德勤扩招FDE，成立开放模型工程业务

不再选边站：混合模型架构成企业标配

德勤此次专门成立“开放模型工程团队”，本质是回应企业当下最普遍的AI困境：既不想被单一专有模型绑定，又不敢完全依赖开源模型的稳定性与安全性。

德勤全球AI负责人Nitin Mittal直接点明了核心逻辑：开放模型与专有AI平台并非替代关系，而是互补（complement）关系。未来企业的AI基础设施，不会是“一家模型打天下”，而是一套混合模型架构（Mixed-model architecture）——不同工作流、不同智能体，会根据任务属性、成本预算、数据安全与合规要求，灵活调用不同的模型。

这也意味着企业AI的管理重心正在转移：从“有没有用上AI”，进入“怎么运营好AI”。德勤甚至将「Token成本经济学管理」直接列入服务内容——当模型调用成本、推理费用开始成为企业常态化支出，AI就不再是一次性项目，而是需要精细化运营的系统。

FDE 走上前台：成为新业务的运营基石

比业务线成立更值得关注的，是德勤对人才的定义。官方公告明确提出：将在2027财年全球范围内招聘、培训并认证一批FDE，并将这支队伍称为新业务的「运营基础」。

和传统技术岗位最大的区别是：FDE 不会坐在总部办公室做研发、再把成品交付给客户。他们将直接进入客户业务现场，和客户团队并肩工作。

他们的工作链路高度闭环：发现真实业务问题→判断适配的模型→对接客户的数据与业务系统→搭建可用的Agent→和业务人员联合测试→根据反馈快速迭代调整。

过去企业数字化的经典分工是“业务提需求、IT建系统、供应商做实施”，信息经过多层传递，需求偏差大、迭代周期长。但Agent时代的项目变化快、场景碎，这套流程极易拖慢落地效率。FDE 恰好填补了这个空白：离业务足够近，听得懂真实需求；又具备AI工程能力，能当场把方案变成可运行的系统。

AI 原生团队的新三角结构

德勤的新业务并非单打独斗：技术底座基于NVIDIA Nemotron开放模型与NIM微服务，同时接入德勤自研的Zora AI数字劳动力平台，最终形成一条完整链路：

业务场景 → Agent与工作流搭建 → 多模型调度与企业数据打通

而FDE 就是串起这整条链路的核心节点。

沿着这个逻辑推演，未来企业搭建AI原生团队，会逐步形成清晰的三类角色分工：

• 业务人才：能找到高价值的AI落地场景，定义业务目标与价值
• 平台人才：负责模型选型、数据治理、安全合规与基础设施搭建
• FDE 人才：深入业务一线，快速组合前两者的能力，把方案落地成可运行的系统

业务与技术融合喊了很多年，直到Agent时代，才真正下沉到组织架构与岗位定义层面。

竞争下半场：拼的是 AI 运营能力

德勤这次业务升级，释放了一个明确的行业信号：企业AI的竞争重点，正在从“模型选型”转向“AI运营模式”。

选哪款大模型，会越来越像选哪款云服务——是基础技术决策，不再是核心竞争力。企业真正难以复制的，是如何组织模型、Agent、数据、工作流和人才，形成持续迭代的运营能力。

模型中立性、Token成本管理、AI主权、数据与IP控制权……这些当下的热点议题，最终都指向同一个问题：企业如何构建自己的AI运营体系。

未来的AI原生组织，未必需要一个庞大的独立AI部门。更常见的形态，可能是一支精干的平台技术团队，一批深入各业务线的FDE，再加上具备AI思维的业务人员——三者协同，才是真正的AI原生。