在北大医学未来学习中心， 卓越睿新的 FDE 团队与基础医学教师并肩工作了数月。 他们不是来卖系统的， 而是把课堂里「讲不清、 看不见、 做不了 」的痛点， 逐条翻译成可运行的数字化教学资产。 这种被业内称为 FDE ( Forward Deployed Engineer， 前线部署工程师 ) 的工作方式， 正在成为 AI 产业从「能演示」走向「能交付 」的关键分水岭。

AI 落地的鸿沟： Demo 很丰满， 生产很骨感

2026 年， AI 行业正经历一场集体反思。 过去三年， 企业比拼的是模型参数规模和评测榜单； 进入 2026 年， 共识已经转向： 模型能力不再稀缺， 能在真实业务场景中跑通、 产生可量化回报的能力， 才掌握定价权。

一个被反复提及的行业痛点是——大量企业采购了大模型， 但项目停在演示阶段。 一进生产就撞上各种墙： 老系统连不上、 数据散落各处、 业务方说不清具体需求、 合规权限过不了关。 从 Demo 到真正能用的成品之间， 横亘着一道巨大的「履约鸿沟」。

这道鸿沟在高等教育场景尤为突出。 高校学科体系庞杂、 教学标准严格、 知识容错率极低—— 一个医学概念的偏差可能误导未来的临床决策， 一个物理公式的简化可能动摇整个知识链条的严谨性。 通用大模型「什么都懂一点、 什么都不精 」的短板， 在这里被放大到极致。

FDE 为什么突然成了行业「硬通货」

FDE 并非新概念。 它最早被海外科技公司用来描述派驻客户一线的「产品化工程师」——既不是传统售前， 也不是后台研发， 而是一手扎根真实业务现场、 一手握着工程能力的复合角色。

但 2026 年， 这个角色突然被推到了产业舞台中央。 标志性事件是： 今年 5 月， OpenAI 宣布成立 OpenAI Deployment Company， 计划将 FDE 嵌入企业客户， 围绕关键业务流程设计、 构建和部署生产系统， 并披露拟收购 Tomoro 引入约 150 名 FDE 及部署专家， 初始投资超过 40 亿美元。几乎同期， Anthropic、 Google Cloud、 Databricks 等公司均在扩大 FDE 类岗位编制。

业内将 FDE 的工作概括为「六分沟通， 四分技术」。 最耗时的往往不是写代码， 而是从一线人员的经验中反向提取那些从未被文档化的隐性业务规则——一位老教授讲了二十年课的教学逻辑，一个临床操作中「只能意会 」的判断标准， 一套实验流程里经过无数次踩坑才形成的安全规范。

这些东西， 远程交付拿不到， 标准化产品装不下， 只能靠人在现场一寸一寸地挖。

卓越睿新的 FDE： 不是一个岗位， 是一套体系

外界容易把 FDE 简单理解为「驻场开发」， 但在卓越睿新的业务体系中， FDE 是连接前端场景与后端能力的系统性枢纽， 其运转依托三层支撑。

第一层： 近二十年沉淀的结构化知识底座。 公司旗下智慧树平台聚合 12 万余门慕课资 源， 覆盖全国 29 个省市合作高校与 200 余家产业学院， 内容资产涵盖标准化学科知识语料库、 工业工艺规范库、 实操流程库、 典型故障案例库等。 FDE 在现场不是从零开始， 而是站在这座知识矿山上做精准开采与增量构建。

第二层： 全模态自研 AI 技术矩阵。 公司已构建覆盖文本、 语音、 视觉、 3D 生成的全模态 AI 能力栈， 形成 LLM、 VLM、 VOM、 ASR、 TTS、 3DM、 WM 七层模型组合， 并接入 World Labs 世界模型。 FDE 在现场发现的需求， 可以快速调用这些模块化能力进行原型验证和产品化封装。

第三层： 全国化服务网络。 截至 2025 年末， 公司在 95 座城市设立 251 个客户服务与支持中心， 覆盖全国绝大部分省、 市及自治区。 这意味着 FDE 不是几支精英小队， 而是一套可以规模化触达、 快速响应、 持续运营的分布式履约体系。

三层支撑叠加， 使 FDE 在卓越睿新不只是「派人去现场」， 而是「带着底座去现场、 带着数据回平台」。

真正的壁垒： 现场沉淀反哺平台的飞轮

FDE 模式的深层价值， 不在于单个项目交付得多漂亮， 而在于一线经验能够持续回流、 沉淀为可复用资产， 形成正向循环。

在北大医学未来学习中心， FDE 团队与基础医学专家共建过程中提炼的学科知识结构、 教学逻辑和评估标准， 会被结构化录入知识底座； 在浙江大学《具身空间智能》课程的落地中， FDE 把全球前沿模型的接入、 评测和封装流程固化为标准化教学产品方案； 在与西门子、 比亚迪等产业龙头的产教融合项目中， 真实工况数据和工艺规范持续回流， 扩充平台的行业知识纵深。

每一次现场交付都不是「项目结束」， 而是公司能力曲线被抬升一格。 下一个客户、 下一个场 景， 不必从零再来。 这条路径的经济学含义是： 随着知识资产持续沉淀， FDE 模式的边际交付成本递减， 产品化程度和毛利结构具备持续优化空间。

数据不会说谎。 2025 年年报显示， 公司灯塔客户 ( 985/211/「双一流」高校及「双高计划」高职院校 ) 贡献收入 3.01 亿元， 同比增长 21.3%； ARPU 达 138.8 万元， 同比增长 34.1%。 知识图谱业务收入 5.74 亿元， 同比增长 68.5%， 占总收入比重升至 59.2%。 整体毛利率 65.5%， 净利率超 13%， 利润增速持续高于收入增速。

头部客户单客价值 34% 的增长， 对应的正是 FDE 深度共建模式下客户粘性和价值密度的系统性提升——客户买的不再是一套软件， 而是一个持续进化的知识基础设施。

资本市场正在重新理解「 重」 的价值

在 SaaS 盛行的年代， 「轻」 曾是资本市场追捧的关键词。 但 AI 产业进入深水区后， 市场开始重新认识「重 」的壁垒价值。 远程交付能解决的问题是有限的， 真正高价值、 高壁垒、 高粘性的客户关系， 必须靠人在现场一寸一寸地建立。

国盛证券在 8 月 14 日发布的首次覆盖研报中明确指出， 卓越睿新以知识图谱、 智能体等产品为基础构建核心壁垒， 产品结构持续优化， 市场渗透率稳步提升。 研报预计公司 2026-2028 年收入分别为 13.3/18.0/24.2 亿元， 同比增长 36.8%/35.7%/34.5%； 归母净利润分别为 2.0/2.8/4.2 亿元， 同比增长 51.9%/43.9%/48.1%， 给予「买入」评级。

一位长期跟踪港股科技板块的基金管理人坦言： 「市场过去把卓越睿新当成教育信息化公司看 ，但知识图谱收入接近 60%、 增速 68.5%， 头部客户 ARPU 增速 34%， 这些数字说明它已经不是一个按项目结算的传统服务商。 FDE 模式驱动的资产沉淀飞轮， 才是估值逻辑切换的关键。 」

回到北大医学未来学习中心那间 FDE 与教授们并肩工作的会议室。 屏幕上是基础医学 13 个核心学科的知识图谱， 桌边讨论的是如何把一个临床推理过程转化为 AI 可模拟的教学路径。 这些工作没有聚光灯， 也写不进炫酷的产品发布会， 但它们构成了 AI 从「汇报里成立」走向「现实中成立 」的那道坚实桥梁。

当整个行业都在寻找 AI 落地的真正答案， 卓越睿新用近二十年时间证明了一件事： 最硬核的壁 垒， 往往不在模型参数里， 而在那些愿意走进现场、 扎根现场、 把现场经验一寸一寸沉淀为资产的人身上。