Forward Deployed Engineering: Delivering Business Outcomes with AI
TL;DR · AI 摘要
Databricks 推出 Forward Deployed Engineering(FDE)组织,通过嵌入式工程团队和 Lakehouse 平台,加速客户 AI 业务成果。
核心要点
- Databricks 的 FDE 组织已服务 1,900 多家客户,覆盖 12 个月。
- Fox 通过 FDE 将搜索成功率翻倍,日均请求量达数十万。
- FDE 采用嵌入式工程团队,与客户共同构建 AI 应用,而非仅提供平台。
结构提纲
按章节快速跳转。
- §引言
Databricks 正式推出 Forward Deployed Engineering(FDE)组织,以加速客户 AI 业务成果。
FDE 通过嵌入式工程团队、Lakehouse 平台和全球合作伙伴网络,实现从数据迁移至 AI 应用的全流程交付。
- ›客户案例
Fox、JPMC 和 Qualcomm 等客户通过 FDE 实现了显著的业务成果,如搜索成功率提升、数据迁移加速和 AI 工作流优化。
FDE 在过去 12 个月内服务了 1,900 多家客户,推动了 AI 应用的快速落地和业务增长。
思维导图
用一张图看清主题之间的关系。
查看大纲文本(无障碍 / 无 JS 友好)
- Forward Deployed Engineering
- 核心机制
- 嵌入式工程团队
- Lakehouse 平台
- 全球合作伙伴网络
- 客户案例
- Fox 搜索成功率提升
- JPMC 数据迁移加速
- Qualcomm AI 工作流优化
金句 / Highlights
值得收藏与分享的关键句。
Fox 通过与 Databricks FDE 合作,将搜索成功率翻倍,日均请求量达数十万。
JPMC 在四个月内迁移了 5+ PB 数据和 500+ 笔记本,并培训了 600+ 用户。
Qualcomm 通过 FDE 将多日工作流程缩短至几分钟,实现生产级 AI 模型。
前置部署工程:通过人工智能实现商业成果 | Databricks 博客
跳转到主要内容
客户
2026年6月11日
前置部署工程:通过人工智能实现商业成果
Databricks 正在推出前置部署工程,以加快客户数据和人工智能成果的实现。
作者:Jason Martin
摘要
- Databricks 正在推出其前置部署工程(FDE)组织,以通过人工智能加速客户的商业成果。FDE 将 Lakehouse 平台(Apps、Genie、Lakebase)与嵌入式、以工程为主导的交付方式、全球合作伙伴网络和直接的 R&D 联动相结合。
- 客户的需求已从“帮助我们迁移和构建数据管道”转变为“帮助我们解决业务问题”。FDE 涵盖从迁移至生产级人工智能代理的全过程,用构建尚未存在的解决方案的工程师取代传统的顾问式交接,以共同的 OKR 和客户成果为核心。
- 成果:12 个月内服务了 1,900 多位客户。Fox 将其搜索成功率翻倍(四分之一的搜索流量来自共同构建的功能,每天处理数十万次请求);JPMC 在四个月内迁移了 5 PB 以上的数据和 500 多个笔记本,并培训了 600 多名用户;Qualcomm 从孤立的人工智能实验转向生产级的智能模型,将多日的工作流程缩短至几分钟。
在过去的几年里,客户的需求逐渐从“帮助我们迁移和构建数据管道”转变为“帮助我们解决业务问题”。这种从基础设施到成果的转变正在重塑客户对服务合作伙伴的期望,也改变了我们交付的方式。
今天,我们正式确立这一演变:Databricks 正在推出我们的前置部署工程(FDE)组织。FDE 并不是一个全新的实践,而是多年来 Databricks 最具雄心的项目交付方式。这种聚焦加速了我们当前的能力,并将我们的专业服务组织整合在一起,以一个目标:通过人工智能加速客户的商业成果。
在过去 12 个月内,我们的团队已与 1,900 多位客户合作,帮助他们实现数据和人工智能目标,从人工智能加速的迁移,到与 Databricks R&D 合作构建前所未有的人工智能应用。与 Fox 合作,这意味着将工程师嵌入其团队,以加速其各业务线上的生产级创新:
为 Fox 公司构建生产级人工智能,意味着为热情的粉丝打造围绕实时时刻、大规模应用的体验。我们与 Databricks FDE 的合作带来了工程师,而不仅仅是平台。与 FOX 工程团队并肩合作,Databricks 帮助我们利用 Lakebase、AI 搜索、Databricks Apps 和模型服务重新设计了 FOX Sports 和 FOX One 的粉丝体验。这种影响是可衡量的,使用 Sports AI 的用户在应用中花费的时间大约是原来的两倍,这表明人工智能驱动的体验可以在大规模上深化粉丝参与。这一合作加快了创新的步伐,将人工智能功能推向市场,以实现实时、现实世界的影响。 —— FOX 公司首席技术官 Melody Hildebrandt
我们实时见证了这项工作的演变,并与之共同成长:我们曾在2024年7月首次撰文介绍以OKR为中心的交付模式,随后又分享了我们敏捷服务交付方法的经验。在Databricks,FDE的核心是嵌入客户账户并迅速交付创新,这决定了我们与像摩根大通(JPMC)这样的客户合作的方式:
我们不需要更多的顾问,我们需要的是能够构建尚未存在之物的工程师。Databricks FDE团队在四个月内将超过五PB的CCB风险数据和500多个笔记本迁移到了平台上,为600多名用户进行了平台培训,并加速了我们超出原始范围的更广泛迁移。他们为我们的AI战略扫清了障碍,我们正继续与他们合作,以此为基础构建更多内容。——摩根大通消费者与社区银行首席技术官(CTO)Bala Vadhiyar
对于许多客户来说,现代化是通往AI的路径,而不是偏离AI的绕道。整合到Lakehouse平台、淘汰老旧的数据仓库、梳理数据管道是实现所有后续成果的首要步骤。FDE在整个过程中都参与其中,从解锁平台的迁移,到驱动AI应用的实现。
这就是Databricks FDE体验的独特之处,以及与我们团队合作时你能期待的,其他地方无法获得的体验。
使FDE模式奏效的要素
四项能力汇聚在一起,使FDE能够成功交付。它们共同构成了Databricks FDE的独特之处。
技术:一个强大且面向客户所需成果构建的数据和AI平台
Lakehouse是开放且统一的基础;Databricks Apps、Genie和Lakebase将其扩展为生产AI应用、自然语言数据访问和运营数据。该平台在设计上支持多模型和多云架构。这种基础区别于一个演示效果良好的原型,而是一个可以驱动你业务运行的系统。
经验:以工程为导向的交付模式
凭借在数据工程、应用开发和生产系统部署方面的专业知识,我们的FDE团队带来了将平台原始潜力转化为实际业务解决方案所需的顶尖工程人才。我们的合作以工程为核心,围绕客户的业务目标展开。
规模:一个覆盖全球和地区技能的合作伙伴网络
合作伙伴对于实现FDE所需的广泛专业知识至关重要。要实现业务成果,必须从客户所在的位置出发:他们使用的技术、他们所处的行业以及他们的地理位置。多年来,我们一直与合作伙伴并肩合作,完成我们最复杂和激动人心的项目。如今,我们拥有数百家合作伙伴,使我们能够为全球客户提供广泛的专家经验和区域覆盖。
研发联动:我们产品和工程团队向客户的延伸
FDE团队与研发团队协同工作,通过反馈循环推动快速迭代。当平台尚未满足客户的需求时,FDE会直接与研发团队合作,对其进行扩展。我们在现场学到的内容会直接影响产品。与研究团队联合撰写的论文记录了我们的学习成果(示例)。构建平台的专业知识在你解决最棘手问题时也会出现在现场。
你将从我们这里获得什么
与FDE合作是经过精心设计的,以下是你将能期待的:
- 可衡量的成果:以你的业务成果为中心,通过共享OKR来开展合作。
- 缩短实现价值的时间:快速从原型过渡到生产环境,减少交接环节,避免信息丢失。进展以周为单位衡量,而非季度:在整个合作过程中,都能看到真实且可追踪的成果。
- 内部嵌入工程团队:工程人才需达到顶尖水平,并与您的团队并肩协作。
- 简化的商业结构:越来越多地采用以成果为导向的定价方式,同时在适用的情况下提供基于里程碑的固定费用选项。
- 扩展能力:接入一个全球合作伙伴网络,实现交付能力的扩展,并引入专业技能。
下一步
如果您想亲眼看到 FDE 的实际应用,请于 6 月 15 日参加 DAIS 会议,在“使用 FDE 构建”专区与我们一同参与。如需联系,请联系 Databricks 的客户团队。
我们正在招聘:如果您希望与各个行业技术前沿的客户一起构建生产级 AI 系统,请加入我们。
在您的邮箱中获取最新文章
订阅我们的博客,即可将最新文章发送到您的邮箱。
注册
查看所有博客
slice-start id="_gatsby-scripts-1"
slice-end id="_gatsby-scripts-1"