" 云大厂又要开始下场干重活了吗？"

近期，亚马逊云（AWS）斥资 10 亿美金组建 "AI 驻场工程师 " 团队，这个看似 " 开历史倒车 " 的重资产举动，在科技圈引发了不小争议。

要知道，长期以来，国际云巨头们最喜欢讲 " 极致标准化 " 的故事：开放公有云 API 接口，然后躺着数钱。至于重型驻场？基本是没有的。

但在 2026 年的今天，这种躺着卖标品的模式，可能要变了。

AWS 正花费 10 亿美元，组建一支数千人的 " 嵌入式 AI 工程师 " 团队，也就是 FDE（前线部署工程师），直接开进客户办公室，手把手帮企业落地 Agent，搭建 AI 生产系统。

这并非孤例。

谷歌、OpenAI、Anthropic、Meta 等 AI 与云巨头，最近半年都大力设立 FDE 岗或专项公司，总投入已超过数百亿人民币；国内的阿里、字节、腾讯等大模型兼云大厂，也都在今年上半年密集拉起了 " 驻场铁军 "。

" 深度驻场 "、" 高级外包 "、"IT 施工队 " ……这些略显负面、过时的标签，如今又出现在了 AI   云巨头们的叙事里。

曾经追求躺着赚钱的云巨头们，为什么在 AGI 时代突然热衷于对客驻场了？会重蹈国内云大厂们曾经的 " 无限定制化 " 覆辙吗？从躺着收租到驻场施工，这一戏剧性反转背后，究竟藏着怎样的行业变化？

01

AWS 真的想干重活吗：两代驻场，有何不同？

AWS 嵌入式 AI 工程师要干的活，并不轻松。

首先，他们需要具备高技能。大模型微调、Agent 多层编排、RAG 等高级算法优化，以及精细化 token 降本……这些 AI 工程能力，不能掉链子。

其次，他们不仅要在技术上给方案，还要能卷起袖子帮客户写底层代码、做数据清洗、甚至重构业务流程。

这也难怪一提到 FDE 岗，不少人脑子里会冒出 " 无限定制化 "、" 被客户牵着鼻子走 "、" 高级外包专家 " 等阴影标签。

但问题是，云大厂在 AI 时代的对客驻场，会和此前云计算时代，给政企客户做私有化部署时一样吗？

起码 AWS 给出了一个不一样的尝试。

雷峰网观察到，AWS 对 " 嵌入式 AI 工程师 " 的服务，做了至少三方面的限制。

首先是交付物的本质不同。

为了避免陷入 " 无限定制化 " 的泥潭，AWS 这次界定了 FDE 驻场交付的核心，不是应用层的定制代码，而是 " 语义层 " 和 " 知识图谱 "。

在 AWS 的规划中，工程师进驻客户现场，主要任务是在客户的 AWS 账户里部署一个标准化的语义层。

" 所谓语义层，就类似一个翻译器，会把客户零散的企业数据、规章制度连接起来，生成一个由 AI 驱动、受治理的知识图谱，以保证工程师撤走后，客户自己的 AI Agent 可以在这个图谱上进行推理和运转。" 一家上海 IT 咨询公司合伙人张晓峰解释道。

交付物明确而具体，就不会陷入抓不住重点的无限定制中去。

其次，AWS 还祭出了一个大招：打破 " 按人头计费 " 的旧传统，按结果或固定增量计费。

在以往，尤其服务政企客户的驻场中，云大厂往往被动卷入传统集成商的泥潭，项目也常常被死死绑定在按人头或工时计费的结算方式里。

这种模式存在天然悖论：客户希望花最少的钱干最多的事，拼命压榨驻场人员。于是项目工期越拉越长，云大厂的毛利被高昂的人工成本逐步吞噬，最终做一单亏一单。

而这次 AWS 在推出 10 亿美元 FDE 计划时，明确规定：FDE 将基于 " 固定价格的结果 " 进行收费，而不按人头计费。

大厂和企业客户在进场前就会对齐一到两个非常具体的目标，比如：用 AI Agent 将开票审计流程从 3 天缩短到 45 分钟。目标达成，项目即宣告交付。

这种 " 结果导向 " 逼着双方必须聚焦在核心业务痛点上，防止客户无限索要 " 顺手做个小功能 " 的需求。

与此同时，AWS 在驻场周期上进行了严格限制，从 " 数月 " 缩短到 " 数周 " ，也就是 "AI-45 法则 "。

为了降低驻场成本，AWS 内部为 FDE 团队制定了极其严苛的 "AI-45 交付法则 "：45 分钟，从客户痛点碰撞出一个 AI 想法；45 小时，做出一个可运行的原型；45 天，完成客户现场的嵌入与最终交付。

" 硅谷的 OpenAI 和 Anthropic 现在的驻场也是类似的‘闪电战’模式。" 张晓峰补充道。

" 驻场时间控制在几周之内，意味着大厂的工程成本是锁定的、可控的，避免陷入长期拉锯的‘驻场泥潭’。"

02

但这种驻场就一定不会烂尾吗？

答案是不一定。

" 根源在于，日新月异的 AI 技术、不够成熟标准化的 AI 产品，以及稀缺的复合型人才，再遇上客户复杂的 AI 期待，会让项目充满了很多不确定性。" 前 AWS 首席架构师费良宏表示。

在他看来，FDE 是一种眼下很稀缺的复合型人才，需要在客户现场兼任项目经理、开发、架构以及 AI 实现等职能，能够主导项目并引导客户最终实现 Agent 等 AI 产品的落地。

而那些没有经验和技能，仓促转型上岗的 FDE，很可能由于缺乏底气与能力，导致像外包工程师一样被客户牵着鼻子走，最终把项目做烂。

而且，由于 Agent 行业太新且发展极快，即便是海外有经验的传统 PM 或咨询顾问，在面对 AI 与业务流程结合的实际落地时也会面临经验不足、无法向客户自证的 " 两难 " 困境。

" 以前的咨询顾问还能凭借信息差，不论是 IT 还是所谓的先进经验，唬住客户，但现在 AI 技术日新月异，大家都处于同一起跑线，想要抗住客户的质疑，说服他该怎么搞，并不容易。" 费良宏谈到。

尤其是，眼下的 AI 产品还不是一个成熟的标品。

传统云计算是明确的 " 标品 "，客户对其使用路径非常清晰，技术客户经理或解决方案架构师，只需在选型配置、性价比等细节上提供支持。

但在 Agent 和 Token 时代，AI 交付的只是如同 " 钢筋水泥 " 般的原始毛坯素材，怎么用、怎么用得好完全没有标准答案。

而且，以前大厂信奉的 API 接口模式只是讲给技术人员听的，无法与业务和流程管理人员沟通；而现在的 Agent 复杂在任何业务方的人都能参与进来，提出需求，更增加了 FDE 岗位的难度。

" 大家还都在探索。" 费良宏坦言。去年股价飞涨、知名度大涨的 Palantir 公司，算是 FDE 做得久，做得好的，但 Palantir 主要服务于美国政府和国防部这类有限的客户场景，并非完全开放的竞争化市场，所以其样本不具备大规模复制的特性。

而像 OpenAI、Anthropic 这类大模型厂商，在 FDE 方面的积累和实践也才刚刚起步，沉淀的经验还不够充分。

这种情况，放在中国，还会更加复杂。

目前，雷峰网从多方了解到，国内云大厂也在组建 FDE 团队，但建制不一。

有的还是混在 SA 条线或大类里，有的会从各处抽调选拔人才，组成单独团队，直接向更高层级的管理层单独汇报，他们的工作重点基本都在于帮助客户梳理流程，提升 token 用量。

在国内云销售王剑看来，硅谷大厂们一定程度上 " 太矫情 " 了。对客驻场服务，在国内属于标准服务。" 就是传统云时代里，服务经理、服务专家干的活，只是现在换了种叫法，叫‘大模型专家服务’。"

" 但尴尬的是，国内 FDE 岗位给不上价。" 一位证券公司 IT 分析师刘刚告诉雷峰网，尽管看上 FDE 是搞 AI 的，技术含量更高，但客户还是不愿意为此付费，因为在他们眼里，这和 IT 施工队模式没有区别。" 客户还把你当人头看，而非专家，于是又落到了定制化的老路里。"

而且，国内相关领域里，卷的公司太多了，全都是以前做软件咨询交付的公司。" 其实就是实施，之前就有很多算法类的交付，现在有各种工具了，于是就又偏向方案背景的人才。在国内，FDE 这个岗位本身都快烂尾了…… " 一家猎头公司负责人刘宁无奈道。

更多国内 AI 大厂 FDE 岗位详情与实际体验，欢迎添加作者微信  xf123a  交流。

03

云大厂热捧 FDE，

抢了谁的饭碗，又为谁做了嫁衣？

在 AI 和云大厂们纷纷对客驻场的大趋势下，有种说法是，云大厂正在从 MaaS（模型即服务）走向 CaaS（顾问即服务）。

以前大家赌的是谁的模型参数大、谁的 API 便宜。现在大家发现，AI 的竞争最后变成了服务业。谁能帮客户把 AI 真正用起来，谁才能锁定未来的算力订单。

AWS 投入 10 亿美金，其实是在为未来的几百亿美金云算力消耗 " 买路 "。

而这动了传统咨询和外包巨头的奶酪。

不少 IT 业内人认为，AWS 们的这一动作，直接把战火烧到了埃森哲、麦肯锡、IBM、以及类似软通动力、中软国际等传统 IT 咨询和外包巨头的腹地。

在过去，云厂商主要卖技术，外包商负责干脏活。但现在，拥有自研模型和芯片的云厂商不仅亲自下场，而且他们派出的驻场团队由于背靠原厂第一手模型和芯片，在解决大模型调试优化时的效率，直接拉开了与传统外包商的技术代差。

科技巨头正在利用自己的底层技术优势和 FDE 岗，蚕食传统外包行业的上游奶酪。

不过与此同时，云大厂花重金帮助客户落地 AI，可能会让另一类玩家搭上便车，反过来对云大厂造成威胁。

" 当前 AI 驱动的云计算市场，其复杂程度比以往更高，传统的云计算阵营正在面临‘新云（NeoCloud）’的冲击。" 费良宏告诉雷峰网 ( 公众号：雷峰网 ) 。

在海外，以 Lambda Labs、CoreWeave 为代表的 NeoCloud 厂商主要以 AI 为导向，提供算力和 Token Factory（Token 工厂）模式，国内则有类似硅基流动这样的对标企业。

在他看来，随着云大厂 FDE 岗位加速客户 Agent 落地，未来企业在成熟 AI 生产系统下，主要以消耗 token 和灵活部署应用为主，对传统云的存储、计算、网络依赖会变低，转而主要依赖 API 和 token 生成。

而这会使得新一代的 NeoCloud 阵营更占优势，传统的云计算巨头反而可能逐渐走向弱势。正如美国市场上，现在卖 GPU 和 token 发展最快的，也已经不再是传统的老字号云大厂了。

04

结语

回到最初的问题：云大厂真的想干重活吗？答案显然是否定的。它们咬牙把   AI 工程师们送上又苦又累的驻场前线，是为了在 AI 时代的初期，帮客户打通 AI 落地最后一公里。

只是，这场精心算计的 " 新驻场生意经 " 最终能否如愿以偿，影响因素是复杂的。而云大厂们的这一举动，最终是肥了自己的 token 营收，还是为旁观的 " 新云 " 新贵们做了嫁衣，犹未可知。

本文作者长期追踪海外 AI 巨头资本动态、前沿技术和幕后故事，欢迎添加作者微信 xf123a 互通有无。