一、引言
2026 年 5 月 12 日那一周，硅谷发生了五天内环环相扣的四件事。
（1）周一，OpenAI 成立 OpenAI Deployment Company，TPG 领投，贝恩、凯捷、麦肯锡联合入局，总盘子超 40 亿美元；同日收购伦敦 AI 咨询公司 Tomoro，150 名工程师当天入职。
（2）周一，Google Cloud CEO Thomas Kurian 宣布 59 个全新 FDE 岗位，覆盖 8 个国家。
（3）周三，Anthropic 传出筹建自己的 FDE 独立咨询公司，照搬 OpenAI 的打法。
（4）周五，ServiceNow 和 Accenture 宣布联合 FDE 计划。
一周之内，全球最贵的 AI 公司全部下场抢一个角色。2025 年全年，FDE 岗位招聘量同比增长超过 800%。这个角色的名字，第一次出现在 2005 年。
二、起源：2005 年的 CIA 与两周绰号
2003 年，Peter Thiel 用 3000 万美元个人资金在帕洛阿尔托创立 Palantir，名字取自托尔金《指环王》里的真知晶石，一块能看穿世界的水晶球。2005 年，CIA 旗下风投 In-Q-Tel 投了 200 万美元。这笔钱的核心价值不在资金，而是一张通行证：绕过传统采购门槛，把工程师直接送进兰利总部。
联合创始人 Stephen Cohen 和工程师 Aki Jain 被派驻 CIA 反恐金融情报组，每两周从帕洛阿尔托飞往兰利，前后往返约 200 次。分析师给 Cohen 起了一个绰号，Two Weeks，两周。2008 年，第一个平台 Gotham 诞生，整合电话记录、监控名单、金融交易等异构数据，发现隐藏关联的情报分析系统。
2010 年，Gotham 在阿富汗战场首次落地战区。海军陆战队上校 Drew Cukor 推动解决了每 6 到 12 个月整批换人、情报无法传承的痛点。2016 年，Palantir 的 FDE 数量超过总部工程师，这条机制，后来支撑起一家市值数千亿美元的公司。
三、Echo 与 Delta 双角色
Palantir 的 CTO Shyam Sankar 把 FDE 拆成了两个角色。Echo，嵌入式分析师，懂行业黑话，能挖出真实痛点，具叛逆精神。Delta，部署工程师，极客型开发者，最短时间交出能跑的原型。
一个定义问题，一个解决问题，两人搭在一起，就是一个迷你创业团队。这就是 FDE 的原点定义：不是交付产品走人，而是把工程师嵌入客户现场，和用户一起打磨系统。
为什么这个模式值钱？因为通用 AI 产品无法直接吸收企业的流程和责任结构。咨询的逻辑是做项目收钱，做十个项目要十倍成本；FDE 的逻辑是把现场经验产品化，下一次部署边际成本递减。前者是加法，后者是复利。
四、五家公司的差异化实践
二十年间，FDE 模式从 Palantir 扩散到整个硅谷，但每家公司打出了不同的形状。
Palantir 是最经典的版本：政府与商业客户并重，FDE 数量超过总部工程师，靠 Gotham、Foundry、AIP 三个平台沉淀现场经验。它的部署成果是硬邦邦的数字。Tampa General Hospital 用 AI 把脓毒症 48 小时死亡率降低 68%；Johnson Controls 整合 200 个系统的数据，潜客转化率提升 5 倍；R1RCM 构建医保拒付自动分诊系统，把申诉变成事前预防。
Anduril 把 FDE 打成了 Mission Capability Engineer，有安全许可的工程师直接嵌入基地，从第一天就在一线迭代。2026 年 3 月，美陆军给了它一份上限 200 亿美元、为期十年的合同。
Scale AI 用 Donovan 把大模型部署到军方的分类网络，摄取超过 10 万页实时数据。OpenAI 走的是规模化路线，Frontier 平台签下 HP、Intuit、Oracle、State Farm，Deployment Company 一次吞下 40 亿美元。Anthropic 走的是精英路线，创始 FDE，面试不考算法题，考你在模糊条件下怎么设计部署方案。
打法各异，内核一致：把工程师送进客户现场，把现场经验产品化，让下一次部署更快、更便宜。
五、三层翻译：为什么是最后一公里
AI 落地的最后一公里不是模型问题，是部署问题。模型公司把能力做到 99 分，但企业里的系统、流程、审批、数据孤岛，是模型公司永远够不着的 1 分。FDE 做的是三层翻译。
（1）业务翻译：把客户的模糊需求，变成可交付的工程里程碑。
（2）组织翻译：把客户内部的审批路径、权限体系、责任结构，翻译成 AI 系统的权限与治理设计。
（3）技术翻译：把遗留系统、数据孤岛，翻译成数据管道与生产级代码。
这三层翻译，恰好对应企业 AI 的三个不可加速瓶颈，协作、判断、反馈闭环。FDE 就是那个专门处理瓶颈的人。
六、经济学的信号
数字不会说谎。Palantir FY2025：收入 44.75 亿美元，同比增长 56.2%；员工约 4429 人，人均收入 114 万美元；净美元留存率 139%；GAAP 毛利率 82.4%。Karp 的目标是收入做到 10 倍，员工数保持 3600 人左右，用 AI 提升人效，而不是堆人头。
劳动力市场同样疯狂：前沿 AI 实验室（OpenAI、Anthropic、Google DeepMind）的 FDE 中位总包 38.5 万至 51 万美元，资深级 56 万至 78.5 万美元，比同级别 ML 工程师高出 10% 到 25%。26 家公司在 2026 年运行 FDE Native 交付模式。FDE 已经从 Palantir 的专利，变成了 AI 行业的标配。
七、中国为什么才刚刚开始
但同样的角色，在中国的画像是完全不同的。中国的 FDE 更像部署工程师。
（1）技术重心不同。美国 FDE 玩 prompt 工程与 Agent 流程设计，中国 FDE 的核心技能是 GPU 驱动适配、容器化部署、离线模型分发。政务、金融、制造的内网，是私有化部署的刚需战场。
（2）决策链不同。美国是 CTO 主导的技术评估，中国是一把手拍板加政治考量。不出事比创造价值更常成为采购理由。
（3）付费意愿不同。美国按价值付费，中国按人头付费，还期望买一送三。人天单价十年未涨。
（4）薪资差一个数量级。中国 FDE 主流年薪约是美国的 1/3 到 1/5。这是成本优势，也是人才留存的风险。
但本质是相同的：FDE 由 50% 技术与 50% 沟通构成。区别只在于，那 50% 的技术是 CUDA 驱动还是 prompt 工程，那 50% 的沟通是跟 CTO 讲 ROI，还是跟一把手讲不出事。
八、中国 FDE 的现状
中国的 FDE 并非空白，只是长得不一样。第四范式服务了 40 多家央国企，中国银行、工商银行、国家电网、人民日报、三一重工，清一色的私有化部署加长期驻场模式；商汤在上海做量子城市项目，与规划资源局联合研发城市大模型。这些玩家的主战场是政企与央国企，拼的是国产芯片适配、GPU 驱动、离线模型分发这些基础设施能力。
薪资也分层清晰：初级 FDE 月薪 10 至 20k，中级 20 至 40k（主流区间），高级 40 至 70k，资深负责人 50 至 130k。对比美国前沿实验室的中位总包 38.5 万至 51 万美元，中国的 FDE 薪资约是 1/3 到 1/5。这是成本优势，也是人才留存的风险：一个训练有素的中国 FDE，随时可能被出海企业以数倍薪资挖走。
更深层的问题是：中国的 FDE 大多还停留在部署工程师阶段，把模型装进内网、调通接口、交付验收。而 FDE 真正的价值，把现场经验产品化、让下一次部署边际成本递减，在中国还没有人系统性地做。这正是本文认为中国才刚刚开始的原因：需求已经有了，方法论的空白还在。
九、结论
不做中国版 Palantir，Palantir 的政府与国防基因无法复制，也不是 MOAT 的志向。更合适的定位是 AI 时代的组织变革工程公司：把 Palantir 的 FDE 交付能力、OpenAI 的规模化打法、Agent 组织设计与变革陪跑叠加在一起，服务民营企业的 AI 落地。
这个定位里有两个维度，是硅谷的 FDE 还没有显性化的。一是 Agent 组织设计，按客户旅程切分智能体，而不是按功能堆砌。二是变革领导力陪跑，不只是交付系统，还陪客户的一号位走完组织变革。这两件事，恰恰是中国市场最需要、也最稀缺的。
硅谷用二十年证明了一件事：把工程师送进客户现场，是最笨也最有效的 AI 落地方式。中国有同样的需求、更大的市场、更低的成本，但缺的是方法论和耐心。而现在，正是开始的时刻。