模型便宜了，谁去装？——FDE 两连发与国产卡次日适配：AI 落地长出「实施层」

2026.09.12

昨天聊了「登月派」与「落地派」：模型便宜了，日常任务用得起了。但便宜只是故事的一半——便宜了之后，谁去装？

这 48 小时（9 月 10–11 日）的三条新闻，恰好把这后半段补齐了。它们看起来互不相关，其实是同一件事的三个面：AI 产业链正在长出一个新层级——实施层。

三个信号

信号一：供给侧——开源模型加国产卡，适配从「月」变成「天」

9 月 10 日 DeepSeek 发布 V4.1-Flash 并开源：新架构 Causal-Encoder-Decoder，输入激活仅 8B，HBM 需求降到 1/4、SSD 降到 1/8，API 同步降价。第二天（9 月 11 日），摩尔线程就发文宣布完成适配：基于 MTT S5000 训推一体卡和自研 MUSA 软件栈，对接 SGLang 官方主线，权重加载、推理服务、文本问答全部验证通过，原生多模态也能跑。

这个速度值得单独说一句。以前「新模型上国产卡」是以月为单位的适配工程，现在是次日可用——开源权重 + 国产算力 + 主线框架，三个环节咬合成了一台飞轮。落到账上就是：一套国产卡就能跑旗舰级开源模型，部署门槛第一次降到了县城机房的水平。

信号二：渠道侧——FDE 两连发，大模型公司开始建「送模型的队伍」

9 月 10 日同一天，两件事：

月之暗面启动 Kimi 企业合作伙伴「登月计划」，以 FDE（前沿部署工程师）模式与系统集成商共建驻场交付队伍，深入客户现场。每经和 21 世纪经济报道都点明：FDE 是 Palantir 首创的打法——工程师驻场、对业务结果负责，而不对交付文档负责。首批签约的是中软国际、金山云、华胜天成、亚康股份、亚信科技五家上市公司；月之暗面输出 Kimi 模型权重、全套技术文档和后端研发支撑，伙伴负责模型适配、参数调优、本地化部署和持续运维。而且这不是临时起意——亚信科技 8 月 20 日就签了「优先 FDE 伙伴」。

同日，腾讯云在厦门城市峰会发布了 ADP 前沿部署工程师（FDE）认证体系，并启动合作伙伴招募。

两个大厂前后脚做同一件事，原因藏在月之暗面自己的话里：「随着 Kimi K3 等模型能力快速提升，企业级 AI 的关键挑战已从技术本身转向规模化落地」。翻译一下：模型不缺了，缺的是把模型装进业务流程的人。

信号三：人才侧——教育部把新工种写进了专业目录

几乎同一时间，教育部公布 2026 年《职业教育专业目录》增补结果：27 个新专业里多个 AI 相关——具身智能计算技术、人形机器人工程技术、商业人工智能应用、智能体通信技术，2027 年开始招生。再叠上教育部等五部门《「人工智能+教育」行动计划》（教科信〔2026〕1 号）的全学段部署——供给侧在开源、渠道侧在建队，人才侧的清单也同步更新了。这不是谁抄谁，是三方都看见了同一个缺口。

需求很真，落差也很真

需求与落差

为什么说「缺口」是真的？两边数字一对就清楚。需求侧，QuestMobile 数据显示 2026 年 7 月 AI 效率办公赛道月活 1.02 亿、同比 +8.2%，办公场景总使用次数同比 +112.4%——用户没翻倍，但用深了。落差点，从业者调研里 37.9% 把「可靠性」列为 Agent 落地首要挑战，预计到 2027 年底超四成 Agentic AI 项目面临取消或搁置风险；73% 的企业部署 Agent 是为了提效——动机从来不缺，缺的是交付。

那 112.4% 和四成项目搁置之间隔着的，就是实施层。市场部用 AI 半小时出十版方案，评审会照样排到下周；销售用 AI 整理完客户纪要，关键信息进不了产研待办——每个人手里的 AI 都很努力，但它们彼此不认识，也不认识你公司的流程。这层「认识」，模型公司的人写不进代码，只能靠驻场的工程师一家一家接。

我的三个判断

判断一：实施层是未来 18 个月增长最快的层。 模型层在打价格战（昨天 DeepSeek 的账）、应用层在卷 demo、实施层还近乎真空。历史剧本演过两次：ERP 时代养出了实施顾问行业，企业微信时代养出了区域服务商——每次能力平权之后，钱都会流到贴近现场的人手里。FDE 驻场、对业务结果负责，本质就是 ERP 实施顾问的 AI 版，但单价和议价能力都更高。

判断二：二线城市团队的窗口开了。 大模型公司的 FDE 队伍再扩张，也下不到县里的学校、工厂和政务大厅——所以它们才要拉本地集成商。而熟悉本地政企校流程、能做部署调优运维的区域团队，正是这轮「登月计划」们要找的人。我给学校做就业、实习系统这么多年，最清楚一件事：最后一公里不是技术问题，是信任问题，而信任只能靠本地人一天天攒。

判断三：职教学生的就业路径多了一条实路。 FDE 岗位画像很清楚：懂业务、会部署调优、能跟客户沟通——不发论文、不拼算法，拼的是把事落地。这恰好是职业教育能培养、也该培养的。27 个新专业里那个「智能体通信技术」，名字冷僻，指的就是这类活。我在课上会把 FDE 当就业方向正经讲一讲：算法岗的独木桥之外，交付岗是一条正在拓宽的路。

课堂上怎么接

《「人工智能+教育」行动计划》里有条底线我举双手赞成：AI 是教学辅助工具，不能替代教师育人。技术进课堂的前提是教师知道边界。所以这学期我的调整很具体：《生产实训》课把毕业设计改成「给一个真实场景做一次完整的 AI 部署交付」——从选模型、算成本、做适配到写交付文档，把实施层的全流程走一遍。学生交上来的东西不一定精致，但每一步都有据可查——这跟今天这篇的要求是一样的。

一盆冷水

照例三句：其一，签约不等于订单，五家上市公司进场是生态信号，不是收入确认，伙伴计划的历史上「签时热闹、落地冷清」的例子不少；其二，认证不等于能力，FDE 认证体系刚发布，含金量要靠第一批项目验货；其三，37.9% 的可靠性问题不会因为开个发布会消失——而且 OpenAI 昨天又发了全双工语音模型 GPT-Live-1（前端语音层每分钟 0.05 美元），交付形态还在被新接口持续改写，实施层的人得把自己活成持续学习机。

写在最后

我的判断土办法还是老一套：不看发布会看交付。这一周的真实变化是——「装模型」第一次成了一个有名字、有认证、有上市公司建制的行当。趋势从 PPT 落到组织架构上，才算真的开始。

顺带一句：我们给高校做就业、实习系统 AI 化改造的活儿，本质上就是 FDE 干的事——需求是学校现场长出来的，不是实验室里设计的。正在做同类交付的集成商同行、想了解职教新专业怎么对应岗位的院校老师，都欢迎来聊。

参考来源