三個星期之內，全球雲端與 AI 巨頭做了同一件事：掏出數十億美元，成立「把工程師派到客戶現場」的部隊。AWS 在 2026 年 6 月 30 日宣布投入 10 億美元、成立專責的 Forward Deployed Engineering（FDE）組織；微軟緊接著在 7 月 2 日砸 25 億美元、集結 6,000 名產業與工程專家，成立「Microsoft Frontier」。而這兩家其實是後到的——OpenAI 和 Anthropic 早在 5 月 4 日同一天，就各自宣布了企業 AI 服務的合資公司。
所謂 FDE，就是公司派工程師「駐點」到客戶那裡，把一個看起來很厲害的 AI demo，變成客戶天天在用、跑在真實流程裡的生產系統——解決 AI 落地的最後一公里。這模式不新，Palantir 玩了十幾年；新的是，AI 大廠現在集體照抄，還砸下重金。
但這件事對台灣的意義，不是「又一個年薪破千萬的矽谷職缺」。真正的訊號是：連微軟、AWS 都用鈔票承認，模型本身已經不是勝負手了。 能不能把模型塞進客戶的爛流程與髒資料裡跑起來，才是。AI 的錢，正在從「賣模型」往「賣落地」搬。
三週時間線：巨頭為什麼一起「派人駐點」
先把可查證的串起來（這條時間線繁中幾乎沒人整理過）：
- 5 月 4 日：Anthropic 與 Blackstone、Hellman & Friedman、Goldman Sachs 合資成立企業 AI 服務公司，規模 15 億美元（三方各出 3 億），鎖定私募股權持股的企業；同日 OpenAI 也向 19 家 PE 募資、成立「The Deployment Company」。Goldman 的高管說白了目的：要把「請不起頂級駐點工程師」的公司，也能用得到這種人才「民主化」。
- 6 月 30 日：AWS 投入 10 億美元、由 Francessca Vasquez 領軍，成立內部的 FDE 組織，號稱把部署時程「從數月縮到數天」，官方點名的早期客戶包括 Allen Institute、Cox Automotive、NBA、NFL、Ricoh、Southwest Airlines。TechCrunch 的標題直接點破它「跟在 OpenAI 和 Anthropic 後面」。
- 7 月 2 日：微軟由商業事業執行長 Judson Althoff 宣布成立 Microsoft Frontier，25 億美元、6,000 名專家，總裁是前微軟亞洲區總裁 Rodrigo Kede Lima。官方主打的早期案例是倫敦證交所集團（LSEG），把 AI 嵌進 LSEG Workspace 讓金融人員問複雜問題，另點名 Unilever、Land O’Lakes、Novo Nordisk。Althoff 還放話，這「超越了所謂的 Forward-Deployed Engineering」，要做業界最大、以成果為導向的工程組織。
（一個容易被搞混的點：NBA、NFL、Southwest 是 AWS 的客戶，不是微軟的。）
值得注意的還有微軟那句話：它明說要「為每個場景跑對的模型——無論來自 OpenAI、Anthropic、Microsoft AI、開源還是特化模型」。連自家有模型的微軟，都把「混用誰的模型」當賣點——這再次印證，戰場已經不在模型本身，而在交付。
為什麼 AI 這麼強了，還要派人駐點
答案藏在一份常被引用的數字裡。MIT 的「The GenAI Divide」報告（2025-08）指出：95% 的企業生成式 AI 試點，對損益沒有可衡量的貢獻；而且失敗主因是「組織與流程管理不當」，不是模型不夠聰明。同一份分析還發現，找外部夥伴交付的 AI 專案成功率約 67%，是純自建的約三倍。
換句話說，瓶頸從來不在 GPT 夠不夠強，在於「有沒有人陪你把 pilot 變成日常」。FDE 熱潮就是市場對這個瓶頸的定價——連職缺都在暴衝，Indeed 上的 FDE 職缺從 2025 年 4 月的 643 個，漲到 2026 年 4 月的 5,330 個（成長約 729%）。
（誠實標註：有報導稱 FDE 採「45 天週期、每客戶 5–6 人 pod」，以及五大廠此類投入合計近 90 億美元——這兩個數字未經一手來源證實，這裡不當作定論。）
台灣的處境：有其實，無其名
這是外電不會替台灣算的一段。台灣的問題和美國一模一樣，只是還沒被好好命名。
人工智慧科技基金會（AIF）的《2025 製造業 AI 普及度調查》顯示，台灣製造業真正做到規模化（Scaling）的比例只有 22.7%，遠低於資通訊業的 39.1%，還有約四成五的企業停在「未知」階段。這跟 MIT 的 95% 失敗、講的是同一件事：認知高、落地低，卡在流程與組織。
而台灣市場上「AI 顧問」的結構困境也很真實——本土觀察指出，多數所謂 AI 顧問，核心其實是系統整合商（SI），拼裝 OpenAI／Azure／AWS／SaaS，天花板卡在客製深度、資料主權、被工具廠商牽制。關鍵的分野是：企業要的是有人告訴你「該怎麼做」，還是有人陪你「實際做出來」。 公部門這邊，經濟部的「產業競爭力輔導團」提供實地輔導，算是台灣版的「準 FDE」對照。
但要坦白說：就查證所及，台灣目前沒有任何廠商正式以「Forward Deployed Engineer」為名建制部隊。 市場上是「AI 導入顧問／駐點顧問／系統整合」在做同一件事，只是沒有 FDE 的定價權與人才溢價。台灣是「有其實、無其名」。
給台灣兩種人的具體判斷
給企業主：別再等『更強的模型』，你缺的是把 pilot 變日常的人。 MIT 的 95%、AIF 的 22.7%，都指向同一個瓶頸——組織與流程，不是模型。與其追新模型，不如把預算花在「有人陪你做到上線」上。拆開來看：
- 該外包的：一次性的流程重設計、模型選型、資料管線搭建、跨系統整合。這些是駐點顧問的甜蜜點，自己養團隊不划算。
- 該自己養的：上線後的日常維運、領域知識，以及「知道哪個流程值得自動化」的內部判斷力。
一個挑供應商的照妖鏡：好的駐點該做的是「讓你之後不需要他」（AWS 官方也強調 customer self-sufficiency），不是把你綁死。 交付的到底是一份漂亮報告，還是一個會自己跑、你養得起的系統？要把這問清楚，可搭配 OpenAI 企業夥伴網：哪段外包、哪段自己養 的三段分工，以及 企業 AI Agent 檢查清單 把任務做成可驗收的形式；牽涉資料外流的部分，見 Mistral 警告閉源 AI 的資料分層。
給台灣顧問／SI：大廠 FDE 化不是威脅，是幫你把『駐點』的價格天花板抬高了。 當 Goldman 都在講要讓駐點工程師「民主化」，等於幫全世界的駐點服務背書漲價。台灣 SI 過去被殺在「按人頭、按工時」的低價競爭，現在有了對標敘事，可以把定位從「幫你裝工具」升級成「幫你拿到可衡量的商業成果」——這正是微軟 Frontier 整套話術的核心。能講清楚「我對成果負責、不只交報告」的顧問，才吃得到這波溢價。
最後一個務實提醒（也是坦白保留）：FDE 模式現階段是「大廠的旗艦客戶專屬」——微軟點名的是 Unilever、Novo Nordisk 這種等級，AWS 是 NBA、Southwest。台灣多數中小企業短期內等不到雲端巨頭派一組 pod 進駐。 現實路徑是找本土駐點顧問／SI，用同一套「先重設流程、再上模型、最後移交自主」的方法論。重點從來不是名字叫不叫 FDE，而是對方願不願意對「跑起來」負責。
常見問題
FDE 跟傳統系統整合商（SI）、顧問差在哪？
傳統顧問偏向「告訴你該怎麼做」、交付報告與策略；SI 偏向「幫你把工具裝起來、串接系統」。FDE 的差別在於它把工程師派進你的現場，對「AI 實際在你的流程裡跑起來並產生成果」負責，會一路做到上線、甚至陪你把資料與流程一起改造。理想的 FDE 還會以「讓你之後不需要他」為目標移交自主權，而不是把你長期綁在他的服務上。
為什麼 AI 這麼強了，還需要派人駐點？
因為瓶頸不在模型強不強。MIT 報告指出 95% 的企業生成式 AI 試點對損益沒有可衡量貢獻，失敗主因是組織與流程管理不當；台灣製造業真正規模化落地的也只有 22.7%。模型再強，也要有人把它接進你既有的髒資料、爛流程、跨系統權限裡，還要讓員工真的用起來、被財務與稽核接受。這「最後一公里」正是駐點工程師存在的理由。
台灣找得到 FDE 型服務嗎？中小企業請得起嗎？
就查證所及，台灣還沒有廠商正式以「FDE」為名建制部隊，但「AI 導入顧問／駐點顧問／系統整合」在做同一件事，公部門也有經濟部產業競爭力輔導團這類實地輔導。中小企業短期內等不到雲端巨頭派 pod 進駐（那是給 Unilever、NBA 等級客戶的），現實做法是找本土駐點顧問，用同樣「先重設流程、再上模型、最後移交自主」的方法論，並把「哪段外包、哪段自己養」先想清楚。
參考來源
- Microsoft：Microsoft Frontier Company（官方，25 億／6000 人、混用模型原文、LSEG 等客戶）
- AWS：投入 10 億美元的 Forward Deployed AI Engineers（官方，6 家客戶名）
- TechCrunch：Amazon launches new $1B FDE org following OpenAI and Anthropic
- Anthropic：與 Blackstone、Goldman 等合資成立企業 AI 服務公司（15 億美元）
- Fortune：MIT 報告 95% 生成式 AI 試點對損益零貢獻
- 人工智慧科技基金會 AIF：台灣產業 AI 化調查（製造業規模化 22.7%）