首页→ 公司动态→ AICX 智库→
标准与报告→ AICX 图书→ AICX 洞察→
培训业务→
年度会员→ 入企培训→ 落地工坊→ 公开课→
咨询业务→
咨询产品→ 原创方法论→ AI 产品与工具→
客户案例→
培训案例→ 咨询案例→ 客户名录→
同辉 Skill→ 关于我们→
公司简介→ 创始团队→ AI 原生实践→
联系我们→
AICX 智库
把前沿研究,沉淀为服务企业的能力

聚焦 AI 行业标准建设、专业书籍出版、行业洞察、原创方法论沉淀,把对 AI 的趋势判断与实践经验,转化为企业看得懂、学得会、用得上的标准、方法和工具。

首页/ AICX 智库/ 判断一个团队是不是FDE,就看他项目结束后留下了什么
AICX 洞察 2026.09.20

判断一个团队是不是FDE,就看他项目结束后留下了什么

FDE
判断一个团队是不是FDE,就看他项目结束后留下了什么
作者
杨霆辉
栏目
独家观点

一家公司做AI落地部署的是不是在真正的FDE,不必看它是否使用这个岗位名称,而要看项目结束后,留下了什么。

行业里讨论FDE,最常见的理解是:“把工程师派到客户现场,把系统部署好、调通。”如果这就是全部,那FDE不过是把过去十几年的项目外包换了个名字。

但真正的判断标准,从来不在过程,而在项目结束之后。

一家公司做AI落地部署的是不是在真正的FDE,不必看它是否使用这个岗位名称,而要看项目结束后,留下了什么。

| FDE:一个容易被误读的名字

FDE这个名字容易造成误导,“前线”容易被理解为人要长期驻在客户现场,“部署”容易被理解为把系统装上、接好、调通。两个词叠在一起,国内ToB团队很自然会把它套回过去十几年软件项目的旧框架,售前讲方案,交付接系统,工程师按需求改流程,项目验收后转场。

这个理解并非完全错误,FDE确实要靠近客户,也确实要把东西部署到生产环境中,但它只说明了FDE的外壳。

真正的区别不在是否驻场,而在项目结束后是否形成学习闭环。有三件事构成这个闭环:

第一,重新定义客户问题,把客户说出来的需求,翻译成真正值得做的业务问题;

第二,交付为可验证结果,不只是功能可用,还要证明接听率、转化率、处理时长或人效确实改善;

第三,把现场经验带回来,行业里反复出现的流程、接口、测试方法和合规要求,能不能沉淀为可复用的产品能力。

缺少第三步,FDE就会退化为高端外包。

| 判断标准可以精确到一句话

把“项目结束后留下什么”展开,可以得到四个递进的档位:

只留给客户一个AI系统,这还是是外包,人撤了,经验也撤了,下个项目重新开始。

带回一些经验但无法复用,这是项目制交付,团队里积累了个人经验,但没有沉淀成组织资产,换个客户、换个工程师,一切重来。

沉淀为Skill、模板、测试集或产品能力,这才是FDE, 现场发现的问题变成可复用的资产,交付过程中行业知识进入平台或后续产品。

沉淀后显著降低下一个客户的成本,这才是可规模化的FDE,资产不只是被沉淀下来,还被持续使用,让同类交付越来越便宜。

用这个标准回看行业,很多号称做FDE的团队,实际停在前两档,少数真正跑通的,是后两档。

| FDE的本质是“双向蒸馏”

为什么说沉淀是FDE的核心?因为FDE模式要破解一个ToB重交付模式的根本矛盾,现场做得越深,对个人经验的依赖越重,规模越大,利润越薄。传统系统集成靠堆人解决问题,堆到最后就是人力生意,这也是传统项目用人天计费模式的原因。

FDE试图在交付的同时完成学习和进化,而学习和进化靠的是双向蒸馏。

第一层,对客户的蒸馏。 把散落在客户员工脑中的业务经验、流程规则和隐性知识,转化为AI能调用的知识库、规则系统、工作流、SOP和应用能力,客户因此获得更稳定、更可复制的业务执行能力。

第二层,对自身的蒸馏。 把KA项目中获得的行业知识、系统接口、测试方法、场景模板和失败案例,沉淀为产品能力、行业模板、内部工具和平台组件,服务商因此在提升同类场景的交付效率和服务深度。

承载两层蒸馏的共同载体,就是本体层,本体的理论并不复杂,实体、关系、属性,本质上就是结构化的业务知识图谱。客户的原有系统里同一个业务对象可能有不同字段名、不同编码和不同流程表达,本体层要做的,是把这些系统差异翻译成统一业务语言,这是客户,这是订单,这是审批,这是风险事件,它们之间有什么关系,能触发什么动作,在哪些条件下需要人工介入。

从一个客户总结出来的本体,有机会复制到同行业另一个客户,不是把客户数据拿去训练模型,而是把行业知识沉淀成可复用抽象。

|Palantir二十年只做一件事

要理解FDE模式,绕不开Palantir这家公司,它之所以长期被视为FDE模式原型,不只是因为它派工程师进入客户现场,更因为它把交付过程变成学习行业、沉淀资产的过程。

Palantir的产品线可以概括为三层:Gotham(情报与安全分析平台)是最早FDE团队诞生的地方,FDE需要安全许可,进入客户高度保密环境,做目标追踪、关系分析和态势感知;Foundry(企业数据操作系统)是FDE的主战场,将企业异构数据映射为Ontology(本体层),FDE在客户现场基于此建模、搭应用、做集成;AIP(AI平台)则让大语言模型通过Ontology理解业务,而非直接裸读数据库。

沉淀的直接结果是成本曲线完全不同, 传统项目交付的成本几乎是线性的,服务十个客户,成本可能是服务一个客户的八九倍,因为每个客户都要重新理解组织、业务流程、数据口径和系统边界。本体化交付则要求做第一个客户时投入更多精力做抽象和验证,第一单成本约是普通项目的三倍,但只要抽象正确,同类客户只需做映射和适配,边际成本递减。

公开财报显示,Palantir 2025财年毛利率约82%,已接近纯软件公司水平,远高于传统咨询公司30%—40%的毛利区间。这一数字背后正是这套模式的持续运转:客户越多,本体层越厚,服务同类客户的成本越低。

| 沉淀的载体:Skill、连接器、行业知识库

对多数国内团队来说,直接建设完整本体层并不现实,更务实的起点,是三类资产组合:

Skill沉淀的是某类任务的操作经验,例如如何生成合规报告、如何完成内容审核、如何执行客户回访,它解决“能力如何被复用”。

连接器沉淀的是系统连接能力,例如接入企业微信、文档、CRM、知识库和审批系统,它解决“系统如何被操作”。

行业知识库提供专业内容和业务上下文,数据来源、行业know-how和持续更新,它解决“专业内容从哪来”。

三者组合在一起,才构成一个可复用的行业解决方案,产品越薄,FDE越像全能救火队;产品行业属性越厚,Skill越成熟,越多事情能沉淀进产品,FDE的长期驻场属性也会随之减弱。

需要特别澄清一个关于沉淀的顾虑,沉淀不等于把客户数据拿走。 行业实践中的标准做法是严格隔离,沉淀的是行业通用的业务概念结构(“订单可以有审批环节”这类逻辑),客户的具体订单数据、客户信息、业务参数全部留在客户环境中,这就像会计准则是公共知识,但客户的账本是客户私有的。

| 三个误区与一套试金石

误区一:FDE等于长期驻场。 客户买的是结果,不是时间,明确交付物和KPI后,可以按自己的节奏工作,必要时到现场解决高密度沟通问题。

误区二:AI能自动完成沉淀。 AI可以加速本体抽取(从代码逆向工程、从设计文档自动生成),但人工确认成本依然很高,AI生成的结果可能98%是正确的,但要找出那2%的错误,人必须读完100%,技术手段可以加速初始抽取,最终确认和治理仍然需要领域专家投入。

误区三:沉淀了就等于跑通了。 沉淀之后能不能显著降低下一个客户的成本,才是关键,如果第一个客户需要10个人月,第十个同类客户仍然需要10个人月,模式就没有跑通。

判断一个团队是不是真FDE,可以用三个试金石问题:客户是否值得深耕(需求真实、业务参与);项目能否沉淀资产(流程有共性、数据可复制);公司有没有复用机制(头部经验能传递到中腰部)。三项都不满足就是高端外包,三项都满足才可能成为行业知识的蒸馏机器。

再辅助看两个指标:产品边界每个季度是否在向产品侧移动,以及成熟客户的现场投入是否持续下降。

| 写在最后

判断一个团队是不是FDE,不看名片,不看它有没有用这个岗位名称,而看项目结束后留下了什么。

留下一个系统,是外包;留下一些个人经验,是项目制;留下可复用的Skill、模板和产品能力,才是FDE;而让这些资产持续让下一个客户更便宜,才是可规模化的FDE。

想让这套方法用在你的企业?

先用一次诊断,看清当前阶段与最优切入点。

预约沟通→