基于 AiDD 北京大会 90 份一线技术团队问卷的数据洞察
90 份有效样本 ｜ AiDD 北京 大会现场 ｜ 技术团队 受访主体 ｜ 2026.08 调研
企业 AI 应用的竞争焦点，已经从「选择模型」全面切换到了「工程能力」。这个判断不是来自咨询师的 PowerPoint，而是来自 90 份一线问卷——我们在 AiDD 北京大会现场收集，受访者主要来自各家公司的技术与科技团队。这份样本的价值不在于它有多大，而在于它几乎是一份「AI 工程一线」的快照：正在亲手把模型往生产里推的人，他们卡在哪里、愁什么，比任何二手行业报告都更诚实。
一、调研画像：谁在回答这份问卷
90 份样本里，技术负责人 / 架构师与工程师合计占 63%，500 人以上规模企业占 68%。这不是一份来自 CxO 视角的战略设想，而是一线工程团队的实况记录——他们在 POC 和 demo 上花的时间，远多于在会议室里讨论 AI 战略。也正因为如此，下面所有结论最合适的读者，正是那些「模型已经跑通 demo、却始终推不到生产」的技术负责人。
二、成熟度全景：大多数企业卡在「部门级」
我们沿用一套四级智能体演进框架来定位企业的位置：从 Embedded agents（嵌入式智能体，AI 嵌入既有流程）出发，到 Standalone agents（独立式智能体，承担有边界的职能任务），再到 Goal-driven agents（目标驱动型智能体，跨职能编排、以业务结果为约束），最终抵达 Multiagent systems（多智能体系统，人机混合劳动力）。
调研结果呈现出一个陡峭的倒金字塔：约 82% 的企业仍停留在探索期至独立期之间——AI 要么在 POC 里验证，要么嵌入单个流程做增强，要么以独立 Agent 承担某个职能；真正跨过「部门级」门槛、进入 Goal-driven 与 Multiagent 阶段的，只有约 16%。越往上，人越少。
更值得玩味的是工程成熟度随阶段的抬升。我们对四个框架阶段企业的 7 项核心工程能力取 1–5 自评均值，得到一条清晰的上升曲线：Embedded 阶段约 2.6 分，Standalone 约 3.2 分，Goal-driven 约 3.4 分，Multiagent 阶段达到 4.0 分。探索期作为 Embedded 之前的 POC 预备阶段不计入该曲线，其均值约 2.7、与嵌入期基本持平。换句话说，从 Embedded 到 Standalone 的 0.6 分跃升，几乎是四个阶段里最陡的一跳——这正是从「AI 辅助」走向「Agent 独立承担」的分水岭。区分领先者与落后者的最强信号，不是「用了哪个模型」，而是「工程底座有多厚」。
三、瓶颈已变：Harness 工程能力是第一约束
如果把「卡住你的到底是什么」摆上台面，答案会和一年前的直觉完全不同。
39 位受访者（43.3%）把「Agent 工程 / Harness 能力不足」列为头号瓶颈——这几乎是「模型能力不足」（15 位，16.7%）的 2.6 倍。在「阻碍 Agent 落地的最大挑战」中，「缺乏工程化体系（Harness / 工具链 / 编排）」以 36.7% 高居第一，远超「模型能力不够强」的 20%。两组数据像两面镜子，照出同一个事实：模型已经不是最疼的地方，工程才是。
模型焦虑正在退潮，取而代之的是工程焦虑。一个贴切的比喻是：企业今天面临的不是「买不到发动机」，而是「买到了发动机，却造不出能上路的整车」。Harness——把模型、工具、数据、评估、护栏缝合成可运行系统的那层工程体系——才是真正的瓶颈。
四、FDE：浮现中的关键角色，认知即探针
在这场从模型到工程的转变里，一个角色正在浮出水面：FDE（Forward Deployed Engineer，前线部署工程师）。它的出现并非偶然——当模型能力跑在了企业工程化能力前面，中间那道裂缝需要有人来填，FDE 就是那个站在裂缝上的人。
调研里 82% 的受访者听说过 FDE，但只有 7.8% 表示深入了解。更有意思的是 FDE 认知深度与工程成熟度的关系：把受访者按「从未听说 → 听说过但不了解 → 有基本了解 → 深入了解」分组，其团队工程成熟度均值分别是 2.47、2.67、3.2、3.98——一条干净的上坡线，深入了解组的成熟度几乎追平 Multiagent 阶段的数字。
这暗示 FDE 已经不是一个时髦头衔，而是组织 AI 成熟度的探针：一个团队是否真正理解「把模型工程化落到业务现场」这件事，直接反映在它能把 Agent 跑多稳、跑多远。FDE 的核心含义，受访者也用多选投了票——「模型之上的工程化能力」以 65.6% 居首，其次是 Agent 工程框架（52.2%）与数据工程基础（45.6%）。换句话说，FDE 被理解为「懂业务现场的工程师」，而非「更会调模型的科学家」。
「深入了解」组工程成熟度达 3.98；「从未听说」组仅 2.47。FDE 认知与企业工程成熟度强正相关，可视为组织 AI 成熟度的探针指标。
五、场景与能力：代码先行，评估为王
当下的 AI 应用，代码辅助开发以 66.7% 的占比碾压式领先，智能客服（42.2%）与数据分析 / BI（40%）次之。这并不意外——代码是最结构化、最易验证、容错空间最大的场景，自然成为工程团队的第一块试验田。但当试验田需要变成生产线，考验才真正开始。
但当被问及「未来 12 个月最想建设的能力」，排序发生了微妙而关键的反转：企业级评估体系以 54.4% 登顶，Agent Harness 框架（45.6%）与 AI 工程团队培养（35.6%）紧随其后。评估体系的登顶尤其说明问题——企业已经从「能不能做出来」进入「怎么知道它做得对不对」的阶段。一个没有评估体系的 Agent 系统，就像一台没有仪表盘的汽车：能跑，但你不知道它什么时候会偏出车道。这个排序，与前面「瓶颈在工程化、不在模型」的诊断完全自洽。
六、结论：从选择模型到构建能力
把以上几条线收拢，结论并不复杂：
-
第一，工程体系是分水岭。
模型正在商品化，真正的壁垒是 Harness 与评估这类工程能力。 -
第二，评估体系是当务之急。
当 54.4% 的企业把「建评估」列为头等大事，说明行业集体卡在「demo 到生产」的最后一公里。 -
第三，FDE 角色会加速显性化。
既是稀缺人才，也是组织 AI 成熟度的晴雨表。 -
第四，Agentic 转型是一场马拉松。
即便最成熟的 Multiagent 阶段，工程能力均值也才 4.0，没有任何一项能力被普遍「体系化掌握」——市场成熟还早，远未到终局。
最后，留给正在读这篇文章的技术决策者三个自检问题：
我们的 Agent，是「能演示」，还是「能上线、可评测、有边界」？ 我们是否已经有了自己的 golden case 评测集和持续评测 pipeline？ 团队里，有没有人既懂业务现场、又懂把模型工程化落地的 FDE？
如果三个问题里有两个仍然无法回答，那么比「再换一个更强的模型」更紧迫的，是把 AI 应用的工程底座搭起来。
肖然，英湃科技Inspire（原Thoughtworks）高级副总裁、数智金融总经理，兼任中关村智联联盟秘书长、上高金研究员。他长期深耕企业数字化与智能化转型，曾带队深度服务招行、工行、中行、华为、中金等行业巨头，并担任招行、工行等机构的特聘专家讲师。在大模型引领的“人工智能+”时代，他聚焦数据与智能驱动的商业及组织变革，全力推动AI技术在金融机构的落地应用。
英湃科技
Inspire
英湃科技（Inspire） 是一家拥有顶级高瓴资本（Hillhouse） 背景的新一代科技服务商。作为高瓴资本数智化赋能生态的重要核心企业，我们致力于将前沿 AI 技术与顶尖工程能力深度融合，帮助企业全面跃迁至数智化新高度。
公司源于 Thoughtworks 中国核心团队，于 2025 年 9 月获得高瓴资本的并购投资。我们不仅传承了世界级的软件架构设计与敏捷交付底蕴，更依托高瓴资本深厚的产业投资版图与全局洞察，拥有行业领先的生态协同优势。Inspire 能够深度链接高瓴庞大的被投企业生态与全球产业资源，在战略、技术、业务及供应链等多个维度实现强强联合与资源赋能。
围绕企业核心价值链，Inspire 聚焦研发、供应链、销售与服务等关键领域，全面重塑企业的核心能力与组织模式。迄今为止，我们已赋能银行金融、消费电子、具身智能、智能汽车、高精制造、医疗制药、消费零售等行业的 130+ 家全球 500 强及龙头企业。
Inspire 业务中心遍布新加坡、香港、上海、北京、深圳、成都、西安及武汉，结合高瓴资本的全球化视角与本地化工程精细度，持续为全球客户创造突破性的商业价值。
