什么是FDE——被部署在"前线"的工程师与2026年的爆发
FDE一言以蔽之，即"不驻守总部，而是被部署在客户这一'前线'，并在那里将产品做到落地的软件工程师"。"Forward Deployed"这一词语本身源自军事术语"前线部署"，与在安全的后方打磨产品的开发者形成鲜明对比——FDE被期望在条件最艰苦、约束最多的客户现场创造价值。这一职种由大数据分析企业Palantir Technologies（成立于2003年）所创。该公司最初将这一角色称为"Delta（德尔塔）"，据称是作为第13号员工入职、后来出任CTO兼EVP的Shyam Sankar（沙姆·桑卡尔）构想了将工程师直接嵌入客户团队内部的这一模式。理解其精髓的关键，在于Palantir自身所描述的"类似初创公司CTO的角色"——以小团队之力，独自承担高风险项目的端到端（end-to-end）责任。在Palantir内部，开发者（Dev）的定位是"将一项能力交付给众多客户（one capability, many customers）"，而德尔塔（即FDE）则被对比定义为"为一位客户提供众多能力（one customer, many capabilities）"。前OpenAI首席研究官Bob McGrew将这一模式称为"Productized Consulting（产品化咨询）"，同样一语道破了其本质。
仅凭抽象概念难以充分说明，以下举几个具体案例。某位Palantir资深员工将自己的工作地点描述为"空客总装线上方"或"与外部网络物理隔断（airgapped）的系统内部"。OpenAI的FDE与农机巨头John Deere（约翰迪尔）合作，利用LLM为每位农户量身定制农业经营建议（intervention），在播种季节这一严格截止期内，直接与现场农户协作并实现规模化落地。在Palantir于2026年5月收购的AI实施企业Tomoro的案例中，据报道其为移动游戏巨头Supercell构建的AI客服智能体，面向约1.1亿用户提供服务，每日处理约5亿个token，同时将客服成本削减约90%，满意度评分提升约20%。FDE与其他职种最显而易见的区别，正在于此：不是交付报告或设计文档后拂袖而去，而是在客户的生产业务中实际运转，并留下能够推动数字变化的成果。
与相邻职种对比，这一差异更加突出。与顾问的最大区别在于交付物与目标。借用日本设计公司Goodpatch的梳理：顾问和系统集成商（SI）的交付物是报告、设计文档和定制开发，目标是"项目完成"；而FDE的交付物是"自家产品的导入与定着"，目标是"客户能够自主运营（self-serve）的状态"。此外，知识的流向也不同。顾问的项目经验止步于项目本身，而FDE在客户现场积累的洞察会反哺自家产品，直接提升公司的资产价值。Pragmatic Engineer引述Palantir的说法是：FDE不是在产品"周围（around）"构建解决方案，而是在产品"之上（on）"构建。与解决方案架构师（SA）的区别同样清晰：在OpenAI，SA扮演顾问角色，鲜少在生产基础设施上直接编写代码；而FDE则直接在客户的生产系统中写代码，在更大的模糊性中，从现场需求出发，反向驱动产品改进。与驻场SE的区别，也在于FDE一气贯通地承担从设计到实施、运维乃至"反哺产品"的全过程。简而言之，FDE是将顾问的思维力、数据科学家的洞察力、软件工程师的实现力与项目经理的执行魄力集于一身的职种。
FDE这一概念本身已存在十余年，但需求的爆发发生在2025年至2026年间。其背景是"企业级AI的生产落地问题（production gap）"。尽管对生成式AI的投资热情高涨，但由于数据质量低下及与现有系统集成的困难，大量项目止步于概念验证（PoC）阶段，无法真正进入生产环境。"填补这一鸿沟的正是FDE"——这一认知在业界迅速蔓延。职位需求的增长极为惊人：据a16z统计，2025年1月至9月，FDE的月度职位发布量增长超过800%；职位分析服务bloomberry的数据也显示，从2025年4月的643个职位增至2026年4月的5,330个，同比增长约729%。
2026年相继涌现的大型机构结构性动作，更是奠定了这一趋势的走向。OpenAI于5月12日宣布成立"OpenAI Deployment Company（简称DeployCo）"，初始资本40亿美元（约6,400亿日元），估值140亿美元（约2.2兆日元）。这是一家由19家机构出资承诺的合资公司，由TPG领投，Advent International、Bain Capital、Brookfield担任联合创始合伙人，SoftBank、Goldman Sachs、McKinsey等也参与其中。与此同时，OpenAI还宣布收购英国应用AI企业Tomoro（成立于2023年），约150名曾服务于Tesco、Virgin Atlantic、Supercell、NBA等客户的经验丰富的FDE及Deployment Specialist将从第一天起加入新公司。Anthropic则抢先一步，于5月4日宣布与Blackstone、Hellman & Friedman、Goldman Sachs合作，成立规模约15亿美元（约2,400亿日元）的AI原生企业服务公司。目标客户是私募股权（PE）旗下的医疗、制造、金融等投资组合企业，将Anthropic的工程与合作伙伴资源直接嵌入新公司内部——这正是Palantir式的前线部署模式。该公司解释道："Claude的能力每月、有时每周都在变化，因此产生了与传统软件导入截然不同的工程挑战。"咨询与系统集成行业本身也在加速FDE化：OpenAI于2月23日宣布成立以McKinsey、BCG、Accenture、Capgemini为创始合作伙伴的"Frontier Alliance"；EY于4月在英国和爱尔兰设立FDE职位（初始批次约50人），成为首家将其制度化的大型咨询公司；Deloitte设有专门组织；PwC也于1月新设"AI-Native Engineering"部门；Google Cloud亦在Thomas Kurian的领导下大规模招募FDE。Palantir用20年磨砺出的工作方式，仅用一到两年便被推升为行业标准。
FDE的薪酬与体制——股权占多数的"最高待遇"职位
FDE以其在工程职位中突出的高薪待遇而闻名。根据a16z及招聘数据，美国FDE的平均总薪酬（TC）约为23.8万美元（约3,800万日元），典型区间约为20.5万至48.6万美元（约3,300万至7,800万日元），Palantir、OpenAI、Anthropic处于上限区间。
按公司和级别细分，差距进一步拉大。据levels.fyi，Palantir本家的FDSE（Forward Deployed Software Engineer）薪酬大致在17.1万至41.5万美元（约2,700万至6,600万日元）之间，中位数约为21.5万美元（约3,400万日元）。而前沿实验室（OpenAI／Anthropic）则远超这一水平。在汇总了1,200名FDE数据的2026年薪酬报告（Perspective AI）中，中级职位总薪酬中位数约为38.5万美元（约6,200万日元），高级约为56万至78.5万美元（约9,000万至1.26亿日元），Staff级中位数约为61万美元（约9,800万日元，高端为75万至100万美元，约1.2亿至1.6亿日元），Principal级在Anthropic和OpenAI可超过120万美元（约1.9亿日元）。仅就基本薪资而言，OpenAI中级约23万美元（约3,700万日元）、高级约29万美元（约4,600万日元）、Staff约33万至37万美元（约5,300万至5,900万日元），Anthropic中级约22万美元（约3,500万日元）、高级约27.5万美元（约4,400万日元）。
在这一职位的薪酬结构中，股权（Equity）的占比至关重要。上述报告指出，在前沿实验室，2026年股权占总薪酬的60至70%，较两年前的35至45%大幅提升。由于财富500强等大型企业的股权占比仅为15至25%，前沿实验室的FDE在同等级别上的收入是Palantir型FDE的2.0至3.5倍，差距几乎全部来源于股权。年度奖金稳定在基本薪资的15至25%左右。FDE在同等级别上比普通软件工程师高出25至40%的薪酬，被解释为将卓越编程能力与客户面对能力相结合的稀缺性溢价。
日本市场的体系与水准也正在起步。从招聘信息来看，LayerX开出"1,200万日元起"，Loglass开出"1,000万至2,500万日元"，明显高于各自软件工程师职位（600万至1,200万日元）的水平。值得注意的是，国内媒体介绍的"初级2,700万至3,750万日元、高级6,000万至9,450万日元"等惊人数字，实质上多指美国前沿实验室薪酬的日元换算水平，需与日本国内行情加以区分理解（上述报告也注明，美国以外的水平约为美国的50至70%）。
在体制方面，OpenAI的建团方式堪称典范。Forward Deployed Engineering负责人Colin Jarvis于2025年初仅以2人起步，将团队扩展至横跨纽约、旧金山、都柏林、伦敦、慕尼黑、巴黎、东京、新加坡8座城市、3大洲的10余人规模。每位FDE的工作大致分为三个阶段：第一是定界（Scoping，深入现场，映射业务流程，识别高价值机会，并用合成数据进行原型验证）；第二是验证（Validation，制定评估标准，通过迭代优化提升性能，确认所定界的方案能否真正创造价值）；第三是交付（Delivery，在现场完成数据集成，构建并演示真正可运行的成果）。Jarvis表示："FDE在大量模糊性中工作。客户在定界阶段所描述的内容，往往与现场数据和系统的实际情况不符。"小规模、驻场、面向生产的组建理念，是全球FDE组织的共同特征。
硬技能①——在实际工作中"将产品做到完成"的技术实力
从这里开始，进入本文的核心主题——所需的技能组合。首先，硬技能的核心，不言而喻，是"在现场将东西做出来"的技术实力。
FDE基本上是全栈软件工程师，直接在客户的基础设施上编写代码、调试、定位根本原因、整合和配置数据。具体的一天是这样的：从带到客户办公室的终端连接生产数据库，编写脚本将乱码的商品主数据进行规范化，逐一排查认证不通过的API网关配置，追踪日志找出"不知为何只有深夜响应下降"的原因——原来是与客户方夜间批处理任务的冲突——这些都是在精心准备好的环境中绝不会发生的、枯燥作业的连续。各公司的招聘要求趋于一致。Anthropic的招聘说明中明确要求"LLM生产经验——包括高级提示工程、Agent开发、评估（eval）框架、规模化部署"，以及使用Python、TypeScript/Java等语言的扎实实现能力和发布过生产应用的经验。日本的LayerX和Loglass也将"3年以上Python开发经验"、"前端开发经验"、"从需求定义到运维的全生命周期经验"作为基本要求。
2026年FDE的显著特征是，技术重心已向AI工程转移。Anthropic列举的具体交付物包括：面向生产工作流的MCP（Model Context Protocol）服务器、子Agent以及Agent技能。例如在保险理赔现场，搭建一个能让Claude安全连接公司内部条款数据库和历史赔付记录的MCP服务器，针对各争议点分角色运行子Agent，最终由人工理赔专员审批确认——这套机制需要在现场根据客户的安全要求即时搭建起来。OpenAI的FDE通过在现场构建评估体系来持续提升产品本身。在某语音自动化项目中，FDE构建的模型评估使性能差距得以可视化，进而推动了Research团队对Realtime API的改进，惠及所有客户。FDE也是Agents SDK的主要贡献者。换言之，技术实力不仅仅是使用现有库的能力，还包括从现场约束出发逆向设计评估维度，以及在能力不足时直接修补平台侧漏洞的能力。对特定语言的执着并不被看重，反而是"为了解决眼前的问题什么都能用"的语言无关（language-agnostic）姿态更受青睐。
重要的是，这种技术实力必须能够承受"模糊而混乱的现实"。不是在整洁的测试环境中，而是要在气隙隔离（air-gapped）环境、老旧的核心业务系统、被法规层层束缚的现场中让它运转起来。例如，在完全不联网的银行核心账务系统旁，能带入的只有一根U盘，追加安装库也需要申请和数周等待——即便在这样的限制下，也必须将能运行的东西做出来。对于出身日本SE/系统集成商的人来说，这里反而是出乎意料的优势所在。对核心系统架构的深入理解，以及在严苛安全限制下的开发经验，在将最新AI与现有系统对接时，将成为切实可靠的武器。
硬技能②——描绘可复用基础的"宏观设计能力"
与技术力并列的另一项硬技能，是宏观设计力——不着眼于单个功能，而是构想客户整体业务以及能在其上长期复用的底座（平台）的设计能力。这是将FDE从"高薪编码员"提升为"驱动业务的架构师"的分水岭，也是a16z在论述"Palantir化（Palantirization）"时置于核心的论点。
据a16z分析，Palantir之所以没有止步于"咨询＋软件"，原因在于前线团队并非为每位客户从零构建系统，而是组装了可复用的原语（数据模型、工作流引擎、权限控制层等）。FDE承担"选择并验证"原语的角色，而新原语本身则由产品团队创建。这种"配置优于代码（configuration over code）"的规范，防止了无休止定制的泥潭，使代码与知识得以跨项目复用。具体而言，当某连锁零售商委托做需求预测时，平庸的工程师只会做那一个功能。具备宏观设计力的FDE则会先将"商品、门店、库存、订货、供应商"等业务概念落入一张本体论图谱，让需求预测、自动补货、货架优化全都能后续搭载在同一底座之上。每次新需求到来，不必追加代码，只需重新组合已有配置即可响应——这便是"配置优于代码"的真实面貌。更进一步，Palantir不仅将现有业务自动化，还通过"有主张的集成（opinionated integration）"引导客户走向新的运营模式。绘制数据本体论（业务概念的结构化地图），并在其上承载多项业务——这种整体设计正是宏观设计力的具体体现。
在2026年的语境下，这种设计力又增添了"以持续演进为前提进行构建"这一新难度。如前所述，Anthropic表示"Claude的能力以周、月为单位发生变化"，要求实现随模型改进而同步演进的设计。也就是说，FDE的宏观设计不仅是构建当下可运行的系统，更是勾勒出半年后更优模型到来时无需推倒重来的骨架。例如，若不将模型调用直接写入业务逻辑，而是插入可与评估数据集互换的接口，那么新模型发布后的第二周，只需跑一遍评估再替换上去，整体性能便得到提升。反之，在这一环节偷懒的实现，每当模型演进都将被迫重新构建。要体现Palantir所说的"one customer, many capabilities（一位客户，多种能力）"，需要的不是眼前的单一功能，而是纵览该客户整个问题空间，精准划定哪里作为公共基础、哪里保留为客户专属代码的构想力。a16z在甄别"Palantir型创业者"时的追问——"通用产品止于何处，客户专属代码始于何处""成熟客户三年后的利润率将如何演变""规模扩展至50家客户时何处会崩溃"——本身就是衡量FDE宏观设计力的试金石。
软技能①——将混沌结构化的"逻辑思维"
FDE工作的一半，在于编写代码之前"将混沌结构化"的过程。在这里发挥作用的是逻辑思维——将尚未语言化的课题抽丝剥茧，从逻辑上定义出"应该构建什么"的能力。
前文提到的Colin Jarvis先生的话颇具代表性："客户在范围界定阶段所陈述的内容，往往与现场的数据及系统实际情况不符。"正因如此，FDE需要具备一种分解能力——不轻信客户的自我陈述，而是深入现场观察、核查数据，找出真正的瓶颈所在。请想象一个具体的场景：财务部门说"发票处理太耗时，想用AI实现自动化"。但若深入现场逐一测量，往往会发现真正的瓶颈并非录入本身，而是将同一数字重复录入两套内部系统、并在月末进行对账以消除差异的环节——这一流程吞噬了整体工时的六成。此时FDE应做的，不是去构建"发票AI"，而是将问题本身重新框架为消除重复录入的系统设计。Goodpatch将此表述为"在现场倾听用户的声音，找出本质课题的能力"与"梳理复杂业务流程的能力"。以OpenAI的三阶段模型来看，验证阶段中"建立评估标准、以登山式方式持续提升性能"的过程本身，就是一个不断提出假设、加以验证、进行证伪的逻辑思维的连续体。这正是"顾问的大脑、数据科学家的眼睛、软件工程师的双手、项目经理的心"这一比喻中，对应"大脑"的部分。
逻辑思维不仅体现在技术判断上，还延伸至ROI的设计与阐释。需要用一套让管理层和一线人员都能信服的逻辑，说明将AI引入哪些业务环节，可以带来多少成本削减、营收增长和质量改善。例如："七成咨询属于标准FAQ，每件平均耗时五分钟，折算为客服人力成本相当可观——若以智能体实现自动回复，每月可释放数百小时"——通过分解基数、单价、削减率来呈现结论。像Supercell案例中"支持成本降低90%、满意度提升20%"这样的数字，需要事前有条有理地做出承诺、事后加以证明的能力。咨询行业所磨练的MECE思维和假设驱动思维，在这里同样适用。日本咨询／DX人才被认为易于转型为FDE，正是因为双方共享着"逻辑构建力"这一共同语言。
软技能②——推动组织运转的"内部政治力"
这或许出乎意料，但FDE最被考验的软技能是"内部政治力"——更准确地说，是读懂己方与客户双方组织动态、推动人心的政治周旋能力。即便技术上构建出正确的解决方案，若因现场阻力或部门壁垒而受挫，也无法落地上线。
a16z的Joe Schmidt反复强调FDE"亲临现场（be there in person）"的重要性。实地常驻能推动导入进程，并能揭示文档中永远不会呈现的"组织动态（organizational dynamics）"。AI导入往往伴随着业务流程本身的重新设计，要求客户接受"软件不再是工具，而是成为同事（active coworker）"这般程度的变革。这是纯粹的变革管理，若无政治力来判断谁的业务将如何改变、谁是阻力、谁是推手，并通过铺垫与拉拢来建立共识，则寸步难行。常见的格局如下：现场运营部门欢迎AI，合规部门却以"无法追责"为由叫停，信息系统部门则以"不允许接入生产数据"为由推诿。即便技术方案无懈可击，若放任这三方僵局不顾，也无法落地上线。FDE需要将旗手角色的业务负责人拉为盟友，向合规部门展示审计日志与人工最终审批以消除顾虑，并为信息系统部门准备好从限定范围试点起步的折中方案——只有身处现场才能看到的这种铺路工作，才是决定成败的关键。Palantir从早期就重视的，是将FDE从官僚摩擦中"绝缘（insulate）"出来，让其只专注于"如何才能推进"的思路。反过来说，FDE自身必须是能在客户组织的政治漩涡中，以同等热忱向技术与业务两方利益相关者都打通关系的人物。
在此发挥作用的，是低姿态（low ego）与高度协作性。Anthropic的职位要求中，除"向多样化利益相关者传达技术概念的沟通力"之外，还明确写入了"低自我与协作姿态"、"驾驭模糊性的高度主体意识（high agency）"、"跨越组织边界协作的高度协调思维"。与此同时，不被无休止的请求所淹没的自律——"对会议与需求说不的能力"也不可或缺。客户的关键人物接连提出"这个界面再加一个按钮"之类的小需求是常有的事，但若一概接受，产品就会沦为客户专属的一次性用品，可复用的基础也将崩塌。在被人喜欢的同时，还能笑着划定界限说"这个不会作为通用功能提供"——这正是所考验的能力。a16z在判断"Palantir型管理者"时将"领导者能否对定制化需求说不"列为考量标准，正是因为这一问题考察的是在赢得客户好感的同时不被其牵着走的政治强度。此外，FDE在自身公司内部也需要发挥政治力。要将现场洞察传递至产品路线图，就需要与Research和Product各团队持续周旋。OpenAI的FDE每隔一周与Research共享洞察、向Product高管进行定期汇报、在公司内部Slack上发布"FDE Field notes"，正是为了跨组织施加影响力而建立的机制。
战略技能——"经营力"与服务主导增长理念
最后，将FDE从单纯的优秀执行者提升为能够承担业务重量的存在的，是战略技能，即经营能力。Palantir反复使用的"FDE就像初创公司的CTO"这一比喻并非夸张。以少数人之力，同时承担损益、工期与客户满意度，从头到尾做出决策。事实上，也有观察指出，AI初创公司已开始有意识地将"未来创始人候选（future founders）"招募为FDE职位。
理解经营能力的最佳框架，是a16z的Joe Schmidt所倡导的"服务主导增长（Services-Led Growth，SLG）"。相对于硅谷一贯信奉的产品主导增长（PLG），SLG优先考虑的是"即便牺牲初期利润率，也要掌握客户业务数据的入口，成为不可或缺的'工作基础（system of work）'"。Schmidt的比喻十分精妙："购买AI的企业，就像拿到iPhone的老奶奶。想用，但需要有人帮忙设置。"承担这一设置工作的正是FDE，他们越是将AI整合进客户的内部系统，流经其中的业务数据就越积越多，形成竞争对手难以模仿的护城河（moat）。具体而言，即便在最初的导入阶段主动接受薄利，也要将自家产品置于客户订单收发、库存等核心数据的"流通要道"之上。运转三年后，那里便会积累起竞争对手无法一夜复现的海量业务数据与运营经验，让人想剥离也无从剥离。FDE的一步棋，不是眼前某个单一项目的盈亏，而是"掌握这条通道"的战略一手。实施成本高的业务初期利润率固然偏低，但正如ServiceNow从IPO时的毛利率63.2%提升至2024年的79%、Workday从54.1%提升至75%所示，在掌握市场之后，利润率将随之大幅改善。因此Schmidt断言："当下，企业唯一应该优化的指标，就是尽可能快速地增长总毛利润。"FDE所需的经营能力，正是理解这一护城河与飞轮（flywheel）经济学、并能将现场的每一步棋与战略相连接的能力，别无其他。
不过，a16z也警告了"Palantir化的陷阱"。许多模仿者顶着软件估值的光环，实质却是高成本的服务业务，在没有积累任何复利优势的情况下，沦为"某某行业的Accenture"。例如，同样是"面向制造业的AI导入"，若每个项目都各写一套专属代码，则增加多少人手，营收就只能增长多少——陷入劳动密集型的泥沼。反之，若能将各项目的定制积累汇入共用的数据模型与评估基础，下一位客户的启动速度就会加快，利润率也将随着每次迭代持续提升。同样是现场工作，这一差异将在三年后的财报上清晰呈现。要避免这一陷阱，需要冷静研判：是否是使命关键型问题、客户是否为少数大客户、业务是否相似到可以复用、是否处于受监管或数据引力强的领域。对于FDE个人而言，时刻自问自己现场的定制是否成为了"可复用的资产"，还是不过是"一次性外包"——这种经营者视角，正是这一职种真正价值的分水岭。
对日本咨询、系统集成商及风险投资的意义——能否摆脱"人月"模式
最后，我想从日本咨询、SI（系统集成）和科技系风险投资的视角对上述内容进行综合分析。FDE这一职种对日本提出的问题，是如何摆脱长年主导该国IT行业的"人月制商业模式"与"多层转包"结构。
日本的系统集成商和咨询公司所提供的，本质上是以"工时（人月）×单价"定价的劳动力。驻场SE（系统工程师）在深入客户现场这一点上与FDE相似，但其积累的知识止步于单一项目，无法作为公司资产以复利形式持续积累。FDE模式的颠覆性恰恰在于将这一点彻底逆转：在现场解决的问题越多，自家产品就越精进，公司的资产价值也随之自动提升。正如Goodpatch所总结的，人月制商业模式"难以规模化"，而FDE则"能够向产品收益转型，即具备可扩展性"。OpenAI和Anthropic不是将咨询公司和系统集成商置于从属地位，而是以Frontier Alliance和华尔街合资企业的形式，以"自身作为拥有FDE的平台化企业"与之并行发展——这一事实对日本的SI和咨询各公司而言，意味着价值链上游可能被夺走的深层变革。EY、德勤、普华永道相继将FDE组织制度化，麦肯锡拥有QuantumBlack，埃森哲也将重心转向落地实施支持，这些举措正是这种危机感的折射。各媒体的报道基调也将FDE定位为行业结构转型的拐点——不仅视之为一种新兴职种，更是"对咨询行业本身的挑战（Fortune）"和"AI领域增长最快的职业（PYMNTS）"。
叠加科技系风险投资的视角，其含义则更为深刻。a16z推崇"服务主导增长"（Service-Led Growth），将初期低利润率转化为护城河的战略，这对日本SaaS/AI初创公司的构建方式同样产生影响。据报道，国内已有LayerX（AI·LLM事业部的FDE组织）、Loglass、SmartHR（企业成功单元）、AI Shift（新设FDE职位）、Taylor、软银系等公司纷纷开始争夺FDE型人才。对日本风险投资而言，评估投资标的的关键问题正如a16z所言："哪些是通用产品，哪些是客户专属代码？" "三年后的利润率将如何演变？"换言之，那些能在现场扎实创造价值，同时将其升华为可复用平台的FDE组织——这样的公司才能突破人月制的天花板实现规模化。具备这种眼力，将决定日本下一代企业级AI的胜出者。
反过来说，对于有志于FDE的个人而言，本文所梳理的五项技能（技术能力、全局设计能力、逻辑思维、内部政治能力、经营能力）的兼备，本身就是通往"未来CTO、创始人、VPoE"的最短路径。高薪酬不过是结果而已。所谓FDE，是将AI时代最为稀缺的综合能力——"在现场将价值做到极致，并将其转化为商业成果"——以一种职种的形式加以结晶化的存在。