当 Codex 推出时，一位团队成员提出了一个问题：一旦 Codex 能够一次性完成 FDE 团队花费数月构建的用例，FDE 团队应该做什么？在 OpenAI，这个问题体现了前沿部署工程（FDE）团队的宗旨。FDE 与客户并肩工作，了解他们最棘手的问题，并构建他们可以依赖的解决方案；他们所学到的内容会反馈给产品团队，并为研究团队提供具体的问题去解决。如果该团队每隔几个月就让自己变得过时，那说明它正在履行职责。
该团队成立于 2025 年初，旨在弥合 OpenAI 所称的部署鸿沟：模型看似具备的能力与人们能够可靠地用于工作的能力之间的距离。有时缺少的是一款产品。另一些时候，模型在基准测试中表现出色，却无法应对现实世界中的各种变量和约束。如果模型已经能够胜任工作，FDE 会与产品团队和客户合作，使解决方案可以复制推广。如果模型力有不逮，他们则与客户和研究团队一起界定差距并改进模型。
在拥有 200 年历史的农业企业 John Deere，挑战在于如何规模化地为农民提供个性化建议。其 See & Spray 技术利用摄像头和机器学习，只对杂草喷洒药剂而非整片田地，从而将化学品使用量减少多达 70%。然而，要实现这些益处，取决于农民是否懂得如何配置该技术并调整其耕作方式。John Deere 部署了 OpenAI 的 API，以提供自然语言解答、量身定制的设置指导，并在设备可能未发挥最佳性能时发出提醒。
OpenAI 表示，这类问题往往尚无定论，既没有既定的基准事实，也没有现成的操作手册。其 FDE 团队遵循一项核心原则：从结果出发，尽一切努力取得成功，然后再规模化推广。2025 年年中，约 15 名 FDE 与一家大型半导体客户合作，围绕超过 10 个用例展开工作，以使芯片验证实现 AI 原生化，而这一环节可能占到项目工作量的约 70%。
来源: OpenAI Blog · 由HeadlinesBriefing整理摘要