FDE 时代来了：OpenAI 和 Anthropic 都在学 Palantir

OpenAI 成立了一家新公司，初始投入超过 40 亿美元，拉来 19 家机构入伙，顺手收购了一家叫 Tomoro 的公司，把 150 名工程师并进来。Anthropic 那边也没闲着，和 Blackstone、高盛这些机构谈了一笔超过 15 亿美元的合资，目标是把 Claude 部署进私募股权控制的中型企业里。两件事几乎同时发生，很多人的第一反应是：AI 公司下场做咨询了？

这两件事真正说的是同一件事：企业 AI 的瓶颈是没人能把模型塞进真实公司的工作流里。OpenAI 和 Anthropic 愿意花这么大代价亲自下场，等于是公开承认了一件事——卖模型、卖 API、卖订阅，拿不下企业市场。

过去一年，大量公司做 AI 试点。表面热闹，实际多数卡在"试点"两个字上。财务部让 AI 写邮件，法务部让 AI 读合同，客服部让 AI 回复工单。每个部门都在用，但年底一看损益表，没什么变化。MIT 和 BCG 都有类似的研究结论：绝大多数企业生成式 AI 项目没有在损益表上产生可衡量的影响，问题不是模型不能用，而是根本没有嵌入工作流。这不是个别现象，是普遍现象。

为什么会这样？因为员工会用 ChatGPT，和公司完成 AI 转型，是两件性质完全不同的事。前者是个人效率的提升，后者是组织运作方式的重写。一个公司里有几百人用 AI 写得更快、查得更快、总结得更快，这些效率叠加在一起，最终体现在报表上的数字可能几乎为零。因为公司的成本结构和收入结构，不是由打字速度决定的。

真正的企业 AI 是什么？是把一个业务流程拆开，重新定义每个环节由谁来做决定。哪些步骤让人判断，哪些让模型生成，哪些让系统自动跑，哪些必须留人工审核，哪些输出要存档，哪些错误可以接受，哪些错误绝对不行。这套重新定义，不是写一份方案就能完成的。你得进到客户公司里，看他们到底怎么工作，数据存在哪里，权限是怎么分的，流程是谁拍板的，出了问题谁来背锅。这些东西写在任何文档里，没有坐进去根本不会知道。

这就是 FDE 这个岗位突然变得重要的原因。FDE 是 Field Deployment Engineer，直译是"现场部署工程师"。这不是新词，但过去没人当回事。现在 OpenAI 和 Anthropic 把它当核心战略在推，意思就变了。这是 AI 时代最难被替代、也最值钱的一类工程师。他们要懂模型，要懂工程，要能看懂一家公司的业务逻辑，还要能坐在客户的会议室里和业务负责人讲清楚这个系统能做什么、不能做什么、出了问题怎么处理。这几件事同时做好，极度稀缺。

很多人这时候会想起 Palantir。这家公司很早就把工程师派到客户现场，帮政府机构和大型企业搭系统、接数据、改工作方式。它的工程师不只是交付代码，而是驻扎进客户组织，和业务团队一起把系统磨出来。过去大家觉得这个模式太重，不优雅，不像 SaaS 那样出厂即用、扔出去就能跑。资本市场很长一段时间都不知道怎么给 Palantir 定价，因为它太像咨询公司，又太像软件公司，夹在中间不伦不类。但 AI 时代到了，这个"缺点"突然成了优势。AI 系统不能标准化出厂，它必须和具体组织一起长出来，没有办法配好了再卖。Palantir 当年被嫌弃的地方，现在成了别人学不来的护城河。OpenAI 和 Anthropic 这次，等于是公开向 Palantir 学习。

这里面还有一个更直接的商业逻辑。私募股权公司手里有几十上百家企业，最关心的是成本、效率和退出时候的估值。AI 公司有模型，有工程能力，但缺乏进入具体企业的渠道和信任关系。两边合起来，就形成了一套机器：私募股权提供客户池，AI 公司派人进去改流程，把效率做出来，提升投资组合公司的利润率，再把这套方法复制到下一家企业。对私募股权来说，AI 变成了一种提升被投企业价值的杠杆工具；对 AI 公司来说，私募股权是一个现成的、大规模的分发渠道。这不是什么新鲜的商业模式，咨询公司和行业软件公司早就这么干了，只是现在的主角换成了 AI。

但这个模式有几个明显的问题。

第一，FDE 很难快速规模化。这类人的培养周期长，供给有限，而且每个客户的情况都不一样，很难做成标准化的流水线。你能批量生产会写代码的工程师，但很难批量生产既懂模型又懂业务还能跟客户有效沟通的 FDE。这个瓶颈短期内不会消失。

第二，模型公司亲自下场做部署，会踩到大量传统玩家的地盘。系统集成商、咨询公司、行业软件厂商，这些人在企业里经营了多少年的关系，不会坐视不管。冲突不可避免，而且这些传统玩家有模型公司没有的东西：在客户那里积累的信任，以及对行业监管和合规要求的理解。

第三，企业也不一定愿意被单一模型厂商深度绑定。AI 公司的 FDE 进来做部署，最终系统是跑在这家公司的模型上的。这意味着一旦哪天这家公司的模型不再是最好的，客户切换的成本极高。这种深度绑定，在谈判桌上会让客户很警惕。

第四，合资结构天然容易产生利益错位。投资人要财务回报，AI 公司要控制权和战略数据，客户要灵活性和低成本，这三个目标不总是指向同一个方向。历史上，合资公司在商业史上的成功率并不高。

这些风险是真实存在的，但不改变主线判断。因为如果不做这件事，企业 AI 的处境只会更糟。把 AI 交给企业自己慢慢摸索，结果大概率是买一堆工具、开一堆培训、建一堆没人用的内部应用，年底发现什么都没变。把 AI 完全交给传统咨询公司，又有另一个问题：咨询公司理解业务，但不理解模型能力的变化速度。今天不可靠的任务，三个月后可能完全可用；今天很贵的方案，半年后成本可能下降一个数量级。只有同时理解这两边的人，才能给客户真正有效的判断。这正是 FDE 存在的价值。

还有一点更根本的东西值得说清楚。FDE 进入企业，不只是帮客户省一点人工成本。真正的价值在于，模型公司通过 FDE 第一次能够看见客户的真实业务。以前卖 API，顶多看到调用量和调用类型，看不到背后是什么业务、出了什么问题、为什么有人不用。FDE 进去之后，看到的是另一个维度的信息：什么流程最值得改造，数据卡在哪里，员工的真实抵触来自哪里，管理层真正关心的指标是什么。这些信息，比任何 benchmark 测试都更能指导模型的下一步方向。换句话说，FDE 不只是在部署模型，也是在给模型公司输送最真实的产品反馈。

未来三到五年，企业 AI 的胜负取决于谁有更强的落地能力。模型能力当然重要，但模型能力最终会变成基础设施，就像云计算一样，大家都有，谁也不会因为在云计算上领先几个百分点而赢得市场。到那个时候，企业买的是结果——谁能把一个保险核保流程从十周压到十天，谁能让采购审批从人工传表变成半自动决策，谁能把一个研发团队的需求、代码、测试、发布串成闭环，谁就有定价权。跑不进业务流程的模型，不管有多聪明，都只是一个很贵的演示品。

AI 进企业，这件事不会因为模型变聪明而自动发生。历史上每一次技术普及都是这样——电气化不是买几台发电机，互联网化不是搭一个官网，上云不是注册一个 AWS 账号。真正的技术普及，是整个组织的工作方式跟着变。这个变化没有捷径，不会从天上掉下来，必须有人坐进去、盯着做、反复磨。FDE 干的就是这个。

OpenAI 和 Anthropic 同时砸重注做这件事，说明两家公司都想清楚了一件事：企业不会为"聪明的模型"长期付钱，企业只会为"真正有用的系统"持续付费。聪明和有用之间，有一道深沟，这道沟叫做部署。模型只是入口，部署才是产品；API 只是材料，业务结果才是交付。谁能过这道沟，谁才真的拿到企业市场。

那些还在把 AI 当办公插件卖的公司，日子会越来越难过。

源自--柏导