FDE（Forward Deployed Engineer）火了。
過去幾個月，從海外AI公司到國內大廠，越來越多團隊開始把工程師直接派到客戶現場。FDE一下成了企業AI落地的熱門崗位，甚至一些傳統交付團隊，也開始給自己貼上FDE的標籤。
FDE的走紅背後是企業AI一個更深層的問題。模型還在變強，但企業AI的難題已經不只在模型。數據、Agent、雲和基礎設施開始被裝進同一套系統，任何一塊沒接好，都可能卡住最後的落地。
企業AI落地又上升了一個level，開始關注整個技術棧能力。
當然技術最終都要落到結果上，因為現在CEO真正關心的是「成效 (Outcome)」，也就是能不能帶來收入、成本或者效率上的變化，以及第一個場景跑通之後，第二個、第三個場景能不能快速複製。
「成效就是客戶感受到了什麼。」甲骨文公司副總裁及中國區董事總經理吳承楊說，如今的AI不再是一個故事、不是一個PPT、也不是一個解決方案，AI是一種能力。
甲骨文公司副總裁及中國區董事總經理吳承楊
圍繞成效論，甲骨文對企業AI的三個判斷是。第一，AI一定是企業級的，企業怎麼用AI，甚至將自身的AI能力輸出給客戶；第二，AI是雲原生的，尤其對於出海企業，雲原生可以支持用戶的數據，在不同的地方有不同的模型、不同的雲架構；第三，AI的底層是數據，企業過去建設ERP、CRM、MES，讓每套系統分別解決一個問題，AI時代分散在不同系統中的數據必須被連接起來，並形成機器能夠理解的業務語義。
所以企業AI落地正在變成一場「全棧考試」。
在甲骨文的技術版圖裡，這個全棧從雲基礎設施，一直延伸到資料庫、數據平台、模型服務、智能體和企業應用。甲骨文認為，核心目標是要讓用戶感受到實際產生的成效。
甲骨文在中國根據本地客戶需求還提出了一套AI落地方法AIBS（AI Business Success），就是要有明確業務成效。AIBS想建立一個飛輪，首先甲骨文幫助企業完成從0到1，之後客戶或合作夥伴可以再基於AIBS，實現從1到N的複製。
所以全棧回答的是企業AI靠什麼運行，AIBS回答的是這套能力如何真正進入業務，當然還有FDE來連接二者。
AIBS：把AI落地變成一套方法
「現在客戶已經不滿足於一個試點了。」甲骨文公司高級總監及中國區技術工程部總經理嵇小峰說道。企業AI正在出現三個明顯變化：業務效果必須能夠衡量，AI需要進入核心業務流程，同時還要滿足安全、可控和治理要求。
甲骨文公司高級總監及中國區技術工程部總經理嵇小峰
AIBS方法論首先想解決的，就是啟動問題。先找到一個值得做、能夠做成的場景，用它驗證業務價值，再把驗證過程中形成的能力沉澱下來，最後複製更多場景。
這個場景至少要滿足四個條件：業務效果可衡量，做完後能夠復用，所需數據能夠獲得，並且可以在可控周期內完成。
從架構上看，AIBS最底層是Oracle AI Database 26ai，其上依次包括參考架構、AI平台、數據治理、業務語義層、數據分類與安全控制，以及智能體編排工具，再加上場景選擇和項目交付機制。
去年，企業討論AI資料庫時，關鍵詞還是向量檢索和融合檢索。到了智能體階段，問題已經明顯變多：Agent如何編排，長期和短期記憶放在哪裡，不同智能體之間如何協作，以及它們如何安全地訪問企業數據。
甲骨文也把能力向這些環節繼續延伸。比如Agent Memory Core，負責保存智能體的長期和短期記憶。Private Agent Factory則是一套無代碼開發平台，企業不需要從底層重新搭建，就可以逐步創建和編排Agent。通過Select AI Agent，企業可以直接圍繞Oracle資料庫中的數據構建智能體。同時，Oracle資料庫支持MCP
，可以通過標準化方式與外部Agent和工具交互。
AI應用的越深，安全也隨之更加重要。甲骨文將安全能力劃分為三部分：
第一，源頭安全。從數據源頭控制訪問，其中一個技術是Deep Data Security。它將前端應用用戶與資料庫中的安全控制緊密結合起來，讓資料庫能夠識別最終是誰在訪問數據。第二個技術是資料庫內部防火牆，可以根據SQL的模式和預設規則，判斷一次訪問是否應該被放行，即使外圍防線被繞過，資料庫仍然保留最後一道判斷權。
第二，極速安全。模型發現漏洞的速度越來越快，資料庫推出補丁的速度也需要更快。甲骨文過去主要按季度發布滾動補丁，現在已經將資料庫安全補丁的發布頻率提升到每月一次，同時建議仍在使用老版本資料庫的客戶，儘快升級到19c或26ai等長期支持版本。
第三，韌性安全。如果威脅已經發生，比如企業遭遇勒索病毒或數據破壞。甲骨文提供了零數據丟失等相關方案，目標是在攻擊發生後儘快恢復數據和系統運行。
AI時代，成為一個「多雲Hub」
資料庫解決了AI如何讀懂企業數據，那這些模型、Agent和數據，到底跑在哪？現在看來很難是一朵雲。
尤其對於出海企業，同一套業務很可能橫跨不同地區、不同雲和不同模型。應用可能在亞馬遜雲科技，資料庫放在甲骨文，部分AI能力來自Google或OpenAI，同時還要使用來自中國的開源模型。
甲骨文很早就啟動了多雲戰略，2019年6月OCI開通了跟Microsoft Azure之間的連接，2024年6月開通了跟GCP之間的連接，今年8月跟AWS的多雲連接正式可用。
到現在，OCI希望扮演的角色，已經不只是一朵雲，而是不同雲之間的連接中心。甲骨文公司高級總監及中國區雲工程部總經理竇傑將其概括為「多雲Hub」。
甲骨文公司高級總監及中國區雲工程部總經理竇傑
幾朵公有雲除了同質化的能力外，每家都有自己獨特的服務和應用，通過OCI Interconnect，企業可以把OCI與亞馬遜雲科技、GCP、Microsoft Azure連接起來，並由Oracle提供統一的服務接口。
多雲Hub的價值在於三點，第一，是把原本複雜的多雲互聯變成一項標準化服務。過去企業要打通不同雲，通常需要同時協調雲廠商、認證合作夥伴和電信運營商，涉及多套合同和多方溝通。一旦出現故障，排查和協調也更加複雜。OCI Interconnect把這些環節整合成一項服務，企業可以直接在OCI上開通，無需再單獨尋找第三方完成連接。
第二，是提供端到端的服務保障。企業開通OCI Interconnect之後，如果出現故障或服務事件，可以通過統一接口進行處理，不需要再分別與不同服務商溝通。
第三，是降低跨雲數據流動的成本。目前除了與Microsoft Azure的互聯仍存在部分單向出項流量費用外，OCI Interconnect本身不收取進出流量費。對於亞馬遜雲科技和GCP，甲骨文還通過雙方合作免收出項流量費。
甲骨文的AI技術棧最底層是算力。甲骨文可以提供萬卡級集群、經過優化的RDMA網路和Bare Metal GPU、GB300。第二層是OCI Enterprise AI治理層，主要滿足企業在AI安全、主權和治理上的需求。第三層是GenAI服務。一部分是On-Demand Token服務，企業可以直接調用OpenAI、Google、xAI、Meta、Cohere等廠商的模型。另一部分中國企業出海，可能既要使用國際主流模型，也希望繼續使用千問、智譜等中國模型。甲骨文提供Dedicated AI Cluster服務，企業可以將中國開源模型部署到甲骨文的專屬AI集群中。第四層和第五層是Agent平台和企業應用。
還有一個突出的變化是，AI基礎設施不能只盯著GPU。去年Oracle AI World發布了網路加速架構Oracle Acceleron，今年這項技術已經進一步落到Ax機型上。Ax提供基於AMD、英特爾和Arm等不同CPU架構的實例，並通過100Gbps、200Gbps融合網卡，將低延遲網路和任務卸載等能力引入新的計算節點，面向HPC和AI推理等負載。
企業現在還會使用大量垂類模型，參數只有幾B，這類模型在部分場景下完全可以由CPU承擔推理任務。竇傑表示，基於Ax機型的CPU推理，在部分負載上的TPM、TPS表現可以接近A10級GPU。
寫在最後
能力與成效，是吳承楊反覆強調的兩個詞。這與中國企業最常問的兩個問題有關：「有什麼成功案例？」「能夠帶來什麼效果？」甲骨文對企業AI的判斷是要進入生產環境，要產生可衡量的業務成效，如果還能從一個場景複製到更多場景，才真正形成企業自己的AI能力。
AIBS也正是在這樣的市場需求下「卷」出來的。其底層產品和技術體系與全球保持一致，在中國市場，甲骨文選擇把業務成效進一步變成一套明確的落地方法。當企業越來越不願意為概念買單，能否更快證明AI的業務價值，正在成為企業判斷AI價值更直接的尺度。
