“豆包AI大模型FDE”月薪为3.5万至7万元、15薪，最高年薪约105万元；蚂蚁数科B端FDE月薪为4万至6万元、15薪；智谱华章FDE负责人月薪达到6万至8万元。

高薪争抢的背后，FDE承担的也不只是项目交付。

办公Agent开始操作浏览器、读取文档和调用企业系统之后，一项任务如何被拆解、工具在哪一步调用失败、用户为什么返工，都会形成完整的工作反馈。对于AI公司而言，真正进入这些工作流，意味着产品第一次可以在真实任务里持续暴露问题，并据此继续优化Harness、模型和产品。

因此，围绕办公Agent展开的竞争正在进一步从产品能力延伸到真实工作流。FDE站在其中最靠近企业业务的一端，负责把Agent真正送进去，也把现场发生的任务和问题重新带回来。

但当AI公司不断向企业内部推进时，另一种变化也已经开始发生。

大厂往里走，企业自己培养

据华尔街见闻·全天候科技近期在企业的实地走访情况来看，一些公司已经开始在引入办公Agent的同时，培养自己的“FDE”。

蒙牛就是其中之一。8月11日，全天候科技在蒙牛总部看到，45名员工正在参加一场Workbuddy的AI应用路演。

在这场比赛中，IT人员并不是主要参与者。蒙牛主要从28个一级事业部选出200名“AI先行官”，其中数字科创部只有3人，更多人来自销售、研发、供应链等业务部门。

蒙牛有意降低IT人员的比例，主因在于业务人员“自带场景”。他们最清楚每天有哪些工作重复、哪些流程最耗时间、哪些环节最容易出错，但这些人过去未必知道模型和Agent已经能做到什么，也未必具备用AI重新设计工作流的能力。

蒙牛选择先让业务人员接受培训，再从真实工作里寻找可以被AI改造的部分。

据蒙牛向全天候科技介绍，公司考虑从这些业务人员中培养一批自己的“FDE”，并计划建立L1到L3的AI先行官认证体系。其中L3不仅需要会用AI，还要能够理解业务需求、搭出解决方案并持续跟进效果；同时蒙牛数科团队内部也已经成立专门的AI FDE团队。

这背后首先有一笔现实的成本账。

大型企业内部的AI需求往往高度分散，销售、研发、供应链、财务等部门都会不断冒出新的场景。如果每找到一个场景，都要等待外部工程师重新理解业务、搭方案、接系统，场景越多，交付成本就越难摊薄。

蒙牛低温新零售业务负责人徐飞雄坦承，业务团队本身承担业绩压力，不可能为了AI提效再单独增加一批IT人员，更多时候需要让原来的业务人员自己学会使用和改造AI。

但更深一层的意义或许还在于，企业或许更希望把这种能力沉淀在自己的体系里。随着Agent开始进入订单、供应链、研发、财务等核心流程，FDE越来越靠近企业自身的数据资产和业务资产，这部分能力很难长期完全交由外部团队掌握。

当然，这种安全和数据边界同样在大厂的考量范围内。

腾讯智慧零售行业解决方案专家闵利铭向全天候科技表示，前一阶段更多还是让员工先把WorkBuddy用起来，解决个人重复性工作；再往下一步，则会进入“深水区”。

“下一个阶段就进入到深水区了，坦白地讲这是特别有挑战的深水区。”闵利铭表示，腾讯接下来会与蒙牛数科团队共同评估哪些系统、哪些数据可以开放给AI，哪些系统的数据价值最高、应该优先接入，并通过MCP等方式逐步打通。与此同时，模型调用还需要经过蒙牛内部的大模型安全审计网关，数据连接必须建立在安全边界之内。

蒙牛并不是孤例。

中远海运特运今年3月开始在内部实施FDE模式，直接选派18名数字化专业人员常驻业务一线，参与业务例会、走访岗位并梳理提单处理、航次调度、箱务管理、半潜船配载等具体流程，打通“技术”和“业务”的壁垒；中远海控则已经把FDE写进2026年的公司人才建设方向。

这些变化勾勒出了FDE在企业AI落地中一层更微妙的关系：大厂借FDE走进企业更深处，企业则希望把最核心的业务理解留在自己手里。

共建：或许更现实解法

如此来看，FDE并不一定只能在“大厂外派”和“企业自建”之间二选一。

随着Agent进入更深的业务流程，一种更现实的合作方式可能是双方共同建设FDE能力。

AI厂商掌握Agent的Harness等工程能力，但也需要真实工作流不断暴露问题；企业最懂自己的业务流程、数据权限和组织规则，也需要借助外部技术把这些场景真正跑起来。

单靠任何一方，都很难独立完成从场景发现、系统接入到持续迭代的完整链条。

对AI厂商来说，这种共建还有另一层现实意义。

办公Agent最终要做成的仍然是一门产品生意，而不是一门依靠不断增加驻场工程师来扩张的人力生意。

FDE进入企业更重要的价值在于先把标准产品暂时覆盖不了的问题找出来，再把这些问题逐步沉淀进Harness、Skill、连接器和产品能力里。

理想状态下，同一类问题在第一个客户那里需要FDE反复调试，到了第二个、第三个客户时就应该有更多部分可以直接复用。

只有这样，前线交付才会不断反哺产品，办公Agent的边际收益也才能随着客户数量增加而变得更“厚”。

从这个角度看，共建FDE可能首先更适合蒙牛这类大型企业。大型企业有更复杂的系统、更长的流程和更多真实场景，也更有条件配置自己的业务、数据和技术人员与AI厂商长期协作。

大型企业也恰好可以成为办公Agent继续产品化的一块“试验田”。在合法合规和数据边界清晰的前提下，FDE与企业共同解决的具体问题都可以继续沉淀进Harness、Skill和产品能力。

Agent由此学会的并不是某一家公司的“家底”，是处理一类企业问题的方法。

今天需要FDE陪着一家大型企业反复跑通的流程，未来如果能够更多被产品直接承接，到了中小企业那里就不必再复制同样重的交付模式。

某种程度上，共建FDE可能正是这场微妙博弈里更现实的中间解：AI厂商继续往前走，企业也不必把自己完全交出去。