五月初，OpenAI 和 Anthropic 在同一天各自宣布成立一家十亿美元级的企业 AI 合资公司，而且不约而同地说自己在做的是 FDE——Forward-Deployed Engineer，前置部署工程师。这个词最早来自 Palantir，意思是派一个工程师驻进客户内部，从零帮他们把一套系统落下去。

很多人第一反应是硅谷又在造概念：以前叫售前，现在叫 FDE。这话对一半。但当两家头部的模型公司在同一天、用同样的词、各砸十亿美元下注同一个角色，背后藏的就不只是改个名字那么简单。

这期《十字路口》请来的是 Rolling AI 的两位合伙人阿甘和刘开——都是 BCG 出身的连续创业者，从 2022 年 GPT-3.5 开放接口起就在帮企业落地 AI，服务过一百多家公司，客单价几百万到千万。他们讲的不是模型怎么变强，而是 AI 这东西到底怎么被塞进一个真实的、有人情有派系的中国企业里。

以下是我们的拆解和判断。

“AI 是劳动力，不是工具”——一句话把售前和 FDE 分开了

阿甘给了一个我认为是这期特别硬的认知：传统软件是工具，必须有人去操纵它；而 AI 本身就是劳动力。

这句话听起来像绕口令，但它把“售前换皮”这个质疑直接挡了回去。你卖一套软件，交付的是工具，售后教客户的员工怎么用；而 FDE 交付的是一个“数字员工”，他要干的是 HRBP 的活儿——把这个新员工送进企业、给他配好工作台和上下文、看着他上岗、确认他能干活了才撤场。刘开说得更直白：别把今天的 AI 看成 IT 解决方案，把它看成一个新员工在上岗，而一个新员工上岗，需要的不是装好软件，是有人帮他理解这家公司的上下文。

所以 FDE 不是卖工具的售前，是带数字员工进厂的工头。刘开自己的比喻是：FDE 就像 AI 人力外包公司的工头，带着一群清华、北大、斯坦福的“年轻 AI”去便利店、去营销部、去人事部上班，但他不能把人一扔就走，他得做完三件事才能撤——业务融合、知识治理、系统对接。

这个“工头”的比喻，比“前置部署工程师”这个唬人的英文头衔诚实得多。 FDE 干的就是脏活：把一个不知人情世故的数字员工，硬塞进一个有派系、有积怨、有潜规则的真实组织，让它别水土不服。说它高大上是错觉，说它是售前是低估——它干的就是组织层面的脏活、累活。

他们 2022 年的第一个案例，能把“AI 是劳动力”这句话量出分量。一家乳品企业想做高溢价的第二曲线，需要海量营养师在线服务用户，但全国注册营养师只有 40 万，目标用户却有 8000 万，人工一次服务成本 66 块。Rolling AI 微调了一个营养健康模型顶上去，最后一个小姑娘带着 50 多个机器人——有的写帖子、有的做咨询——撑起了这家企业 600 万的在线用户，单次服务成本砸到了几分钱。一个人管 50 个数字员工、服务 600 万人，这不是软件提效，是把劳动力本身换了种存在形式。

技术只占三分之一，剩下三分之二是把 AI 塞进人情社会

如果 FDE 的活儿真是组织施工，那它跟模型强不强就没那么大关系了。刘开给了一个数字：在 AI 落地这件事里，技术的占比不超过三分之一。

这是这期特别反直觉、也特别值得当真的判断。所有关于 AI 的公共叙事——参数、跑分、token 成本、谁的模型又超了谁——讲的都是那不到三分之一。剩下的三分之二，是没人愿意上镜讲的脏活：业务团队愿不愿意配合、绩效要怎么改、IT 部门会不会以“数据安全”为名设卡、一线的老师傅愿不愿意把经验交出来。

他们踩过的坑能印证这一点。AI 转型项目的失败率超过一半，三个最大的原因没有一个是技术：一是 CEO 对 AI 有超出现实的预期，以为上了 AI 企业就起飞；二是让 IT 团队来主导（刘开说这几乎必败，因为懂怎么选货、怎么预估营业额、怎么搞定客户的是业务团队，IT 提供不了这些知识）；三是底层没有配套的激励改变。他们做销售相关的项目时，得先把业务方的绩效从“百分之百看结果”改成“八成看结果、两成看过程”，不然销售根本不爱用——这跟模型一点关系都没有，纯粹是人性工程。

刘开用了一个我觉得很到位的历史类比：电力革命的时候，英国兰开夏郡的纺织业占全世界七成，他们也用电了，但只是把电接到原来蒸汽机的那根大轴上，整个生产组织还是蒸汽时代的；而美国、日本、德国是用电原生地重构了厂房和工序。结果兰开夏郡被甩下了。每一次大的生产力革命，都有约 95% 的企业消失，而它们不是因为没接上电、没上网、没接大模型——它们都接了，它们消失是因为只把新东西接在旧骨架上，没围着它重构自己。

我想顺着这条往下推一句他们没说的：如果落地的瓶颈三分之二在组织，那 AI 这场革命真正的赢家，未必是模型最强的公司，而是最先把组织拆开重装的公司。 模型会越来越便宜、越来越同质，而“敢把总部那套标准化部门拆掉、把决策权放回一线”的组织勇气，稀缺得多。

反 SOP：从“萃取最佳实践”到“蹲在店长身边当学徒”

这期里有一个容易被当成方法论细节、却是整篇极锋利的转向。

2025 年下半年之前，Rolling AI 的做法是 top-down：把企业里最好的金牌销售、最好的培训师拉来访谈，总结出“最佳实践”，再灌进 AI。这是典型的咨询打法，也是 SOP 的逻辑——找到标准答案，让所有人照做。

后来他们不这么干了。理由是：做生意根本没有一个权威的、自上而下的正确答案。一个门店、一个城市卖保险、一杯奶茶，成功方式有千千万万种。于是他们转成 bottom-up——给每个店长配一个 AI“学徒”，每天下班蹲在他身边复盘：今天做了什么、哪儿做得好、为什么。它像咨询行业的 shadow，一个陪跑生，越看越懂。

刘开甚至给了一句近乎暴论的话：SOP 代表落后，标准化只意味着你让全局都做到了六十分，却没让每个人拿到九十分。AI 要做的不是把所有店压到同一个标准，是让每个店长带着自己门店独有的上下文——今天下不下暴雨、隔壁有没有新店开业、五米外有没有一家更便宜的超市——做出本地最优解。

他们举的那个酸奶案例很能说明问题：AI 副店长分析数据说“你这酸奶卖不好是因为客群高端”，店长说不是，是五米外开了家比我大两倍、卖得更便宜的超市。AI 立刻换策略：那就别跟它拼标品，改卖独供和高端，销量涨了五成。这个判断 AI 自己永远给不出，因为它不知道五米外那家超市的存在——这正是“街头智慧”四个字的全部重量。

我认同这个转向是真洞察。工业时代的管理核心是传递信息和做标准化，而这两件事正在被 AI 吃掉；当智力生产力变得近乎无限，管理就可以从“用标准化保底线”换成“用智能到一线找最优解”。这是组织层面实打实的变化，不是 PPT 话术。

FDE 的悖论：它真正值钱的东西，是它自己承认教不会的

但正是在这个看上去很漂亮的地方，FDE 埋了一个它自己没点破、却反复露馅的悖论。

按他们的说法，一个好的 FDE 需要三种能力：一眼看穿业务痛点本质的商业判断（缺人、缺知识还是缺沟通）、人机协作的原生直觉、以及快速搭出智能体原型的动手能力。后两样可以练，但第一样——那个商业 judgment——他们反复承认教不会。阿甘说那是一种“gut feeling，有点玄学，不系统”；刘开说“我个人没找到一个培养的方式，有些东西是天生的”。他们公司最小的实习生是高二的，老练程度不输一个平庸的五年咨询师；而他们对一个刚毕业、问“我能给公司提供什么价值”的优秀应聘者，半开玩笑地说：“以你刚毕业，我想不到任何你能做、AI 做不了的事。要不前两年你付我钱，后面几年我翻倍付你钱。”

把这些拼起来，一个尴尬的结论就浮出来了。FDE 被两家模型巨头当成 AI 落地的解药、被各砸十亿美元，但它真正核心的能力恰恰是不可培养、不可标准化、因而不可规模化的。这跟它自己鼓吹的 bottom-up 是同一个道理的两面：既然连金牌销售的“最佳实践”都没法 top-down 复制，那 FDE 的商业判断力，凭什么能被批量生产出来？

这就让 FDE 成了一个很别扭的物种：它是 AI 时代少数还非人不可的活儿，但也正因为非人不可、且这个人还得天生有 taste，它注定稀缺、注定贵、注定长不成一个能吃下大盘的标准工种。它的“过渡性”不是被未来更强的模型淘汰，而是写在它今天的逻辑里——一个无法复制的瓶颈，撑不起一个时代级的用工蓄水池。

所以把 FDE 包装成“AI 时代的金饭碗新工种”，是一次美丽的误读。 它更像手艺人：值钱、被需要、但学徒带不出来，行业一扩张就立刻断层。两位合伙人自己也担心这个断层——年轻咨询师能做的桌面研究和 paperwork 已经被 AI 吃掉，可商业洞察又教不会，中间那截正在被掏空。

十亿美元的 PE 结构，泄露了真实动机

还有一个细节，藏着这件事更冷的一面：用阿甘的话说，OpenAI 和 Anthropic 的这两家 FDE 合资公司“全部都是 PE”，不是普通子公司。

阿甘和刘开点破了原因。模型公司光卖 token，赚的是辛苦钱；但 AI 帮一家企业多赚的那几千万 upside，靠卖 token 是收不到的。要收到那部分，就得跟 PE 一起入场、改造投后企业、再分资本增值。刘开说得很直接：FDE 公司不仅值得被 VC 投，甚至值得被 VC 拥有——每个 PE 的投后部门未来都该是一个 AI 赋能中心，而且这种服务团队不该同时服务竞争对手。

这给 FDE 这个角色补了第二张面孔。它一半是真心实意帮企业落地的组织工头，另一半，是模型公司绕过 token 微利、深入行业去抓数据和 upside 的前置侦察兵。阿甘自己也点到，Anthropic 与其一个个去请时薪上万的行业专家补数据短板，不如直接驻进行业里解题——FDE 在一线摸到的行业私域知识，最终会流向哪里，模型公司和客户怕是各有各的算盘。落地服务是真的，但替模型公司探路、补料、分资本红利，也是真的。

声入商业说

我们不搬运播客原话，我们帮你判断哪些热闹值得当真。

这期《十字路口》真正值得带走的，不是“FDE 是个新风口”这种结论，而是阿甘和刘开诚实地讲清了 AI 落地的真实形状：技术只占三分之一，剩下三分之二是把数字员工塞进人情社会的脏活；而干这个脏活离不开的那种判断力，恰恰连他们自己都说教不会。这两件事拼起来，正好把“模型够强就能落地”的技术原教旨主义和“FDE 是 AI 金饭碗”的乐观叙事一起拆了——AI 真正的瓶颈在组织，而组织的解药偏偏是个无法量产的手艺人。

下一次再看到“某某新岗位是 AI 时代的金饭碗”的说法，值得多问一句：这个工种真正值钱的能力，是能被培养、被复制的，还是天生稀缺、一扩张就断层的？

评论区聊聊：在你自己的公司里，AI 落不了地，卡住的到底是模型不够强，还是组织不愿意改？

想听阿甘和刘开怎么劝企业把总部的标准化部门拆掉、又怎么判断哪些单子再大也不接，点击阅读原文，去《十字路口》听完整这一期。