FDE落地的十道槛：FDE落地价值路线 过去半年我一直比较密切地关注FDE这个模式。两个月前OpenAI和Anthropic几乎在同一天分别成立了新的部署公司。Anthropic联合黑石、高盛成立了AI原生的企业服务公司。OpenAI新成立的部署公司初始投资已超过40亿美元。路透社还披露该合资企业的私募股权投资者被OpenAI承诺五年内每年17.5%的回报。Google Cloud的CEO亲自在LinkedIn上招聘FDE一口气放出59个岗位。Accenture联合微软成立了FDE团队EY、麦肯锡QuantumBlack也都在跟进。各大公司都在大力推广FDE模式这股热度也跨越太平洋传到了中国成为一个热议话题。但我发现中国社区对FDE的讨论已经严重偏离了它最初的定义。到底什么是FDEOpenAI在其官网Careers页面上对FDE岗位有明确的定义。InfoForward Deployed Engineering团队与客户合作把研究突破变成生产系统工作在客户交互与核心平台开发的交叉点上。当前关于FDE的争论核心在于这个岗位已经存在了很久很多人认为它只是在AI语境下的换皮。谈到FDE就一定绕不开Palantir这家公司。Palantir是一家美国的大数据整合与分析平台软件公司最早为CIA、军方等情报国防机构处理保密数据。联合创始人是Peter Thiel也就是PayPal的创始人、硅谷教父级人物。Palantir有三大产品核心商业模式是acquire→expand→scale先让FDE驻场到客户现场再把现场经验产品化、沉淀到平台中最终靠软件订阅实现规模化盈利。整体来说FDE就是Palantir十几年前的驻场模式。而这套模式起源于Palantir早年被逼出来的一个现实困境。Palantir 2003年成立最早的客户是CIA、FBI、军方这类情报和国防机构。这类客户有一个显著特点他们无法也不愿意把需求写清楚。数据是保密的工作流程是保密的甚至遇到什么问题本身也是保密的。这时候不可能像普通SaaS那样发一份需求文档、开几次远程会议就把软件做出来。Palantir的解法是直接把工程师派到客户那里长期驻场在现场分析工作流程找到瓶颈逐步解决。在这个过程中Palantir内部形成了两个经典的角色分工Echo和Delta。Echo是嵌入式分析师负责理解客户专业领域的语言挖出真正的痛点。Delta是部署工程师负责在现场快速搭建原型、完成数据接入和集成把Palantir的平台改造成客户能用的系统。后来正式出现的FDE这个title主要就是从Delta角色演化而来意思是把工程师部署到「客户前线」。这套模式从表面看就是驻场工作似乎和外包或传统咨询没有区别。但Palantir有一个关键设计在现场定制和产品化之间形成循环。FDE在客户现场定制开发一套方案解决具体问题这些经验和知识会被带回Palantir总部产品团队判断哪些是通用需求将其全部沉淀到平台中。等到下一个客户进来时平台已经自带了这些能力FDE只需要处理剩余的特殊定制需求。如此一来边际成本逐次下降。Palantir内部把这个过程称为「acquire,expand,scale」前期不计成本地驻场拿下灯塔客户中期扩大合作后期靠沉淀下来的产品规模化盈利。因此它的财报里毛利率能做到软件公司水平。但这套模式是典型的重模式也极其困难。当年在硅谷这个模式几乎被投资人嘲笑他们认为Palantir根本不算软件公司。原因很简单需要大量工程师扩张极慢。一个FDE驻场周期短则2到3个月长则2到3年每个客户都需要培养一支驻场团队看起来就像外包。FDE本人也非常辛苦长期出差住在客户所在的城市工作内容跨度很大可能涉及工程、咨询甚至陪客户吃饭。2026年这个概念在AI语境下重新火起来是因为AI落地遇到了和当年Palantir服务CIA客户几乎一样的问题模型能力是现成的但每家企业的数据、权限、工作流、潜规则都是黑盒。客户自己可能也说不清楚远程会议完全摸不透唯一的办法只能是派工程师驻场。所以在很多人看来OpenAI、Anthropic、Google现在做的事就是把Palantir的Echo和Delta角色在AI语境下重新包装了一遍。而现在AI公司招聘FDE最理想的简历背景已经从过去的985、211变成了前Palantir的FDE。但在AI语境下的FDE尤其是中国环境下的FDE是一件非常扯淡的事情也被很多人批判为过度营销。我全面整理了一下大致有五个原因。有些是AI语境下FDE模式本身的问题有些是中国商业环境带来的额外障碍Note1客户根本不为「探索过程」买单2FDE赚不到钱3FDE复合型人才几乎不存在4FDE本质是想快速把模型卖出去变现这与AI公司的本质是违背的5企业甲方并不相信AI客户根本不为「探索过程」买单FDE模式的核心价值在于人力密集工程师需要驻场花大量时间在甲方的车间里先把业务理解透再根据业务梳理工作流程找到痛点和瓶颈最终搭建成一个完整的系统。在Palantir的合同里这段由FDE和甲方客户一起摸索的过程是计费的。但中国的逻辑完全相反。客户签合同的预期是你直接把完整产品做出来交给我我往现成的流程里一套就行。至于乙方去理解业务、试错迭代的时间在甲方眼里全都是FDE公司自己的成本与合同价值毫无关系。在中国的招标体系下甲方基本只看你能提供的功能和产品能力。功能都能满足的前提下报价最低者中标也就是最低评标价法。FDE去和甲方合作、理解整个业务如何运转这件事根本不会出现在招标合同里也不可能被写进功能清单。FDE投入的时间在招标文件里压根不值钱。一个很现实的场景是甲方和FDE的预期完全错位。FDE认为至少需要3个月来理解业务但客户往往觉得你在几个特定场景下待3天到3周就够了。FDE认为系统需要迭代很多个版本才能稳定但客户觉得第一个版本之后的所有迭代都是FDE方自己该承担的成本。你的第一个版本就必须是完美的。这就是FDE在中国语境下扯淡的根本原因。而这套模式在美国能成立有其独特的商业土壤。美国的商业和政府采购中有一种基础合同形式叫Time and Materials工时加材料计费以及Cost Plus成本加成。麦肯锡、埃森哲、德勤等咨询公司都按人天Per Diem收费客户默认咨询方派专家来理解自身业务这段时间必须付费。埃森哲2024财年的咨询收入超过300亿美元总收入高达649亿美元咨询是一个能独立收费的高毛利业务板块。美国政府合同中还会公开标注Loading Labor Rate全负荷人工费率工程师角色大概是每小时55到190美元以上且逐年递增。Palantir把FDE驻场的大量时间写进合同去计费美国客户并不觉得奇怪因为这就是咨询业几十年的定价惯性。软件与咨询捆绑销售在美国市场是被完全接受的。反观中国主流仍然是固定总价、结果导向的合同。咨询很难单独收费。在ERP实施中用友、金蝶、东软的咨询调研经常是白送的最终要靠软件License和后续运维来赚钱。大型企业和国企强烈偏好私有化和本地部署SaaS渗透率非常低。咨询调研环节在国内ERP、政务软件项目里基本就是被绑在项目中压价的角色远不像埃森哲那样能作为独立的高毛利收入单列。客户的心态就是你把东西做出来卖给我我为成品付钱。FDE花时间理解业务是你自己的成本与合同价无关。这很荒谬但确实是现实。一个实际的对比是埃森哲全球营收中咨询占一半以上且全部按工时计费而中国IT服务商的财报里实施或咨询几乎从来不是独立的高毛利收入项。这就是「探索不值钱」的账面体现。FDE赚不到钱Palantir的盈利模式本身就比较特殊。这家公司成立于2003年直到20年后的2023年才第一次实现全年GAAP盈利。在亏损的这20年间它能生存下来主要靠一级市场和上市融资。而在AI语境下FDE几乎赚不到钱这可以说已经是一个定论。大部分资本市场根本不允许公司长期亏损的同时还养一支昂贵的FDE团队。Palantir在这20年间能生存、能养得起庞大的FDE团队主要因为三点G端政府端的高毛利合同、长期订阅以及高续费率。一个FDE工程师的年薪就有几十万美金。而在中国几乎没有任何一家ToB团队被允许这样烧钱养交付团队。ERP龙头用友、金蝶长期在SAP、Oracle的挤压下打价格战自身毛利被摊薄用友网络2024年净利润-20.61亿金蝶国际则为-1.42亿已经连续5年亏损。因此资本市场也不会认为它们养得起昂贵的FDE团队。另一个关键原因是美国SaaS订阅制的成熟度。行业普遍用NRR净收入留存率来衡量公司质量优质SaaS公司的NRR大于120%意味着老客户逐年多付钱。在美国SaaS行业里一个客户是可以多年续费的资产所以厂商才有底气在第一年就投入大量资金养FDE团队因为这些钱在后续几年能够收回来。而中国SaaS行业2024年仅占全球市场的6.5%收入大约259亿美元同期美国一国的企业软件市场就已达1507亿美元。中国云渗透率也只有15.8%。大企业和国企出于数据安全顾虑以及既有IT投资的惯性强烈偏好一次性License买断和私有化部署。而美国2024年有80%以上的SaaS收入来自订阅制。在G端政府端采购方面美国联邦采购法规FAR有一套从最低价到最优价值的连续区间。其中Best Value Tradeoff最优价值权衡允许技术更强但更贵的方案中标当一个产品有更高质量和更低风险时政府可以为此付出溢价。这在中国语境下很难想象。美国国会还在2017、2018财年的NDAA国防授权法中专门立法引导政府更多采用价值权衡法因为这种方法往往带来更好的综合价值而不只是比价格。一个非常有代表性的案例是Palantir起诉美国政府。2016年6月Palantir针对美国陆军的DCGS-A项目提起投标抗议。这个项目是陆军自研了15年、耗资60多亿美元的系统。4个月后联邦索赔法院判定Palantir胜诉认为陆军违反了1994年的联邦采购精简法没有先做市场调研、评估现成的商业产品就直接自研。法院甚至下了禁令阻止陆军继续推进采购。更戏剧性的是政府随后提起上诉但2018年联邦巡回上诉法院维持了原判。2019年Palantir反而拿下了这笔陆军大单。这在很多人看来难以想象。而在中国B2B语境下普遍是最低价中标、一单一结。今年拿到标明年不一定续因为明年可能有报价更低的厂商。招标中甚至会出现3到50家团队参与其中近80%是同一家公司的分包团队以各种低价围标。利润薄到厂商自己都养不活自己。更极端的情况是乙方给甲方放无息贷款承诺五年甚至十年内不要求付款。在这样的环境里几乎不可能有人愿意花钱养一支驻场工程师团队让他们花大量时间去理解业务却没有做出直接交付的产品。而且整个考核体系也完全不一致。营收大概率跟项目走KPI主要盯签单额、回款和人效。FDE在客户现场驻场3个月在报表里可能就是一笔没有对应收入的纯成本。这甚至会引发客户公司内部的权力博弈销售总监无法解释这块成本财务又不可能批这份预算。用高成本的FDE去服务低客单价项目根本算不过来账。总结来看中国仍以私有化部署和一单一结为主SaaS付费习惯非常薄弱客户几乎是一次性的做FDE的前期成本根本收不回来。中国资本市场和投资人对企业服务公司的要求是快速盈利主要看签单和回款几乎没有任何一家中国ToB团队会被允许亏损20年来养FDE团队。中国《政府采购法实施条例》第34条明确规定评标方法分为最低评标价法和综合评分法技术服务等标准统一的货物和服务项目应当采用最低评标价法。这甚至超越了行业习惯的层面已经是行政法规的强制要求。根据博客园Cnblogs的一篇文章2023年广东省财政厅的一份专项审计显示省内72%的政务软件项目采用了最低价中标其中41%的项目中标价低于行业合理成本线。这在美国几乎不可能出现。复合型人才几乎不存在接下来看FDE的人才属性。FDE是一种极度复合型的人才需要同时具备垂直行业的专业知识。物流行业的FDE几乎无法去做内容生产行业的FDE因为没有对应的行业know-how也就产出不了行业成果。FDE必须同时具备多种能力技术层面至少要能写代码、把客户业务抽象成数据模型商务层面要能在客户现场与甲方员工建立关系、获取关键信息。如此复合型的人才需要有高强度的跨行业人才流动作为支撑。美国有咨询业、军工和硅谷之间成熟的人才通道名校毕业生进Palantir当FDE是一条体面且高薪的职业路径。不少人后续出来创业被称为「Palantir Mafia」Palantir帮。在美国FDE的中位总薪酬约21万美元前沿实验室的资深FDE甚至能突破78万美元。FDE也是Palantir出身的创始人中最常见的背景。每届YC里前Palantir的创始人甚至比前Google员工还多尽管Google的员工规模是Palantir的大约50倍。技术与商业的复合能力在美国是被鼓励和高估值的。Palantir前员工已累计创办超过100家公司截至2024年共融资116亿美元。这也是Palantir被称为「the ultimate founder factory」的原因。几个代表性案例Anduril由Palantir前员工创办今年5月融资50亿美元估值达610亿美元金融科技领域的Blend以及大量知名企业都有FDE出身的创始人。Joe Lonsdale创办了8VCTrae Stephens在Founders Fund担任合伙人。美国甚至有专门投资前Palantir创始人的基金比如PalumniVC专门投资Palantir校友创办、Palantir老员工加盟的公司。在中国这一点几乎完全不成立。国内「当乙方不如狗」的说法谁都听过。B2B的鄙视链是Info研发算法产品售前实施交付驻场。「驻场」在国内的普遍理解无论甲方还是乙方就是乙方派人去甲方现场受气。关系天然不对等驻场甚至被视为去「伺候甲方」。即便给这个职位换上10个头衔最终改名叫FDE它在甲方眼里还是乙方。Palantir的FDE之所以体面恰恰是因为它是高毛利软件公司带着强大的平台去帮客户解决世界级难题姿态接近甲方。但在中国交付工程师几乎是低价中标后被压着交付的乙方。同样是驻场权力位置完全相反。我查了一个案例某市医院采购医嘱系统三家报价分别是1000万、800万和5万。虽然5万的报价最终因低于成本被判无效但这种劣质低价驱逐优质方案的现象几乎已经成为整个商业环境的底层逻辑。在传统ERP项目中软件只占不到一半的成本实施占了绝大部分。但在甲乙博弈中甲方几乎有绝对话语权乙方实施顾问处于完全被动的地位。业内公认的职业路径是乙方实施顾问的终极目标是转到甲方当个信息化负责人寻求稳定。当一个职位的从业者做了几年都想逃离时它根本算不上镀金也没有任何职业溢价。前面提到美国FDE的中位薪酬是21万美元前沿实验室能突破80万美元。中国则完全相反顶尖工程师薪资最高的方向是大厂算法研发和出海创业交付实施岗的薪资明显更低。这本身就是一种市场信号最聪明的年轻人被经济激励引导去做算法、做研发而非驻场做业务。经济激励与FDE驻场模式的逻辑方向完全相反。根据最新行业调研数据截至2025年9月国内交付实施工程师的应届生薪资约10到15万元/年同级别大厂研发能达到30到55万元/年。5年以上资深实施工程师约30到80万元而同期阿里P7、字节2-2的中位数已接近百万。具体来看用友2025年6月挂出的实施运维工程师岗位薪资仅5000到8000元/月13薪公司整体平均月薪约8400元新人区间更低在6000到8000元之间。金蝶的ERP专员薪资也只有5000到8000元实施人员约6000元左右低的甚至只有4000元。对比非常清晰。美国FDE是Palantir创始人里最常见的出身而中国明星创始人的履历基本是前阿里、前字节、前腾讯或名校海归几乎看不到「前某乙方交付工程师」的背景。即便在AI语境下创始人履历中出现最多的也是产品负责人、产品经理没有人会把乙方交付经历作为履历亮点展示。据IT桔子2024年统计AI创业者中90%出身大厂名企百度、阿里、腾讯、华为、字节。明星创始人的出身模板是前字节、百度、华为研发几乎没有前用友、金蝶或某乙方交付的背景。中国也有自己的「Founder Factory」飞轮但这个飞轮转在甲方大厂身上交付岗几乎被完全排除在外。FDE本质是想快速把模型/产品卖出去变现在AI语境下AI厂商做FDE的核心动机是快速把自己的模型或产品卖出去变现。他们往往不愿意与企业共同承担业务结果。模型卖出去之后企业怎么用、效果如何基本就是企业自己的事了。这就很容易出现企业快速接入模型产品、却看不到效果的情况而FDE的整体信誉在这个过程中被透支。这一点从AI厂商自身的财务状况就能看得很清楚。OpenAI 2026年的报告显示其年化营收约200亿美元但净亏损达170亿美元经营利润率约为负70%每赚1美元要亏掉1.22美元。内部计划在2029年前累计投入约1150亿美元才有望转正。所以他们一边巨亏一边寻求上千亿美元的融资。Anthropic的年化营收从2025年初的10亿美元快速增长到约47亿美元毛利率从负94%提升到40%。但仅算力成本每月就要支出约12.5亿美元。有分析师直接开炮InfoAnthropic 2026年Q2首次实现的5.59亿美元经营利润很可能只是5到6月算力成本被临时压低带来的账面盈利。不少人因此质疑Anthropic是否真正实现了盈利。Palantir几乎亏损了接近20年而它所面对的大数据市场在技术层面已经非常成熟。相比之下当前AI的成熟度远远不够AI Agent的能力仍处于初级阶段。这些AI厂商不可能跳过FDE模式的基础营收逻辑也不可能指望第一年就让客户获得大量回报。Palantir前CFO Colin Anderson甚至明确表示FDE模式的经济性只能在大合同上成立。2万到10万美元的小单根本跑不通这恰恰证明FDE模式的核心经济逻辑并非按工时卖服务。真正的回收方式是后续软件订阅的规模化收入用以覆盖前期驻场成本。在这种情况下OpenAI的DeployCo向私募投资人承诺5年内每年17.5%的回报几乎不可能实现。前Palantir FDE Anjor回忆他当年驻扎在空客A350总装线上工作最终让A350的交付量提升了33%。一边每年可能烧掉近270亿美元要赶IPO一边又需要像Palantir那样在客户现场住上几个月甚至几年。财务节奏和FDE的物理节奏完全对冲。FDE的核心飞轮是每当一个FDE解决了一个问题核心团队就把方案泛化供未来客户复用实现规模化。这也是Palantir推出Foundry和Apollo的原因把现场经验固化下来让下一个客户需要的定制更少付出的成本也更少。但AI厂商的底层模型已经非常昂贵在此之上还要具备把FDE现场经验产品化的能力这完全不是当前AI实验室的基因。让研究型公司去做Palantir那些又脏又慢的落地工作可能比训练模型还麻烦。放到中国AI语境中更为明显。各家厂商光是追赶模型能力就已经耗尽了GPU和人才资源比如DeepSeek现在招人都非常困难。如果在模型之外还要投入资源做FDE式的市场化落地几乎不可能。企业并不相信AI最后一点当一家B端企业引入AI时老板往往并不真正相信AI。大部分老板只是想用AI廉价替代员工而不是让整个组织变得更加AI Native。FDE模式的关键在于出了问题后需要靠行业经验去解决但老板根本不愿意从上到下改造组织员工也不愿意使用新工具甚至不愿意把自己的隐性知识沉淀到系统中。NANDA Initiative发布过一份报告基于150位高管访谈、350名员工调研和300个公开AI部署试点。他们发现企业中AI试点的失败率高达95%。只有5%带来了可衡量的营收影响其余95%毫无可衡量的收益而企业已经为此投入了300到400亿美元。失败的主因在组织层面组织根本不愿意为AI做出任何改变。大量高管承认自家的AI战略更多只是for show做个样子相当一部分企业根本没有靠AI创收的正式计划有一半高管认为AI落地基本不可能。据Gartner数据75%的CHRO承认要让AI投资见效工作流和岗位必须彻底改变。但大多数组织完全没有准备好管理这种人才重组。老板可能口头上要AI但真正让他自上而下改造整个组织流程几乎做不到。员工层面抵触同样明显。报告显示29%的员工承认在暗中破坏公司的AI战略其中Z世代占比高达44%。传统认知中Z世代更年轻、更接受新事物但从针对OpenAI CEO Sam Altman的燃烧瓶袭击事件也能看出年轻一代对AI的抵触情绪不容低估。76%的高管认为员工抵制是公司AI化的严重威胁。Gartner将此称为「AI Dropout Effect」当员工把AI视为对自身价值和身份的威胁时就会焦虑或退缩。隐性知识的沉淀问题同样严峻。关于Shadow AI影子AI的一份报告显示只有40%的公司拥有官方AI订阅这个比例在中国远低于40%。即便有了官方订阅问题也并未解决。以我之前的一份工作为例企业有ChatGPT的团队订阅但所有聊天记录几乎是共享的。隐私问题随之而来一个人使用AI的过程中需要不断学习和试错初期提出的问题如果被老板或管理员看到很可能被视为偷懒。因此大量员工选择自己私下付费使用ChatGPT或Claude报告数据显示这一比例高达90%。所以员工宁可私下使用也不会把经验沉淀进公司的系统级AI中。MIT也指出过当前GenAI的一大短板是完全记不住客户的偏好也不会从之前的修改中学习。就算员工愿意教AI目前也不具备这个能力。综合以上所有论据这些问题构成了一个互为因果的死循环。AI语境下的FDE是完全扯淡的在中国环境下更是如此。甲方招标只看功能乙方没有话语权只能被迫卷价格。利润薄到养不起需要长时间才能产出成果的FDE团队。派出去的人才大概率不懂业务也不会沉淀知识。甲方内部又有各种权责关系纠葛不愿意为探索过程付费。于是又回到起点甲方只看功能只看即刻效果。「只要给够钱就能招一个FDE去驻扎在客户现场」这个想法非常扯淡。客户不肯为过程付费企业算不过来这笔账复合型人才也几乎不存在。这三个前提在中国同时不成立。所以FDE在中国更像是AI落地时代一种理想化的、近乎营销的新分工简单理解就是一种高级外包。即便在美国FDE也并非轻松就能成立。它依然是一种极难规模化的重模式。Palantir熬了近20年才跑通这20年中大部分时间也不是靠B端私营企业的利润生存它在纯商业市场非常吃力。而Palantir跑通所需的配套条件在中国目前基本不具备。不过当年Palantir之所以给内部人才换上FDE这个title是为了赋予这个角色更高的职业认同感。如果单纯批评FDE只是「专业服务换皮」某种意义上确实有些苛刻。一个新头衔能让某个领域吸引到更高水平的人才这个领域本身就会变得更有价值。但这件事在中国是否成立仍然是一个很大的问号。我们这个时代最不缺的就是大词。昨天是中台前天是元宇宙今天轮到FDE。每一个词被端上桌时都金光闪闪但牌桌之下是一堆「乙方不如狗」磨到只想赶紧跳去甲方求个安稳的年轻人。这些问题一天不解决FDE在中国就永远只是外包换了件更贵的马甲。Palantir熬了二十年才等到春天而我们连允许一件事慢慢做出来的耐心都还没有。