前線部署工程：一個交付層

資料來源#

摘要#

依照 ICONIQ 的業者定義，前線部署工程師是「在客戶內部嵌入，與客戶並肩打造解決方案，讓銷售工程與產品之間的界線消失」的工程師。這個職務由來已久，Palantir 的商業業務就是典型案例；但 2026 年是它不再只是某家公司特立獨行的做法，而成為一個層級的一年：一個有編制、有定價、各方爭奪的層級，位於模型或平台供應商與無法自行將產品部署至正式環境的企業之間。

本文探討這一層本身：它的定義、經濟門檻、人才供給，以及由誰擁有。至於變現的部分——FDE 營收究竟能增加利潤，還是被重新包裝成成長的服務成本——屬於單位經濟問題，請見 AI Product Economics Maturation；該文也整理了建置者一側的調查數字（約 305 位 AI 建置者中約 50% 正將 FDE 擴展為永久 GTM 模式；38% 將其定位為營收驅動因素；約 70/30 的基本薪酬／變動薪酬與留任掛鉤）。

這一層之所以存在，是因為有個落差，另一篇文章為它命名：Pilot-to-Production Gap。FDE 就是把這個落差轉化為人力編制。

從業者如何定義這個職務#

以下內容出自 ICONIQ 的 2026 State of Scaling（2026 年 9 月，empirical 報告；本節是其中 Pacesetter 的業者訪談資料，也就是來自五家自行挑選的投資組合公司的 practitioner-opinion）：

組織歸屬尚未定案，而這正是調查發現。 FDE「可以隸屬於多種組織架構：售後服務、R&D，或獨立運作；一致的模式是，他們緊密參與客戶部署與產品回饋。」沒有人對這項職能應向誰報告達成共識，只有它應參與哪些工作已形成共識。
目標人選是能動手建置的顧問。「受過顧問訓練、具備技術素養……招募能深入了解客戶工作流程與產品使用情況的實務工作者，而非傳統以維繫關係為主的 CSM。」這個職務「技術能力足以在產品中進行設定／建置，同時也能面向客戶，將客戶需求轉化為執行工作，而不必全面動用工程團隊。」
任務是促進用量。「在按用量計費的模式中，這個職務應持續發掘新的使用情境、推動採用，並將產品能力轉化為營收。」這直接仰賴 AI Product Economics Maturation 所追蹤的定價轉變：FDE 是讓用量計量開始轉動的人力工具，也因此這個職務是在按用量計價興起時同步擴張，而非更早之前。
它有雙重回報。「前線部署團隊處理軟體目前還做不到的事，而且能帶來雙重回報：現在加快營收成長，並從真實客戶資料中取得產品洞見，再回饋到平台。」這讓交付組織成為 workflow moat 的資料入口。

經濟門檻，以及這一層為何無法只靠擴編#

同一份資料比任何供應商都更直白地說明了限制：

「這個模式能促成大型、複雜的交易，但有明確的擴張限制：FDE 能協助贏下原本難以成交的客戶，並減少交接摩擦；但產能隨人數線性擴張，而且通常只有在 ACV 達到一定規模時，經濟上才行得通。」

「FDE 的經濟效益必須足以支撐人力成本：考量到高 OTE 與股權預期，這個模式通常只有部署到能帶來完全負擔成本 5–10 倍回報的商機上才合理。」

從中可以得出兩點，值得與各種熱烈說法分開看待：

公開的門檻很高。 完全負擔成本的 5–10 倍回報，不是服務利潤率目標，而是決定是否投入人力支援該客戶的門檻。這表示這一層天生就只會配置給大型客戶，而且這是資料庫中第一個理論上能拿來與損益表核對的數字。
線性產能就是一種承認。 這一層的前提是，代理式軟體目前還無法完成部署工作；因此，成長限制正是產品原本要消除的問題。如果部署數量增加時，FDE 人數能以低於線性的速度成長，這會是第一個證據，顯示這一層是過渡性成本，而非永久層級。

具體人力配置範本——ICONIQ 以某家公司的企業銷售模式為例：針對每個市場最重要的約 20–30 個客戶，組成專屬的「突擊團隊」；該模式「高度仰賴顧問式銷售，並以『銷售 AI 轉型』為核心，與客戶並肩建置」：

每個市場配置 1 位 GM / 1 位 FDE Lead / 2–3 位 AEs / 8–10 位 FDEs。

請留意這個比例：在一支銷售團隊中，工程師人數是銷售人員的三倍。公司會聘用擁有 20 年以上經驗、已建立人脈的策略型 AE，並在成交後轉任 AM。這個數字具體呈現了企業 AI 領域 GTM 與工程已經融合的說法，也是資料庫中最接近這一層生產單位的例子。

誰擁有這一層：三種答案，第三種是新出現的#

1. 模型供應商配置人力#

TechCrunch，2026 年 7 月（vendor-claim；所有數字都來自未公開的 Christian & Timbers 研究——這家招募公司靠販售它所宣稱的稀缺人才服務）記錄了前沿實驗室如何將業務向前延伸至交付端：Anthropic 的 Ode 和 OpenAI 的 Deployment Company 都配置了 FDE，「唯一目標就是深入企業、推廣自家技術」。報導所述的動機，是實驗室要在價格更低的開放權重競爭者面前找到獲利之道。

2. 客戶將職務納入內部#

同一來源中最具策略意義的發現，是企業選擇拒絕：企業組建內部 FDE 團隊，特別是為了不把自有的商業流程交給模型供應商——*「大家都擔心，只要交出自有商業流程，[AI 公司] 就能和他們競爭；在許多不同領域，這確實是真的。」*有文件佐證這種動機，但這種行為大多尚未被觀察到（Ode 的執行長表示，還沒有客戶要求它協助組建這類團隊）。這個問題收錄於 AI Product Economics Maturation。

3. 系統整合商配置人力（2026-09-08，`vendor-claim`）#

Accenture 與 Google Cloud 宣布成立 Accenture Gemini Enterprise Business Group，主要承諾在於打造交付層：Accenture 與 Google Cloud 表示，該團隊「將為 Gemini Enterprise 建立一支 1,000 人的前線部署工程師（FDE）團隊」，並以 Accenture「近 50,000 位具備 Google Cloud 技能的人才」為基礎，由 Google Cloud 培訓他們建置客製化代理式應用程式。該團隊提出四項優先工作：加速採用、打造可重複使用的產業解決方案、「透過專責能力中心，彌合 AI 實驗與企業規模轉型之間的落差」，以及推動已建置產品的使用。唯一具名的成果案例是 YouTube：NFL Sunday Ticket 需求暴增期間部署了一個 Gemini Enterprise 代理程式；兩家公司稱，這讓客戶情緒指標提升 11%，並使平均處理時間降低 37%——沒有獨立查證、沒有基準數據，也沒有使用量資訊。

這是第三種所有權模式，不是前兩種的變體。 FDE 關係——以及這一層所產生、編碼成知識的流程——由第四方擁有；它既不是模型供應商，也不是客戶，而是一家全球 SI。根據其自述的 About 資訊，這家公司有約 799,000 名員工、約 9,000 家客戶，FY25 營收約 700 億美元；它與客戶的關係可能比任何單一平台選擇都更長久。詳見 Accenture。

這對客戶內部建置的動機有何影響，確實難以定論，值得把問題說清楚，而不是急著下結論。企業明確擔心的是：供應商可能利用其流程向技術堆疊上游擴展。SI 不販售競爭軟體，照字面來看確實回應了這項疑慮。但 SI 也會以同一批受認證員工，為同產業的客戶競爭者提供服務，並交付相同的「可重複使用、因產業而異的解決方案」；這只是讓同一套流程知識沿著不同途徑擴散，而新聞稿本身也直言不諱地如此描述（從客戶部署打造產業專用加速器）。因此，客戶內部建置的動機與 SI 路徑並不能互相取代；如果買方抱持前一種疑慮，沒有理由因為第三種模式就感到安心，而新聞稿也沒有聲稱情況相反。

新聞稿並未說明這 1,000 位 FDE 由誰聘用（Accenture、Google Cloud，或由雙方共同聘用）、如何計費、人數何時到位，或訓練課程的內容為何。這些正是決定變現問題的變數，因此這個來源只能證實公布了什麼，無法說明實際成效。

兩個 `vendor-claim` 來源中的人數計算#

Christian & Timbers 估計美國市場有約 17,000 位 FDE，其中只有約 2,000 位具備產業知識與應用 AI 經驗，能勝任交付——*「不是有 2,000 位可用……總共就只有 2,000 位。」*如今有一項公告聲稱要配置 1,000 人，相當於全美頂尖人才池的一半，或總供給的約 6%，服務於單一公司的單一平台。

這兩個數字都是來自立場相反方的 vendor-claim（招募業者靠宣稱人才稀缺來銷售服務，SI 則銷售人力產能），因此兩者都無法校準對方的說法。不過，新聞稿本身提出了調和兩者的關鍵資訊：Accenture 的 1,000 人將透過訓練與認證，以「近 50,000 位具備 Google Cloud 技能的人才」為基礎培養，而非從市場招募。SI 路徑是從現有顧問團隊中培育 FDE，而非爭搶那 2,000 位人才。如果實際情況如此，C&T 的稀缺數字不是錯了，而是適用於一個最大供應商已決定退出的勞動市場。這也讓品質問題換了方向：受訓顧問從顧問端滿足 ICONIQ 所說「受過顧問訓練、具備技術素養」的條件；實驗室端的 FDE 則從工程端滿足同樣條件，而資料庫中沒有比較兩者的內容。

同一篇 TechCrunch 報導已預見這種發展——「最大的顧問與服務公司表示需要比目前多 10 倍的 FDE 人數（每支團隊 20–100 人）」——但若以每家公司 20–100 人、再擴大十倍計算，報導所推估的上限仍比 Accenture 兩個月後宣布的人數低一個數量級。

在計算比例前，先留意規模並不相符。 ICONIQ 所說每個市場配置 8–10 位 FDE，指的是軟體供應商針對自家最重要的 20–30 個客戶所設置的部署組織。SI 為平台整體客戶群服務、規模達 1,000 人的團隊，不是 100 組這樣的單位；它代表另一種單位，其客戶密度、人員使用率與計費依據都未公開。兩個數字不應直接拿來計算比例。

需求面：買方想要這一層，而且希望合約期限短#

以下數據出自 ICONIQ 的 AI 軟體企業買方調查（2026 年 6 月，n = 132；這是一份附加於營運資料報告的小型自陳調查）：

73% 的買方對前線部署工程師持正面看法——ICONIQ 的解讀是：「這是真正的優勢，不只是時髦的新職稱……供應商若能派工程師進駐、讓客戶快速上線，就會有明顯優勢。」
65% 的買方偏好一年或更短的合約，「因此，售後價值創造與客戶拓展至關重要。」
43% 的買方表示，續約前提供用量與 ROI 資料，是最能改善續約流程的因素；這個比例約為其他因素的 3.5 倍。

合在一起看，這三項數據呈現同一種立場，也正是 Seven Powers Applied to AI 的預測：隨著鎖定效應減弱，買方不願長期承諾，轉而要求供應商持續證明價值；FDE 就是以人力編制形式呈現的價值證明。這也解釋了本文第三種模式中的既有業者行為。SI 在模型供應商的平台上配置 1,000 名工程師，並非採取反向定位，而是跟進短約所凸顯的關鍵層級，運用新創公司無法迅速複製的資產：一支已有 50,000 名認證顧問、並嵌入約 9,000 段客戶關係的團隊。

買方這一側的需求訊號與此恰好相映：1,719 位 McKinsey 受訪者中有 32% 因為能用代理式編碼工具自行建置，至少拒絕購買一項軟體產品。企業想要客製化軟體並自行建置，以及企業付費讓供應商派工程師進駐、替他們打造客製化軟體，反映的是同一種需求——想要量身打造的產品，而非現成產品；兩者的解決方向相反，差別在於買方是否相信自己具備內部能力。這兩項數據都沒有說明哪一種解決方式會勝出。

所有權模式都缺少的資訊#

資料庫中沒有任何來源公開 FDE 工作的利潤率——實驗室沒有、SI 沒有、ICONIQ 的建置者沒有，而 7 月那篇談論此職務長達 2,000 字的報導，也完全沒提價格。上文所述的完全負擔成本 5–10 倍回報門檻，是目前任何人提出的最接近經濟測試的指標，但它是部署選擇規則，而不是實際成果。變現問題仍留在 AI Product Economics Maturation。

待解決的問題#

1,000 位 FDE 從哪裡來？ Accenture 與 Google Cloud 表示，這支團隊將透過訓練與認證，以約 50,000 位已具備 Google Cloud 技能的 Accenture 專業人員為基礎；但資料庫中的招募端估計，整個美國市場能勝任交付的人才總數約為 2,000 位。如果 SI 路徑是將顧問轉訓，而非聘用工程師，稀缺人才的說法就不再成立，品質問題則會取而代之。可從 Accenture 自行刊登、職稱含 FDE 的職缺與其認證資訊進行查證，也可查看未來一年內公布的 Gemini Enterprise 認證人數。
這一層有沒有可能以低於線性的速度擴張？ ICONIQ 的業者表示，產能「隨人數線性擴張」——而這正是代理式交付原本要消除的限制。是否有供應商或 SI 報告部署數量成長速度高於 FDE 人數？還是這一層會永久維持線性擴編？只要有供應商公開兩年間每位 FDE 負責的部署數量，就能回答這個問題；但資料庫中一次也沒出現這項比例。
由 SI 配置的 FDE，與由供應商配置的 FDE，是不同產品嗎？ 兩者從相反方向滿足 ICONIQ 所說「受過顧問訓練、具備技術素養」的條件（一方是受訓使用平台的顧問，另一方是受訓了解客戶的平台主管工程師），但沒有來源比較兩者在成果、留任或部署至正式環境所需時間上的差異。若有一份買方調查依嵌入工程師的聘用方分類滿意度，就能用來回答這個問題。

資料來源#

2026 State of Scaling: The Great Sorting — ICONIQ Venture & Growth，2026 State of Scaling: The Great Sorting（2026 年 9 月，empirical；52 頁 PDF，以 docling 解析）。本文引用其中 FDE 定義、組織歸屬、職務輪廓與任務內容，以及完全負擔成本 5–10 倍的經濟門檻（第 32–33 頁）；企業突擊團隊人力配置範本：每個市場 1 位 GM / 1 位 FDE Lead / 2–3 位 AEs / 8–10 位 FDEs（第 26 頁）；關於工作流程防禦力的業者引言（第 28 頁）；以及企業 AI 軟體買方調查（2026 年 6 月，n = 132：73% 對 FDE 持正面看法、65% 偏好不超過一年的合約、43% 表示續約前提供 ROI 資料最有幫助）。同一份文件內有兩個層級：FDE 調查與業者引言是五家自行挑選的投資組合公司所提供的 practitioner-opinion；買方數字則來自小型自陳調查——兩者都不是該報告 empirical 層級所指的營運資料主體。報告中的每個 n 都代表公司季度，而非公司數量；樣本選擇、COI 與解析警示請見 ICONIQ
Forward-deployed engineers are the AI industry's latest talent obsession — Rebecca Bellan，TechCrunch，2026-07-30（vendor-claim——所有數字都來自 Christian & Timbers 未公開的研究；這家招募公司一邊招募該職務，一邊宣稱人才稀缺，研究內容「僅提供給 TechCrunch」）。本文引用其中約 17,000 位總人數／約 2,000 位可勝任交付的供給估計；最大型顧問與服務公司所稱需將 FDE 人數增加 10 倍（每隊 20–100 人）；Ode 與 OpenAI 的 Deployment Company 作為實驗室旗下交付部門；以及為保護專有流程而將職務納入內部的動機。未談定價、綑綁或利潤率。完整處理見 AI Product Economics Maturation
Accenture and Google Cloud Deepen Partnership with Formation of New Accenture Gemini Enterprise Business Group — Accenture 新聞室新聞稿，2026-09-08（vendor-claim，約 1,120 字；內容也刊載於 googlecloudpresscorner.com，本文僅採用 Accenture 版本）。本文引用其中 1,000 人 FDE 團隊承諾、約 50,000 位具備 Google Cloud 技能的人才基礎、團隊四項優先工作、Accenture 規模數據（約 799,000 名員工、約 9,000 家客戶、FY25 營收約 700 億美元），以及 YouTube／NFL Sunday Ticket 代理程式案例（客戶情緒提升 11%、平均處理時間縮短 37%）。**全文皆為第一方資料：**引言來自 Accenture 董事長暨執行長 Julie Sweet，以及 Google Cloud 執行長 Thomas Kurian；唯一的第三方聲音是 Everest Group 的 Yugal Joshi，他在新聞稿中提及 Everest 自己將 Accenture 評為領導者，因此這是新聞稿提供的背書，而非獨立分析——內文有具名引用，但僅單一來源，且沒有實體頁面。新聞稿未說明 FDE 的聘用方、計費模式、時程或課程內容，也未提供 YouTube 數字的驗證。未用作 vault 證據的新聞背景：Sweet 曾向 Wall Street Journal 表示，客戶說「我們懂了，但事情還是沒發生，請幫我們實現」——這是以服務銷售角度描述 pilot-to-production gap，經由二手引用，且未納入資料
State of AI 2026: The Builder's Economy — ICONIQ Growth，State of AI 2026: The Builder's Economy（2026-07-08，empirical，約 305 位高階主管）。本文僅用於建置者一側的需求背景（約 50% 將 FDE 擴展為永久 GTM 模式；38/24/22/17 的職務分布，N=200；約 70/30 的薪酬比例）。完整分析見 AI Product Economics Maturation

前線部署工程：一個交付層

資料來源#

摘要#

從業者如何定義這個職務#

經濟門檻，以及這一層為何無法只靠擴編#

誰擁有這一層：三種答案，第三種是新出現的#

1. 模型供應商配置人力#

2. 客戶將職務納入內部#

3. 系統整合商配置人力（2026-09-08，vendor-claim）#

兩個 vendor-claim 來源中的人數計算#

需求面：買方想要這一層，而且希望合約期限短#

所有權模式都缺少的資訊#

延伸閱讀#

待解決的問題#

資料來源#

3. 系統整合商配置人力（2026-09-08，`vendor-claim`）#

兩個 `vendor-claim` 來源中的人數計算#