Researchers from The University of Hong Kong and Kinetix AI have developed a humanoid robot system called SMASH that can play real table tennis using only onboard cameras. The robot tracks the ball in real time without using external cameras or motion-capture systems. It can perform powerful smashes, quick side movements, and low crouching saves using full-body coordination.

Built a little desk gadget that shows my Claude usage in real time — I call it TokenTotoro. A chill forest spirit watches me burn through tokens. As session & weekly usage climb, the ring around it goes green → amber → red. One glance at my desk tells me if I can keep vibing this week. The wild part: I know less code. I built this whole thing collaborating with AI, debugging it myself — same ESP32 board that was a talking AI companion in my last project, now reborn as a usage meter. A tiny spirit guarding my quota. Cozy and genuinely useful. #ESP32 #Claude #ClaudeCode #MakerProject #VibeCoding

FDE 的窗口期，才刚刚开始，这个判断绝对正确。 今天在上海创智学院参加完 FDE 培训后，我有一个很强的感受： 企业 AI 已经从“认知教育期”，进入了“场景落地期”。 过去很多企业还在问： AI 是什么？ 能不能用？ 值不值得用？ 但现在越来越多企业其实已经走到了下一步： 他们知道 AI 要用。 也大概知道 AI 可以用在哪些业务场景。 但真正的问题变成了：没人能把它落下去。 这就是 FDE / FD 这类角色开始变得重要的原因。 它不是简单的售前，也不是传统意义上的实施，更不是单纯写代码的工程师。 它本质上是一种交叉型能力： 既要懂技术，知道模型、系统、数据、接口、自动化边界在哪里； 又要懂业务，能理解行业流程、岗位分工、异常情况和真实需求； 还要懂交付，能把一个模糊场景拆成可开发、可验收、可运营的系统。 所以今天真正稀缺的不是“会 AI 的人”，而是： 能把 AI 放进具体行业流程里，并且真的跑起来的人。 很多企业现在不是没有场景，而是卡在场景到落地之间。 比如： 业务流程谁来梳理？ 数据结构谁来定义？ 异常情况谁来兜底？ 系统接口谁来打通？ 验收指标怎么制定？ 上线以后谁来持续优化？ 这些问题不解决，AI 项目就很容易停留在 demo 层面。 我的判断是，未来半年开始，FDE 类需求会快速放大。企业对 AI 的需求会越来越明确，但市场上真正具备“技术 行业 know-how 交付能力”的团队，依然会非常稀缺。 也就是说，需求会先爆发，但供给不会马上跟上。 这个供需差，可能会形成一个 2 到 3 年的窗口期。 在这个窗口期里，我认为会长出两类新公司： 第一类，是基于行业 know-how 的 AI 实施公司。 它们不一定一开始就是标准 SaaS，而是围绕某个行业、某类客户，把流程、数据、系统、交付方法沉淀下来，成为真正懂行业的 FDE 型组织。 第二类，是在解决行业 know-how 之后长出来的 AI-native 公司。 它们不是给传统行业加一个 AI 功能，而是直接用 AI 重构这个行业里的某个岗位、流程或服务模式。 这类公司在美国已经有一些样本了。 比如法律方向的 Harvey，定位就是面向律所和企业法务团队的 AI 平台，覆盖合同分析、尽调、合规、诉讼等法律专业工作流。 还有 EvenUp，专注于人身伤害律师事务所，把 AI 用在案件材料处理、需求函生成、案件生命周期管理等具体法律业务里。 保险方向也类似。Sixfold 做的是面向保险承保人的 AI，把大量投保材料、风险资料和非结构化信息转成承保人可以使用的判断依据。 EvolutionIQ 则聚焦保险理赔指导，用 AI 帮助理赔人员更早识别关键案件、做出下一步决策。 Roots Automation / Bevaya 也在做保险行业的 AI Agent，覆盖承保、理赔、保单服务等流程。 这些案例共同说明了一件事： AI-native 公司不是凭空长出来的。 它们背后一定有对行业流程、业务数据、岗位任务和交付场景的深度理解。 所以我现在越来越觉得，FDE 不是一个普通岗位，而是 AI 落地时代的一种关键组织能力。 谁能更早进入行业，积累 know-how，跑通交付路径，沉淀可复用的方法论，谁就有机会在接下来 2 到 3 年的窗口期里，长成新的 AI 服务公司，甚至长成新的 AI-native 公司。