万字解读 FDE 为什么在中国是扯淡的

距离我上次写万字长文已经有很长一段时间了。最近 FDE 这个词非常火，有不少朋友想让我聊一聊。

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 FDE

OpenAI 在其官网 Careers 页面上对 FDE 岗位有明确的定义。

🔍Info

Forward 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，

📝Note

1）客户根本不为「探索过程」买单2）FDE 赚不到钱3）FDE 复合型人才几乎不存在4）FDE 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 8VC，Trae 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：

🔍Info

Anthropic 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。

AI 大扯淡时代，从来不缺新名词，缺的是肯为它熬二十年的人，和肯等他二十年的土壤。

看到这里，辛苦啦。

感谢你的阅读和「在场」！

文章来自于微信公众号 “AI Humanist by杉森楠”，作者 “AI Humanist by杉森楠”