香港一家物流集團在三月簽下前沿 AI 合約。到了六月，模型已經上線，授權費用已經支付，而當初要解決的貨運異常處理流程，依然靠三張試算表和一個 WhatsApp 群組運作。沒有任何環節出錯，也沒有任何人失職。供應商交付的是一個模型，而企業需要的是一套系統。
這道落差如今有了名字，在 2026 年更有了對應的職銜。前線部署工程師（Forward Deployed Engineer，FDE）是企業 AI 領域增長最快的角色。理解它是什麼，已經成為評估你今年將收到的幾乎每一份 AI 建議書的前提。
什麼是前線部署工程師？
前線部署工程師是一位長駐於客戶自身環境、而非供應商辦公室的資深工程師。他們深入了解你的數據、系統與內部政治生態，然後針對這個真實狀況建構並交付生產級軟件，同時把所學回饋到供應商的核心產品之中。
這個角色橫跨四種你熟悉的工作，部分是軟件工程師，部分是解決方案架構師，部分是管理顧問，部分是初創公司的技術總監。
對買方而言，真正關鍵的分別在於問責範圍。顧問提供建議，然後留下一份文件。系統整合商依照已簽署的規格書執行。前線部署工程師則對成果在你的環境中真正運作負責，包括那些從來沒有人記錄下來的部分。
前線部署工程師被要求做的四件事
--- 實體或虛擬地長駐客戶團隊之內，通常以月計
--- 針對舊有系統撰寫並交付生產級程式碼，而非簡報
--- 圍繞模型重新設計工作流程，而不只是把模型接上既有流程
--- 把發現回饋供應商的產品團隊，讓下一位客戶需要的客製工作更少
為什麼 OpenAI 與 Anthropic 在 2026 年同時成立部署公司？
2026 年五月，兩家前沿實驗室各自成立了資本雄厚的獨立業務，唯一任務就是把自家模型送進企業的生產環境。這並非市場推廣動作，而是一項承認：單純出售模型使用權，轉化為已部署系統的速度不夠快。
Anthropic 於 2026 年 5 月 4 日成立合資公司，估值 15 億美元，由 Blackstone、Hellman & Friedman 與高盛支持，明確聚焦於缺乏內部資源自行推動前沿部署的中型企業。
OpenAI 隨後在 2026 年 5 月 11 日推出多數持股的子公司 Deployment Company，向 TPG、Bain Capital 與高盛等 19 名投資者募得超過 40 億美元，並收購顧問與工程公司 Tomoro，開業首日即增添約 150 名部署工程師。
正如 CIO 的報道指出，兩項合資的邏輯一致：向另類資產管理機構募資，取得接觸這些機構投資組合企業的優先權，並掌握過去流向系統整合商的實施價值。
對香港的部門主管來說，策略解讀很直接。建造模型的公司自己得出了結論：模型並不是產品，已部署的工作流程才是產品。
前線部署模式與傳統 IT 顧問有什麼分別？
傳統顧問按已簽署的規格書出售既定範疇，當現實與規格不符時再處理變更申請。前線部署模式則預設現實必然不符，並就這項預設定價，把工程師安置在企業內部，讓發現與交付同步進行。
Palantir 在 2008 年正是為此發明了這個職能。它的客戶擁有雜亂、敏感且非標準的數據資產，任何事先撰寫的規格書都無法在接觸現實後存活。OpenAI 與 Anthropic 則為大型語言模型時代重建了這個職能。
買方會實際感受到的四項差異
--- 發現是持續進行的，而不是在建構開始前結束的一個階段
--- 工程師在你的系統中擁有寫入權限，這是一項保安與治理決策，不只是採購決策
--- 成效以工作流程採用率衡量，而非以交付物是否獲驗收衡量
--- 供應商有動機把你的解決方案一般化，因為那正是他們產品進步的方式
最後一點是雙面刃。它意味著更快的改進與更低的未來成本，也意味著你在簽署前必須仔細閱讀知識產權與數據使用條款。
前線部署工程師實際成本是多少？
前線部署工程是企業軟件中最昂貴的交付模式，而 2026 年的數字急劇上升。一項涵蓋約 1,200 名前線部署工程師的薪酬數據顯示，中級職位的總薪酬中位數為 385,000 美元，資深職級為 610,000 美元，前沿實驗室的首席工程師則突破 120 萬美元。
Palantir 同等角色的中位數約為 215,000 美元，換言之，前沿實驗室為相同資歷支付的是既有基準的兩倍至三倍半。
股權目前佔該市場頂端總薪酬的 55% 至 70%，高於 2024 年的 35% 至 45%。這個結構對買方有意義，因為以股權為主的方案，正是供應商得以用香港企業無法透過直接聘用匹配的條件，把人才嵌入客戶團隊的原因。
這對你的預算科目意味著什麼
--- 在香港直接聘用同等級數的工程師，需要與建基於前沿實驗室股權的方案競爭，大多數非科技企業無法匹敵
--- 以服務形式購買這項能力，等於把一個贏不了的招聘問題，轉換成一項受合約約束的成本
--- 相關的比較對象並非「前線部署工程師成本 vs 更便宜的承包商」，而是「前線部署工程師成本 vs 一個永遠無法投產的試點所背負的持續成本」
TechCrunch 在 2026 年 7 月 30 日報道指出，這個角色已成為 AI 行業的核心人才焦點，換一種說法就是供應短缺、價格堅挺。
香港企業在什麼情況下真正需要這個模式？
當你的難題存在於你的環境之中，而不是存在於模型之中時，前線部署模式才值回其成本。若困難的部分是你的數據、你的舊有系統、你的監管限制或你的內部流程，嵌入一位工程師是相稱的做法。若困難的部分只是挑選工具，那就不是。
三個訊號顯示你身處前線部署的適用範圍。
訊號一：你的數據不以模型所需的形式存在。一家物業管理集團擁有 20 年的維修記錄，分散在舊有系統、掃描 PDF 與 WhatsApp 存檔之中，這並不是模型問題，而是一個披著 AI 外衣的數據工程問題。
訊號二：價值必須靠改變工作流程才會出現。Gartner 預測，到 2026 年底，40% 的企業應用程式將內建任務專用 AI 代理，而 2025 年這個比例低於 5%。會採取行動的代理，需要有人重新設計審批路徑、例外處理與稽核軌跡。那是組織工作，不是設定工作。
訊號三：合規要求存在於建構過程之內，而非之後。對香港的金融服務或專業服務公司而言，《個人資料（私隱）條例》下的個人資料處理必須在管線設計階段就納入。等試點成功後才補做，正是試點在治理關卡陣亡的原因。
反過來說，若你的需求只是為一個 40 人團隊處理標準檔案格式的文件摘要，一套設定得宜的現成產品，在包括速度在內的每一項指標上都會勝過嵌入式工程合作。
如何評估一項前線部署合作？
以「移交」而非「交付」來評估合作。問題不在於供應商的工程師坐在你辦公室期間能否讓系統運作，而在於他們離開九十天後，你的組織裡還剩下什麼仍在運行且可維護。
向任何提出嵌入式工程師的供應商提出的六個問題
--- 具體是誰被嵌入、他們過去交付過什麼、我們可否面談？
--- 他們在我們系統中將持有什麼權限、以什麼身分、由誰覆核？
--- 界定的移交產出是什麼、我們哪些同事被列名為接收者？
--- 若我們在第四個月終止關係，程式碼與流程邏輯會如何處理？
--- 我們的哪些學習成果會回饋到你們的產品，合約對此如何規定？
--- 我們雙方共同問責的、可量化的業務成果是什麼？
若供應商無法用一個你的財務總監認得的數字回答最後一題，這項合作只是一個貼上「實施」標籤的研究項目。
前線部署合作通常在哪裡出錯？
前線部署合作的失敗方式相當可預測，而且幾乎沒有一項是技術性的。失敗源自權限、依賴、範疇與衡量，這四者全是治理議題，責任落在買方組織而非供應商身上。
失敗一：依賴取代了能力。那位工程師成為唯一理解該系統的人。十八個月後，組織正支付顧問月費維持系統運作，而且未經採購程序就無法修改一條業務規則。
失敗二：權限以非正式方式授出。在時間壓力下，嵌入的工程師被給予廣泛的生產環境憑證，因為窄範圍權限會拖慢交付。這項決定極少被重新檢視，也極少被記錄，而它將是稽核人員第一個追問的事項。
失敗三：範疇向缺口擴張。由於工程師坐在團隊之內，相鄰的問題會自動附著在這項合作上。九個月後，沒有人說得清最初的目標達成了哪些。
失敗四：沒有人定義那個數字。昂貴失望最常見的單一成因，是成效在開始時只用定性語言描述。若在工作展開前沒有取得基準量度，事後就沒有任何站得住腳的方式去匯報價值。
以上每一項在合約階段都可以預防，事後補救則代價高昂。
你應該帶走什麼結論？
前線部署工程師的崛起，印證了香港企業領袖自第一個試點以來一直懷疑的事：困難從來不在模型。困難在於一個有能力的模型，與一個由真實系統和真實員工組成的真實組織裡已改變的工作流程之間的距離。
前沿實驗室如今已投入數十億美元支持這個結論。你的評估框架也應當跟上。當供應商今年向你提交 AI 建議書時，區分好決策與昂貴決策的問題，是關於誰會坐進你的組織、他們對什麼負責，以及他們離開後還剩下什麼。
技術從來不是答案的全部。總得有人真正理解你的大樓、你的舊系統、你團隊的習慣與你監管機構的期望，然後留得夠久，把它做成。懂AI，更懂你 UD相伴，AI不冷。
本文由 UD 企業 AI 團隊（香港）審閱。
從哪裡開始
在評估任何人的嵌入式工程師之前，先弄清楚你哪些工作流程真正準備好了，會更有幫助。UD 團隊手把手帶你完成每一步，從 AI 準備度評估、用例優先排序，到供應商評估、部署上線與成效追蹤，28 年香港企業服務經驗，全程陪你走。
