Forward Deployed Agent 来了：2026 年企业让 AI 进生产环境的最优解

一种「被派到企业数据一线、直接处理客户原始数据」的 AI Agent。这是6 月 12 日，Firecrawl 在 Product Hunt 发布了一款新产品 Prometheus，产品介绍里的一句话，值得关注的是这个词组里有两个关键概念：「Forward Deployed」和「Agent」。

「Forward Deployed」是 Palantir 在 2003 年提出的工程师交付模式——不是把 SaaS 卖给客户自己用，而是工程师驻场到客户环境里，把产品亲自用起来。

「Agent」是 2024 年之后 AI 行业最热的词——能自主决策、自主调用工具、自主完成任务的 AI。

把这两个词组合在一起，就是 Firecrawl 在 2026 年给出的新答案：FDA（Forward Deployed Agent）。

本文想讲 3 件事：

1. FDA 到底是什么
2. 为什么 2026 年下半年是企业入场的最佳窗口
3. 如果你的企业想试，最低门槛的第一步是什么

什么是 FDA：把 Palantir 工程师驻场 + AI Agent 能力组合在一起

「Forward Deployed」最早是 Palantir 在 2003 年提出来的工程师交付模式。

2003 年 Palantir 拿下 的第一份合同，派了 4 个工程师到客户情报官的办公室驻场了 18 个月。他们不是来「交付软件」的，是和情报官坐在同一间屋子里一起工作——这 4 个人后来成了 Palantir 标志性的「Forward Deployed Engineer (FDE)」，身份介于工程师、解决方案架构师、客户员工之间。

之后 23 年这条路怎么走过来的：

• 2003-2010： FDE 等于「穿工程师衣服的咨询」，一年获客成本几百万美金
• 2010-2018： FDE 被产品化——Palantir Foundry / Gotham 把 FDE 的工作流沉淀成 SaaS
• 2018-2024： 模式被反复验证，Palantir 市值从 2020 年 160 亿美金涨到 2026 年 3250 亿美金，20.3 倍
• 2025-2026： AI Agent 出现，「派工程师」变成「派 AI Agent」，边际成本直接降到零

Firecrawl 的 Prometheus 是这条路走到 2026 年的一个早期样本——一个能直接驻场在客户数据环境里的 AI Agent。

Palantir FDE (2003) ──23 年演化──→ Firecrawl FDA (2026)
「派工程师驻场」              「派 AI Agent 驻场」
年成本 50-80 万美金          边际成本趋近于零

为什么 2026 年这个演化才跑通？

两个条件缺一不可：

• 算力：7B-13B 开源模型在垂直任务上够用（MMLU 80+，企业任务 90+）
• 协议：MCP（Model Context Protocol，模型上下文协议）2025 年底成为行业标准，Agent 终于能稳定访问客户私有数据了

少一个，FDA 跑不动。

看到这里你可能想问：这事跟我有什么关系？ 关系在于——「派 AI Agent 驻场到企业数据一线」这件事的成本结构变了。FDE 时代一个资深工程师一年 50-80 万美金，FDA 时代一个 Agent 实例一个月可能几百美金。这意味着以前只有巨额投入才用得起的「驻场式 AI」，现在中小型企业也能用了。

一个真正的 FDA 服务长什么样

讲了这么多概念，可能有企业主想问：到底什么样的服务才叫 FDA？

一句话先说结论：FDA 是一种「带承诺的服务」，不是「带 AI 的产品」。

具体长什么样？把它和市面上常见的服务对比一下就很清楚：

看出差别了吗？前三类你拿到的是「工具 / 人 / 文档」，需要自己完成最后一步。FDA 给你的是「已经跑在生产环境里的结果」。

怎么判断一家厂商提供的到底是不是 FDA 服务？3 条最直接的检查标准：

• 检查 1：合同签的是「结果」还是「服务」？ 真 FDA 合同里写的是「帮你达成 X 业务结果」，普通服务合同写的是「提供 Y 工时 / 工具」。
• 检查 2：Agent 部署在哪儿？ 真 FDA 的 Agent 部署在客户自己的服务器或私有云里（驻场），普通服务把 Agent 放在厂商云端（你要调用 API）。
• 检查 3：付费是按月还是按次？ 真 FDA 按月或按年付驻场费（7×24 跑在生产环境），普通服务按调用次数或工时付费（用一次算一次）。

3 条全中，是真的 FDA；中 2 条是「半 FDA」（驻场了一部分）；中 1 条是「带 AI 味的老服务」；全不中是「PPT 上的 FDA」。

你不需要懂技术，合同拿出来对着这 3 条问销售，10 分钟能筛掉大部分水分。

为什么 2026 年下半年是入场窗口

读到这里你可能还在想：FDA 这个词再火，跟我现在有什么关系？

关系很大——2026 年下半年是一个少见的入场窗口。早一年太早（Agent 能力不够），晚一年太晚（同行会甩开你）。

看三个数据：

• Gartner 2026 Q1 报告：60-70% 的企业 AI 试点失败，最大原因不是模型不行、数据不够，是「组织没跟上」。
• 麦肯锡 2026 年 4 月《State of AI》：企业 AI 投入的拐点已经发生——前 3 年大家在「买软件 + 培训员工」，2026 年开始转向「派驻场 + 重构流程」。
• Palantir 的 20.3 倍市值增长（2020-2026）：验证了「驻场式服务」这条路的商业天花板。

串起来看，2026 年的企业 AI 市场正在发生 3 个变化：

• 工具层饱和了——市场上 100+ 企业 AI 工具可选，老板们不缺软件，缺的是「用得起来」
• 试点失败率持续在 60-70%——大部分企业的 AI 还停在「买了不用」的阶段
• 倒逼企业转向「运营级落地」——以前买工具是终点，现在「派驻场 + 重构流程」才是起点

这个拐点对企业意味着什么？ 早入场的企业（2025 年就开始试 FDA）已经在 1-2 个流程上跑通了，2026 年下半年会扩展到 5-8 个流程；晚入场的（2027 年才动）会发现同行用 1/3 的人力做出了同样的事，差距会非常难追。

一个企业主的判断直觉：

「把 FDA 当『又一个产品形态』去抄的，会买一个 80 万的教训；把它当『新的组织能力』去设计的，会重新想清楚未来 3 年 AI 部门怎么搭。」

企业选 FDA 厂商的 4 条硬标准

3 条检查标准是给销售谈单用的，更严谨的判断需要 4 条硬标准。我把 FDA 拆成 4 个维度，做了一个对照表：

4 条全满足 = 真 FDA。 我用这个表对照了 11 家国内声称做 FDA 的公司，4 条全满足的不超过 5 家。

对照具体 5 家公司看：

出于行业礼仪，国内公司用「某」代称；Mixlab 把自己归在物种 5——4 条全满足、只对「企业 AI 落地结果」负责的那类。

从选型角度看，4 条标准的严格度是分层的：

• 4 条全满足（物种 4 / 5）：国内 < 5 家
• 满足 3 条（物种 1）：20-30 家
• 满足 2 条（物种 2 / 3）：市面上 95%
• 满足 1 条及以下：套概念

为什么市面上 4 条全满足的不到 5 家？ 不是技术难，是这事反人性——这是下一节要拆的。

为什么 4 条全满足的公司不到 5 家

上节那张表里 4 条全满足的公司不到 5 家，不是因为技术难，是因为这事反人性——FDA 模式天然违背了 3 条中国 ToB 公司的主流商业逻辑。

反人性 1：让最贵的人做最便宜的事

FDA 要求资深 AI Agent 工程师亲自做数据清洗、规则配置、效果调优——这些活在外包公司是月薪 1-2 万的初级工程师干的。

为什么会反人性？ 单位时间算账，资深工程师做基础工作是「亏本买卖」。客户也会质疑：「你们派 5 万月薪的工程师来干 1 万月薪的活？」

国内为什么撑不住？ 国内 ToB 客户对人天单价特别敏感。一单 80 万的合同，客户自动算「80 万 / 12 个月 / 2 人 = 3.3 万/人/月」——这个数字一过 4 万，客户就砍单。结果是没人敢派贵的人，派的全是便宜的人，便宜的人做不出 FDA 的质量。

反人性 2：让销售做客服的事

FDA 要求销售团队在签约后继续接管客户的运营反馈——这跟「销售签约 = 业绩完成」的国内主流认知直接冲突。

为什么会反人性？ 销售的目标是「签单」，运营的目标是「续费」。把这两个绑在一起，等于让猎人去干农夫的活。业绩好的时候没事，业绩一差销售团队就集体离职。

国内为什么撑不住？ 国内 ToB 销售「签完就走」是默认操作。让销售做客服，就等于让销售亲手砸自己的 KPI。所以大多数 FDA 公司会把客服外包给第三方——这又退回了「SaaS + 外包」的老路。

反人性 3：让总部为现场让路

FDA 要求产品迭代优先满足驻场客户的需求——这跟「产品规划 = 总部说了算」的传统 SaaS 模式冲突。

为什么会反人性？ 5 个驻场客户的需求总和，不等于下一个 50 个客户的需求。为现场让路，等于主动放弃规模化的可能。总部的 PM 会反对：「我们不能为了这 5 个客户改产品路线图。」

国内为什么撑不住？ 国内 ToB 公司普遍追求「规模化复制」——产品要通用化、不能为单个客户定制。FDA 模式天然反规模化。所以国内 90% 的「FDA 公司」会在 18 个月内悄悄退化成 SaaS 公司。

大金句： 「99% 的中国公司撑不过 FDA 的反人性 18 个月——他们会从『派 Agent 驻场』退化成『卖 SaaS 席位』，再退化成『卖 PPT 报告』。」

中国 FDA 行业的 3 个亚种

FDA 在中国不是「没有」，是「被改造成了 3 个亚种」。

我把这 3 类放到一张表里，方便对比：

亚种 1（70%）：SaaS 改 FDA。 国内最常见的「伪 FDA」。保留 SaaS 形态，加 AI 包装。代表就是那 2 家把 Slogan 改成「Forward Deployed」的老牌 RPA 厂商。

亚种 2（20%）：咨询套 FDA。 保留咨询形态，加 AI 提效。代表是那 1 家头部 BI 公司，本质上是「咨询团队用 LLM 写报告」。

亚种 3（10%）：服务型 FDA。 保留服务形态，AI 取代 80% 重复劳动。Mixlab Launchpad 把自己放在这一类——不做 SaaS、不做咨询，做企业 AI 落地的「驻场服务」。

70% / 20% / 10% 是个粗估，但传递的信号是清晰的：

• 亚种 1 占大头，吃的是「客户基数大」的红利
• 亚种 2 守住大单，吃的是「客户关系深」的红利
• 亚种 3 数量最少，吃的是「服务深度高」的红利

「Mixlab Launchpad 选亚种 3——不是因为亚种 1 / 2 不好，是因为我们坚信，FDA 模式真正的护城河不是技术、不是销售、不是产品，是『组织能力』。而组织能力，必须靠服务交付来长出来。」

未来 3-5 年，FDA 会怎么演化

很多老板会问：AI Agent 越来越强，FDA 模式会不会被「AI 自己」替代掉？

我的判断分三层：

短期 1-2 年：不会替代

AI Agent 还不够「自主」。 客户现场的脏活（数据清洗、流程对接、人员沟通）依然需要「人 + AI」一起干。纯 Agent 跑不下来的关键不是模型能力，是企业里那些写不到文档里的东西——历史决策是怎么做的、部门之间的潜规则、业务和政治的边界——这些 prompt 库装不下。

企业该怎么做： 未来 1-2 年，最现实的配置是「1 资深 FDE + 2-3 个 AI Agent」——把资深 FDE 的时间从重复劳动里解放出来，去做高价值的判断。

中期 3-5 年：部分场景被替代

数据监控类、合规审查类、行情跟踪类 这三类场景，AI Agent 会接管 80% 的人力。这三类场景的共同特征是：目标明确、容错率适中、ROI 容易衡量。

企业该怎么做： 中型企业应该把这三类场景的「FDA 服务」打包采购，而不是自建团队。亚种 3 服务商的「驻场 + AI」模式正好对应这个需求——你不需要养一个 FDE 团队，外采就行。

长期 5 年以上：FDE 这个岗位本身被重新定义

现在的 FDE = 「资深工程师 + 解决方案架构师 + 半个客户员工」。5 年后 FDE = 「AI 训练师」+「质量监督员」+「客户成功负责人」。技术工作的 80% 被 AI 接管，FDE 的核心价值从「技术能力」转向「组织能力」。

企业该怎么做： 未来 5 年最稀缺的不是 AI 工程师，是「懂 AI + 懂业务 + 懂组织」的复合型 FDE。这种人才的市场溢价会是普通 AI 工程师的 3-5 倍。

对企业的实操建议：

• 2026 年下半年：先挑 1-2 个高 ROI 流程（如智能客服、合同审核、订单跟踪）做 FDA 试点，跑通再扩
• 2027 年：把试点扩展到 5-8 个流程，开始建内部 FDE 小组
• 2028 年+：从「用 FDA」升级到「自建 FDA 能力」，把 FDE 纳入企业正式编制

一句话总结这节：未来 5 年最稀缺的，不是会写 prompt 的人，是能让 AI Agent 在客户业务里跑起来的人。

企业现在可以做的第一步

读到这里，你应该清楚 3 件事：

• FDA 是什么（Palantir 工程师驻场 + AI Agent 能力的组合）
• 2026 年下半年为什么是入场窗口（拐点已经发生，晚入场会被甩开）
• 怎么挑 FDA 厂商（4 条硬标准 + 5 个物种标签）

最后给一个可以直接用的「入场路径图」：

• 第 1 步：1 个流程试点。 选 1 个最高 ROI 的流程（如智能客服、合同审核、订单跟踪），用 FDA 模式跑通。先看到结果，再谈规模化。
• 第 2 步：扩展到 5-8 个流程。 试点跑通后，把经验复制到相邻流程。这一步开始建内部 FDE 小组。
• 第 3 步：自建 FDA 能力。 把 FDE 纳入企业正式编制，从「用 FDA」升级到「长出 FDA 能力」。

如果你的企业正卡在「工具买齐了但落地不了」这个阶段——大概率不是因为工具不行，是因为缺组织能力。Mixlab Launchpad 可以先陪你跑一个试点，把 1-2 个业务流程真跑通，再谈后续。

做不做 FDA 是认知问题，怎么做是工程问题。 这两件事分开想，企业 AI 落地会顺很多。

参考资料：

1. Firecrawl / Prometheus 官方产品页（producthunt.com）
2. Palantir Forward Deployed Engineer 公开资料
3. Gartner 2026 Q1 企业 AI 落地报告
4. 麦肯锡 2026 年 4 月《State of AI》报告
5. Mixlab Launchpad 内部 FDA 模式方法论 v1.0
6. MCP（Model Context Protocol）2025 年 11 月发布文档
7. Forward Deployed Agent 行业 2026 Q2 调研数据
8. 中国 ToB SaaS FDA 模式落地 12 案例深度访谈
9. Palantir 2026 Q1 财报（市值 / NRR 数据）