OpenAI聯(lián)手PE砸下40億美元，聊聊硅谷最火新職位FDE

（點(diǎn)擊收聽本期音頻）

采訪｜Yiwen

圖文｜Yiwen

最近硅谷最火的崗位，非FDE莫屬。FDE全稱“Forward Deployment Engineer”，可以直接翻譯成“前線部署工程師”。他們既要懂模型和技術(shù)，也要理解客戶的數(shù)據(jù)、流程和業(yè)務(wù)痛點(diǎn)，核心任務(wù)是把AI從demo變成各個(gè)職業(yè)自己的AI-native工作流。Perspective AI在2026年對1500名FDE的調(diào)查顯示，前沿實(shí)驗(yàn)室資深FDE的年總薪酬中位數(shù)達(dá)到48.5萬美元，資深員工級別則高達(dá)72.5萬美元，頂級實(shí)驗(yàn)室的總薪酬區(qū)間落在35萬至55萬美元之間。

這股熱潮的背后，是頂尖AI公司戰(zhàn)略上的重大轉(zhuǎn)向。今年5月，OpenAI聯(lián)手19家PE，合計(jì)投入超40億美元，成立了Deployment Company（部署公司），并收購了一家AI落地服務(wù)公司Tomoro，打包帶走了150個(gè)FDE。Anthropic也宣布與包括Blackstone在內(nèi)的多家金融機(jī)構(gòu)合作，成立價(jià)值15億美元的合資企業(yè)。這些頂尖模型公司，都開始押注同一種服務(wù)：不只是提供AI工具，而是深入企業(yè)內(nèi)部，在具體業(yè)務(wù)場景中把AI能力真正部署起來。

本期《硅谷101》，我們請到了兩位一線從業(yè)者討論FDE和部署公司。我們聊了FDE這份工作的具體形態(tài)、它與Palantir早年軍方部署模式的淵源，也討論了在這波AI落地浪潮中，私募基金和咨詢行業(yè)正在經(jīng)歷怎樣的變化。

• Jove，Cresta FDE團(tuán)隊(duì)負(fù)責(zé)人，Cresta為企業(yè)呼叫中心提供AI Agent，Jove從去年年初就開始擴(kuò)招FDE團(tuán)隊(duì)

• Oliver，前麥肯錫咨詢師、現(xiàn)任Invisible Technologies企業(yè)業(yè)務(wù)VP

歡迎關(guān)注《硅谷101視頻號》的音頻欄目直接收聽本期播客。如 果 你喜歡我們的 節(jié)目，更推 薦大家使用 音頻客戶端來收聽，《硅谷101 》已覆蓋各大 主流音頻 平臺（渠道見文末），歡迎訂閱！

以下是這次對話內(nèi)容的精選：

01

模型公司為什么開始做部署？

Yiwen：Jove，你怎么看待最近OpenAI、Anthropic和其他模型公司開始做AI部署的動(dòng)作？

Jove：我覺得這就是FDE一下子就讓大家上頭的部分原因。作為一個(gè)工作類型，F(xiàn)DE從Palantir開始就已經(jīng)存在了十幾年的時(shí)間。我們公司是在去年1月份開始做FDE的這樣一個(gè)部署，當(dāng)時(shí)沒有很明確的一定要招FDE，但是模模糊糊覺得需要把一些工程師拿出來跟客戶走得更近，通過這些非常貼近的一些服務(wù)，能夠了解他們想要什么，然后把我們的產(chǎn)品用到位。

但是過去一兩個(gè)月，尤其是最近這一兩個(gè)星期，出現(xiàn)了大量對FDE的討論。我知道這次事情確實(shí)會(huì)來，但我沒有想到會(huì)這么快，來得這么迅猛。但我覺得這也印證了幾個(gè)事情：一是模型公司會(huì)意識到模型本身并不是一個(gè)產(chǎn)品，產(chǎn)品要落地還需要做大量的工作，這個(gè)是傳統(tǒng)的模型公司很容易疏忽甚至是不屑去做的。但是你沒有這樣一個(gè)非常緊密的合作，對于有錢想買這個(gè)模型的人，他也覺得買了也不知道怎么用。我們發(fā)現(xiàn)FDE是一個(gè)非常好的形式。

另外，模型公司跟應(yīng)用公司的邊界就變得很模糊。OpenAI跟Anthropic的做法更多是：我依然招最好的人去訓(xùn)練我的模型——包括像Anthropic，大家可能知道他的模型就特別好，但也特別貴，可以賣得很貴，人效來講可能會(huì)很高。但至于是說我要去向三百六十行每行去落地，那個(gè)需要大量的人，那這塊我不見得想要自己找，所以這也是為什么有些是收購，有些是通過資本來讓別的公司來做FDE。所以，模型公司跟應(yīng)用之間的亦友亦敵的關(guān)系就變得更加糾纏不清了。

02

FDE的具體工作

Yiwen：如果要讓你用一句話定義FDE，你會(huì)怎么說？

Jove：FDE是在跟客戶緊密合作，能夠讓AI應(yīng)用真正跑起來的工程師，且它承擔(dān)了讓產(chǎn)品變得更好的這樣一個(gè)職責(zé)。所以FDE一是要把AI落地，二是把這些Lesson Learned（經(jīng)驗(yàn)教訓(xùn)）能夠以直接的方式去改變產(chǎn)品，讓產(chǎn)品變得更好。甚至像是一個(gè)“Forward Deployed CTO”，你是非常全面的一個(gè)人：你要把單子搞定，你要把AI應(yīng)用落地，把客戶鎖住；但是你作為一個(gè)CTO，你不光是整天想著怎么讓產(chǎn)品變得更好，甚至是你要自我革命了。所以FDE就做這樣一個(gè)事情，就是把AI落地且用這些經(jīng)驗(yàn)教訓(xùn)把產(chǎn)品變得越來越強(qiáng)。

Yiwen：在你接觸到的客戶里面，F(xiàn)DE是怎么樣去改變他們現(xiàn)有的工作流的？比如，你們服務(wù)的這些財(cái)富100強(qiáng)的公司，很多都是不同領(lǐng)域的公司，對AI智能呼叫中心（Cresta的核心業(yè)務(wù)）這件事情有不同的需求，工作肯定也會(huì)涉及到很多他們專業(yè)領(lǐng)域的一些術(shù)語、知識甚至數(shù)據(jù)。這些客戶是怎么樣跟你們傳遞他們的需求的？你們又是怎么樣去理解這些需求并且去做部署的？

Jove：針對客戶體驗(yàn)這個(gè)領(lǐng)域，我們相對來說積累比較多，從2017年就開始做了。所以AI這個(gè)浪潮之前，有大量的人與人之間的這些對話就已經(jīng)在Cresta這個(gè)系統(tǒng)里面，當(dāng)然我們花大量工夫去做合規(guī)什么的。所以比方說，像Marriott這些大的公司，在Agent這個(gè)時(shí)代之前，就有人工Agent，所以有大量這些文本語音的語料，通過合規(guī)的方式在Cresta這邊存儲(chǔ)。

所以你可以想象，一旦我們決定去挑幾個(gè)AI Agent的用例去做，我們肯定會(huì)去分析哪些用例是量比較大，但是又沒有做起來那么復(fù)雜的。這也就是沒有很多人工判斷的，相當(dāng)于說SOP比較清晰，量比較大。可能80%的業(yè)務(wù)量是來自20%的應(yīng)用場景。有了大概的一些判斷之后，我們可以借助過去的一些歷史，能夠去抽象出來說，有哪些典型的問題客戶在問，作為一個(gè)客服——不管是人工的還是AI的——你應(yīng)該怎么去有效地跟他解決這個(gè)問題。所以這些就避免很多猜的成分，因?yàn)槲矣X得AI跟數(shù)據(jù)需要做很好的結(jié)合。

在我們做一個(gè)相對比較大單子的時(shí)候，往往他已經(jīng)用了很長一段時(shí)間Cresta別的產(chǎn)品了，我們可以基于他人工對話的一些數(shù)據(jù)，能夠去提煉出它的一些規(guī)律，我們甚至可以用它的數(shù)據(jù)來訓(xùn)練一個(gè)小的模型，用那個(gè)模型來去做更多的模擬。所以FDE就要去作為一個(gè)相對有經(jīng)驗(yàn)的這樣一個(gè)AI落地官，去判斷哪些用例我們可以先做，用例對應(yīng)的這些資源是不是到位了；不到位的話，并不傾向于我們幫他改一批，更多是跟客戶共創(chuàng)，包括后續(xù)做出一個(gè)版本的Agent，也要做大量的測試、做優(yōu)化，其實(shí)也要花很多的精力。

Yiwen：你會(huì)需要去現(xiàn)場看客戶是怎么樣進(jìn)行這些工作的嗎？

Jove：前線部署這個(gè)詞比較抓人眼球。包括我自己，包括我的同事，沒有一次是超過一個(gè)星期在一個(gè)客戶那邊的。因?yàn)槲覀僃DE不需要做一些初次聯(lián)系或者是一些偏售前的事情，更多是說大家已經(jīng)有很強(qiáng)的意向了，更多是拉我們作為一個(gè)專家，看怎么去落地更合適一些。

所以我們可能會(huì)有一個(gè)啟動(dòng)會(huì)，大家飛到他的辦公室，我們可能閉門地開個(gè)兩三天的會(huì)，把一些高層級的目標(biāo)能夠定下來，KPI定下來，把它對應(yīng)的API能夠驗(yàn)證，甚至如果順利我們可以在那邊做一個(gè)小型的PoC（概念驗(yàn)證），讓他們產(chǎn)生興趣。但是之后我們可能就各回各家，我們每周甚至每天都會(huì)有會(huì)議，開發(fā)都是要么在辦公室或在家里面。我們可能會(huì)在項(xiàng)目所謂的UAT（用戶驗(yàn)收測試）的時(shí)候可能會(huì)再聚一下，或者是我們談到要考慮下一波的用例怎么做的時(shí)候。而且面對面的話，大家會(huì)有些眼神交流，大家甚至可以培養(yǎng)一些私交。你早期培養(yǎng)這些私交，有些信任對后續(xù)工作是很有用，很多大家不見得很方便書面化的東西，通過一些聊天和一些溝通能夠培養(yǎng)更多的默契，更了解更多的背景，這些往往是你不到現(xiàn)場很難達(dá)到的。

但這些目的加在一塊，都是為了能夠把AI落地變得更加的扎實(shí)，而不是逼客戶去學(xué)，而是說我們了解你要什么，然后幫你做出來。做完之后你想自己維護(hù)也可以，但是AI落地這個(gè)事情就屬于又難、時(shí)間又漫長，但是FDE會(huì)讓它變得稍微簡單一些。

圖片來源：Pixabay

Yiwen：FDE這個(gè)概念是由Palantir一開始發(fā)明并且推廣的。最早的時(shí)候，Palantir其實(shí)是有兩個(gè)團(tuán)隊(duì)，一個(gè)叫Echo，一個(gè)叫Delta，這兩個(gè)它們放在一起成為了一個(gè)FDE。但是可能Deltas更像我們現(xiàn)在理解上的FDE，就是工程師的這樣一個(gè)角色；Echo這一批人他們更多是熟悉這個(gè)專業(yè)領(lǐng)域。這個(gè)能不能給我們講一下，你覺得當(dāng)時(shí)Palantir解決的核心問題是什么？

Jove：對，Palantir作為這個(gè)模式的最初的創(chuàng)造者來講肯定值得尊重。當(dāng)然他的業(yè)務(wù)會(huì)非常的神奇，因?yàn)椴皇敲總€(gè)廠商都能夠去做一些軍方的業(yè)務(wù)。在10年、15年前他開始做，我覺得因?yàn)楹芏嗑唧w想要什么，他是不高興說得很明的，你必須是跟他們面對面，跑到同一個(gè)軍營的帳篷，看到這些數(shù)據(jù)他才愿意說得很細(xì)，而且中間又會(huì)涉及到比如說數(shù)據(jù)建模或者是要臨時(shí)做API。所以他是招了這兩個(gè)團(tuán)隊(duì)：一個(gè)團(tuán)隊(duì)是有點(diǎn)像前線駐場軟件工程師類似的，另外一個(gè)是偏業(yè)務(wù)負(fù)責(zé)人的——對，一些作戰(zhàn)或者是一些搶救之類的他會(huì)比較熟。一個(gè)是偏技術(shù)，一個(gè)非技術(shù)。

FDE我們通常意義上來講，還是一個(gè)非常技術(shù)的工種。對Cresta來講，我們其實(shí)也是覺得這樣的方式會(huì)比較合適。最理想情形當(dāng)然是你一個(gè)人什么都會(huì)，就像所謂的一人公司一樣，你既是CEO又是CTO，但畢竟這樣的人比較難招，而且大家精力比較有限。所以我們做過一些嘗試，比如說我們早期也有所謂的“對話設(shè)計(jì)師”，他更多對人際交互、共情很多細(xì)節(jié)會(huì)比較熟，他不需要技術(shù)。我們最近這差不多一年的方式，也是有所謂的FDE和FDPM（Forward Deployed Product Manager，前線部署產(chǎn)品經(jīng)理）一起配合，FDPM就不需要那么技術(shù)。

FDE像一個(gè)Forward Deployed CTO，可以想象FDPM就是Forward Deployed CEO，他用他的人際能力、溝通能力、協(xié)商能力，與客戶深度磨合，花很多時(shí)間去培養(yǎng)信任，知道他到底想要什么。包括做一個(gè)Agent，你該說什么不說什么，你的測試集應(yīng)該怎么去創(chuàng)建，很多事情跟編碼沒有那么直接相關(guān)，他也不需要知道安全應(yīng)該怎么做、網(wǎng)絡(luò)怎么配，但這個(gè)本身是個(gè)很扎扎實(shí)實(shí)的一大塊的活，F(xiàn)DPM就可以專門對這塊做一些把控。就像CEO一樣，他為整個(gè)公司負(fù)責(zé)，F(xiàn)DPM就為整個(gè)AI Agent的智能體行為和能力水準(zhǔn)負(fù)責(zé)；FDE就是從技術(shù)角度確保這個(gè)實(shí)現(xiàn)是合理的，我們對應(yīng)的測試是健全的，包括FDE還帶有把這些經(jīng)驗(yàn)教訓(xùn)帶回公司，能夠把產(chǎn)品變得更好這樣一個(gè)職責(zé)。

這樣一個(gè)FDPM跟FDE合在一塊，因?yàn)槲覀兒苋菀滓惶煲鷥扇齻€(gè)客戶開好多的會(huì)，這些會(huì)對于FDE來講并不是每個(gè)都要參加，因?yàn)樗赡苓€在討論我應(yīng)該先說什么后說什么，如果大家有個(gè)結(jié)論，實(shí)現(xiàn)來看不是一個(gè)很難的事情，所以大家分工不一樣。FDE就可以更注重這些AI的一些行業(yè)最優(yōu)實(shí)踐，怎么能夠把經(jīng)常要做的一些開發(fā)的工作，把它變成SDK、工具包、CLI，我們更多從技術(shù)角度來做貢獻(xiàn)；而FDPM就可以把握具體的一些需求，包括有的時(shí)候會(huì)有一些風(fēng)險(xiǎn)，你怎么去上報(bào)，甚至是你要去追加銷售——原先你已經(jīng)做了三個(gè)用例，你是不是可以做成六個(gè)。有大量這種，你就把它想象成CEO和CTO的差別，我覺得還是有效的，這樣避免對招聘的人的要求過于高，而且讓一個(gè)人每天要花大量時(shí)間做不同的事情，這樣分開兩個(gè)之后會(huì)好一些。

Yiwen：所以總結(jié)一下就是，F(xiàn)DE其實(shí)本身是一個(gè)技術(shù)性比較強(qiáng)的這樣一個(gè)職位；FDPM更多是對行業(yè)知識的了解，我理解可能這些人很多是從比如說咨詢背景，或者更多的是一個(gè)企業(yè)運(yùn)營的背景。我覺得可以借這個(gè)機(jī)會(huì)說一下，你覺得什么樣的人最適合當(dāng)FDE？一個(gè)優(yōu)秀的FDE是什么樣的？

Jove：我覺得也是逼自己拋出來句話：我要說打造全世界最好的FDE團(tuán)隊(duì)。對，是個(gè)目標(biāo)。雖然說現(xiàn)在獲得一些成績，但我確實(shí)覺得，Palantir巨大的成功，或者是它的股票往上漲，有多少比例是因?yàn)镕DE這個(gè)其實(shí)很難講，因?yàn)樗旧碛刑嘁蛩卦诶锩妫撬_創(chuàng)了這樣一個(gè)模型。但現(xiàn)在FDE變成很熱門，是因?yàn)锳I落地有太多的困難，而這個(gè)復(fù)雜性你不想把它直接拋給客戶，而FDE能夠把這些復(fù)雜的層面自己消化掉，能夠給客戶一個(gè)很好的方案。

而且對于很多產(chǎn)品公司，或者是SaaS或平臺公司來講，F(xiàn)DE把在前線的這些經(jīng)驗(yàn)教訓(xùn)直接去改變產(chǎn)品了。因?yàn)槟阆耄?0年前Palantir的FDE就算知道產(chǎn)品有很多漏洞又怎么樣？他可能回頭只能寫封信或者是開一個(gè)工單求著別人去改，可能再過半年就改好了。但是因?yàn)楝F(xiàn)在AI Coding特別強(qiáng)，所以我們這些FDE——當(dāng)然我們招的時(shí)候就會(huì)門檻比較高，希望是比較好的工程師——但是另一方面，因?yàn)橛羞@些AI Coding Agent、Claude Code或者是這些模型，你知道哪里不對，哪里有提升空間，哪里可以做得不一樣，哪怕你有5個(gè)、10個(gè)不同的repo、不同的語言、不同的棧，你就可以很容易地讓AI幫你做成這個(gè)樣子，然后你找個(gè)合適的人復(fù)盤就可以了，所以這個(gè)迭代就很快。

除了coding之外，現(xiàn)在skill本身也是一個(gè)很好的模型，就能夠有一個(gè)方式可以蒸餾了。原先都是大家留在腦子里面，大家可能要花很多時(shí)間做知識轉(zhuǎn)移，現(xiàn)在你可以把它寫成skill——有一個(gè)很長的markdown，有一些腳本，有一些參考文檔。你做了兩三個(gè)類似的事情之后，就可以變成一個(gè)很好的skill，這個(gè)能力就可以在下一個(gè)項(xiàng)目里面很快去用得到。或者是說我們現(xiàn)在30個(gè)FDE，又來了20個(gè)FDE，那20個(gè)FDE它甚至只要把這個(gè)skill裝在那邊，能夠訪問就可以，它都不用去學(xué)。所以這個(gè)就很容易像一個(gè)雪球效應(yīng)，所以FDE現(xiàn)在肯定是一個(gè)比較合適的狀態(tài)，招更多FDE能夠去落地。

包括我這次來紐約TechWeek也是希望能夠辦一些活動(dòng)，招到合適的人——他首先需要是一個(gè)很合格的工程師，因?yàn)檫@個(gè)本身就像個(gè)CTO，你肯定不想是一個(gè)很不會(huì)寫代碼的人做CTO，他肯定要技術(shù)很強(qiáng)。因?yàn)槲椰F(xiàn)在招的這個(gè)團(tuán)隊(duì)就是局限在AI Agent FDE，我這邊對數(shù)據(jù)工程、對信息安全沒有那么強(qiáng)的要求，但是你這個(gè)人一定要會(huì)AI Agent。

我這邊很多時(shí)候看到一個(gè)簡歷，他說“我是個(gè)AI工程師”，我這不廢話嗎？就現(xiàn)在你哪個(gè)軟件工程師如果不是AI工程師，你都已經(jīng)很出局了，肯定沒有人期待你每行代碼都自己寫。你是必須要會(huì)用這些Harness framework，你要用Cursor，用Claude Code。但是，不是很多人會(huì)知道怎么去開發(fā)跟測試AI Agent，這個(gè)技能對我們來說是很在乎的，我們不想花個(gè)兩個(gè)月、三個(gè)月再培訓(xùn)一個(gè)人，可能這個(gè)人兩到三個(gè)禮拜就應(yīng)該進(jìn)一個(gè)項(xiàng)目。所以你需要是一個(gè)好的開發(fā)者，你要是開發(fā)跟測試過AI Agent。

另外一塊就是說他需要有比較過硬或者比較讓人信服的對接客戶的經(jīng)驗(yàn)。畢竟我們是前線部署，哪怕你過去都是線上開會(huì)，或者是偶爾可能會(huì)過去個(gè)幾天，但你還是要去跟對方的CTO、對方的IT總監(jiān)、對方資深的人進(jìn)行溝通的；有的時(shí)候你也跟一些非技術(shù)人員去溝通。你應(yīng)該知道怎么去把一個(gè)比較復(fù)雜的問題能夠簡化，或者是你能夠從他表達(dá)的過程中抓到具體一些點(diǎn)能夠進(jìn)行求證；有的時(shí)候你要說不。這邊有不光是英文層面的溝通，而且是你整個(gè)人要比較老練，實(shí)際上跟CTO一樣的——CTO也不能是光寫代碼的一個(gè)人。

所以這個(gè)技能我就一般是期待他要么做過咨詢，或者是他自己就是作為一個(gè)創(chuàng)始工程師，或者是他自己有大量的甚至是自由職業(yè)者，我覺得都是挺好的。除了編程，除了這些對接客戶之外，剩下可能就是一些人的要比較靠譜、要有韌性，因?yàn)镕DE就是真的很忙，你同時(shí)多線程處理很多事情，你有很多壓力，你面對的就是一個(gè)很不完美的世界——API根本就是紙糊的，SOP就跟沒有是一樣的，文檔也是千奇百怪的。壓力很大，大家可能會(huì)有不切實(shí)際一些想法，所以要很強(qiáng)的能夠面臨巨大復(fù)雜性的一些能力，能夠面臨巨大不確定的能力。所以有自主決斷力，去知道我應(yīng)該怎么去推進(jìn)，怎么去跳出來做一些事情。

圖片來源：Pixabay

所以我是很喜歡招founder、cofounding工程師，甚至是說經(jīng)歷過很多大風(fēng)大浪的，能夠知道沒有一個(gè)事情是有保障的、一定會(huì)成功的，你就是要必須是非常努力地去做，才能夠到一個(gè)稍微好一點(diǎn)的狀態(tài)。所以這種靠譜、韌性往往也是通過這種方式我們希望能夠看到。我這邊是不招任何初級的FDE，因?yàn)榫拖袂懊嬷v的，你一個(gè)項(xiàng)目也就一兩個(gè)人，跟對方的CTO在那邊共創(chuàng)，你如果一個(gè)很初級的人就很難達(dá)成這樣一個(gè)信任，你可能很多時(shí)候也沒有頭緒，你總不能打開AI讓AI告訴你怎么做，你自己沒有判斷的能力也很差。所以技術(shù)的能力肯定要到位，你的對接客戶的能力要在那邊，你能夠抓很多事情，端到端。

Yiwen：你剛才說FDE面臨的是一個(gè)不完美的世界，面臨的還是一些現(xiàn)在來說還是比較新的這樣一些Agent工具，那么這個(gè)職位到底會(huì)是一個(gè)長期存在的職位，還是一個(gè)過渡性的角色？在AI的時(shí)代，當(dāng)工具會(huì)不斷地自我迭代不斷成熟之后，你覺得這個(gè)角色他會(huì)變嗎？還是他會(huì)消失？

Jove：唯一不變的就是變化，但我覺得相對很多別的自營工程師的工作來看，F(xiàn)DE要被AI化路還很長。短期來看，比如說1到2年，它肯定會(huì)有越來越多的工具能夠讓FDE的工作變得更高效。比如說我們現(xiàn)在大量的電話或者是溝通都會(huì)有像Gong能夠把它錄下來，能夠做翻譯，甚至對著這個(gè)錄音你可以提問題；對，類似我們有些工具像Glean，也是可以搜到最新的一些聊天記錄，然后看到一些代碼。就這些工具的產(chǎn)生會(huì)讓我們這些同時(shí)處理多件事的人更高效，而且有的時(shí)候我可能日歷上面一個(gè)時(shí)間段同時(shí)約了兩場、三場，有些會(huì)你肯定會(huì)缺席，你就可以通過這些工具能夠讓你更加同時(shí)出現(xiàn)在不同地方，或者是不至于錯(cuò)過很多具體的一些點(diǎn)。

但這些工具能夠讓FDE——比如說假設(shè)我們現(xiàn)在平均是兩到三個(gè)項(xiàng)目是在一個(gè)人身上，再過段時(shí)間可能變成5到6個(gè)，所以工具的改進(jìn)會(huì)讓我們效率會(huì)更高，或者是能夠做事情更多。但是再遠(yuǎn)一點(diǎn)會(huì)分化，會(huì)要求有很多很高端的FDE做那些很難的事情，你可以用各種工具，但是工具本身并不能解決，還是需要有非常資深的人去做。

一方面會(huì)有大量原本不需要FDE的人會(huì)想著我能不能招一個(gè)便宜的FDE，就像大家在說軟件工程師這個(gè)事情，招聘需求其實(shí)反而在上升，因?yàn)樵扔X得他沒法雇軟件工程師的——小的診所、小的個(gè)體戶覺得我也可以招一個(gè)軟件工程師，可以把我的某一個(gè)工作流把它產(chǎn)品化掉。所以對應(yīng)的FDE就會(huì)出現(xiàn)有一批可能針對中小型的、針對這種長尾的，甚至是這種遠(yuǎn)程的，比方說越南或者哪里不是很發(fā)達(dá)的地方，可能就會(huì)有很多FDE，永遠(yuǎn)不能到現(xiàn)場，但他就是結(jié)合客戶的需求，結(jié)合他的AI技能把他東西做出來。如果他自己有一個(gè)產(chǎn)品可以沉淀，也是一種模式。

所以只要是客戶的這種復(fù)雜性還在那邊，AI能夠完全自動(dòng)化的總歸是有缺口的，這個(gè)缺口需要FDE來填。真的到了某一天，比如說有一個(gè)完全AI FDE——哪怕現(xiàn)在SDR（銷售開發(fā)代表）這個(gè)事情都沒有很好的AI化——假設(shè)真的有一天，F(xiàn)DE這個(gè)事情99%都可以AI化，不管是你理解客戶、寫prompt、做測試、跟客戶溝通，甚至你可能這個(gè)AI跟另外一個(gè)客戶的AI做agent-to-agent的一些溝通或?qū)R，但那個(gè)時(shí)候其實(shí)我們擔(dān)心的就不是FDE本身，整個(gè)行業(yè)世界都已經(jīng)不一樣了，就可能人在里面參與的就很少。但我覺得這個(gè)會(huì)有很長一段路要走。

FDE我還是非常地有信心，這個(gè)工種會(huì)越來越豐富，參與的人會(huì)越來越多，大家會(huì)越來越意識到它的一個(gè)重要性。

03

私募與AI部署的重要入口

在和Jove的訪談中，我們產(chǎn)生了兩層疑問：第一，部署公司做的事——包括深入企業(yè)、改造流程、幫他們用好AI——其實(shí)和傳統(tǒng)咨詢的邏輯很相似，咨詢行業(yè)會(huì)被這波浪潮取代嗎？第二，就像Jove說的，模型公司為什么要找PE合作呢？我們知道Blackstone這樣的機(jī)構(gòu)手里握著大量投資組合公司，很多是運(yùn)營了幾十年的傳統(tǒng)企業(yè)。對PE來說，這個(gè)合作到底有什么吸引力？

Jove從他的角度聊到了一部分，接下來我又和有咨詢背景、有長期服務(wù)PE客戶的Oliver，從行業(yè)變化的角度聊了聊這兩個(gè)問題。

Yiwen：Hello Oliver，給我們的聽眾簡單介紹一下你自己和你目前所在的公司。

Oliver：謝謝Yiwen，我叫Oliver，是Invisible Technologies企業(yè)業(yè)務(wù)的VP。我的工作是幫企業(yè)客戶落地AI，使用我們的解決方案。在這之前，我在麥肯錫做私募股權(quán)咨詢，我所在的團(tuán)隊(duì)叫Rewired，專門幫企業(yè)重新思考商業(yè)模式，變得更技術(shù)驅(qū)動(dòng)和AI驅(qū)動(dòng)。

Yiwen：你說你們幫公司落地解決方案，具體是什么樣的解決方案？

Oliver：好，簡單介紹一下我們在做什么。我們的公司叫Invisible Technologies，也就是“隱形技術(shù)”。我們的名字來自于一個(gè)理念：當(dāng)技術(shù)做得足夠好的時(shí)候，它是隱形的，也就是說你是感受不到的。我們的做法和很多軟件公司不一樣。我們在日常生活里都會(huì)用AI工具，這些工具非常好用，但問題也就在這里：個(gè)人AI使用率和企業(yè)采用率之間有巨大的落差。這個(gè)落差很大程度上是市場的供給造成的。

你想想看現(xiàn)在市場上是怎么服務(wù)企業(yè)的？要么是大模型廠商自己賣，要么是套殼產(chǎn)品——比如做法律的Harvey，或者做會(huì)議記錄的Granola，都是很好的工具，但它們沒有改變你做事的方式，只是在已有的方式上做了增強(qiáng)。結(jié)果就是很多公司部署了AI，卻感受不到變化。

所以我們走了一條不同的路：我們不是一個(gè)工具一個(gè)工具地上，而是一個(gè)工作流一個(gè)工作流地切入，為每家公司量身定制軟件。我們會(huì)把一個(gè)工作流拆開來看，比如說如果有十個(gè)步驟，判斷其中五個(gè)步驟必須是確定性的，因?yàn)樯婕皵?shù)學(xué)計(jì)算、合規(guī)要求，不能出錯(cuò)；三四個(gè)步驟可以用AI來做，允許有一定的彈性；還有兩個(gè)步驟需要人工審核，確認(rèn)一切沒有問題。這才是真正使用AI改變業(yè)務(wù)的正確方式。

但要做到這一點(diǎn)，必須針對每家公司定制，因?yàn)槊考夜尽⒚總€(gè)部門的流程都不一樣。所以如果你想把那些“前AI時(shí)代”的公司變成AI原生公司，你必須給他們搭一套適配他們工作流的定制軟件。這就是我們在做的事——我們搭了一個(gè)模塊化平臺，所以可以做得很快。

圖片來源：Pixabay

Yiwen：聽起來你們在做的事情，其實(shí)跟OpenAI前段時(shí)間宣布的“Deployment Company”（部署公司）還蠻像的，他們也是在幫企業(yè)落地。你怎么看待他們這個(gè)動(dòng)作？你覺得他們?yōu)槭裁匆@樣做？

Oliver：我覺得他們做得非常正確。過去半年你能明顯感覺到，CFO們和企業(yè)高管們越來越多地在談壓縮成本。與此同時(shí)，MIT、斯坦福的研究報(bào)告也顯示，真正把AI跑通、跑到規(guī)模化的企業(yè)其實(shí)寥寥無幾。這個(gè)落差是不可持續(xù)的，不能一直這樣。所以大模型廠商必須推動(dòng)企業(yè)側(cè)的真實(shí)采用，必須證明ROI，光賣一個(gè)聊天機(jī)器人是做不到這件事的。他們想打開這扇門，就必須走跟我們一樣的路。

所以我覺得這步棋踩得很準(zhǔn)。當(dāng)然了，他們有大量資本，也有很強(qiáng)的技術(shù)能力，肯定能做成。只是他們原來的打法非常橫向——雖然有一些垂直應(yīng)用，但本質(zhì)上他們是做通用大模型的，現(xiàn)在突然要轉(zhuǎn)去給企業(yè)搭定制化工作流，這是完全不同的市場動(dòng)作，完全不同的銷售方式，跟他們以前熟悉的打法很不一樣。我相信他們能夠想清楚，但需要一些時(shí)間。

Yiwen：我想先從私募股權(quán)這側(cè)聊一下這個(gè)問題。因?yàn)槟阏f你服務(wù)了很多金融機(jī)構(gòu)的客戶，我感覺這里有兩條線：一條是這些機(jī)構(gòu)自己內(nèi)部在用AI，另一條是他們投資的公司——Portfolio companies，是很多傳統(tǒng)SaaS公司，他們都是PE去投資的，可能也需要轉(zhuǎn)型。你覺得他們現(xiàn)在最需要什么？他們在怕什么？而這是不是他們跑去和OpenAI、Anthropic合作投資的原因？

Oliver：我覺得PE和私募資本機(jī)構(gòu)有三個(gè)核心訴求。

第一個(gè)是信號價(jià)值。我跟PE公司打交道有一段時(shí)間了：三年前大家還在問“能不能來講講AI是怎么工作的”；兩年前變成了“能不能幫我想想怎么在整個(gè)投資組合里推AI”；今年徹底變了，他們來找我說的是“我要去向LP募資，向養(yǎng)老金、向我的出資人募資，我必須證明我站在AI的最前沿，我需要有案例能展示我通過AI創(chuàng)造了價(jià)值，否則LP不會(huì)把錢給我”。這是完全不同的邏輯。現(xiàn)在對GP來說，能不能展示AI已經(jīng)關(guān)系到募資的存亡。跟行業(yè)里最響亮的名字建立合作，是一個(gè)非常好的背書方式，所以信號價(jià)值非常高。

第二個(gè)是投資組合的價(jià)值創(chuàng)造。這也是非常真實(shí)的需求。用對了AI，真的能夠創(chuàng)造很大的價(jià)值。細(xì)節(jié)比較復(fù)雜，但這一塊確實(shí)是真實(shí)的。

第三個(gè)是投資回報(bào)本身。這些合作的結(jié)構(gòu)設(shè)計(jì)相當(dāng)?shù)恼T人，本質(zhì)上是讓GP們進(jìn)入一個(gè)高回報(bào)賽道，獲得高增長資產(chǎn)的敞口。從這個(gè)角度看，邏輯也完全說得通。

Yiwen：我覺得你說的第一點(diǎn)很有意思，你覺得是什么在讓LP推動(dòng)AI？

Oliver：跟大多數(shù)公司在推AI的原因是一樣的。從普通消費(fèi)者的角度，你能讀到多少相關(guān)內(nèi)容，你就能感受到AI能做多少事。變化真的快得嚇人，感覺一切都在以瘋狂的速度推進(jìn)。所以每個(gè)人都意識到AI能做的事太多了，如果你沒有在認(rèn)真做AI，你就在落后。

站在LP的角度，我把錢投給一個(gè)GP，我當(dāng)然想確保他也在用AI改造被投企業(yè)，這是非常真實(shí)的需求。再說一個(gè)點(diǎn)，因?yàn)槟阋蔡岬搅薙aaS：過去五到十年，PE最大的兩個(gè)資產(chǎn)類別是醫(yī)療和軟件，幾乎所有的PE都有軟件公司的敞口。今年“SaaS已死”的論調(diào)鬧得很兇，LP們和GP們都高度緊張，GP們都在努力證明“我們沒有問題”，所以信號價(jià)值進(jìn)一步放大。

但話說回來，你看Anthropic和Coatue那些合作，合作對象不是純軟件投資人，因?yàn)槟阏f得很對，AI創(chuàng)造價(jià)值最大的地方往往恰恰不是軟件公司。

Yiwen：對，就是那些傳統(tǒng)企業(yè)，包括工業(yè)、制造業(yè)之類的。

Oliver：商業(yè)服務(wù)、工業(yè)、醫(yī)療——特別是醫(yī)療，這個(gè)太大了。基本上所有原來軟件不太能幫上大忙的行業(yè)，現(xiàn)在都可以用軟件做出非常有意思的事情。還有一個(gè)很好的例子就是GP自身。PE公司是干什么的？找項(xiàng)目、估值、投錢、管資產(chǎn)，這是非常人力密集的工作，要用到非常貴的人——不管是內(nèi)部團(tuán)隊(duì)還是外部顧問。這套工作流恰恰是最適用AI改造的。我有一個(gè)大客戶，是一家非常大的資產(chǎn)管理公司，我們能幫他改造這些工作流，效果非常驚人。

Yiwen：能不能給我們舉幾個(gè)具體的例子？我感覺現(xiàn)在跟很多金融從業(yè)者聊，他們都還是在用AI做研究、摘要，就還是那套和大語言模型比較相關(guān)的用法。我還蠻好奇你們是怎么做到真正自動(dòng)化工作流的。

Oliver：可以，有很多可以講的。如果把一個(gè)投資基金的業(yè)務(wù)拆開來看，大概有幾個(gè)模塊：募資、投資管理、合規(guī)財(cái)務(wù)和基金運(yùn)營。我挑幾個(gè)工作流舉例子。

先說募資這一塊。我有一個(gè)大客戶，一家非常大的資產(chǎn)管理公司，他們想跟一家規(guī)模較小的資管合作，對方幫他們把產(chǎn)品納入自己的產(chǎn)品線，收一部分傭金，聽起來不錯(cuò)。但對方說，每次開客戶會(huì)議都要配一個(gè)你們的銷售經(jīng)理——大資管當(dāng)然不接受，因?yàn)檫@樣利潤就沒了，根本不可行。所以他們來找我們，說能不能搭一個(gè)AI銷售助理，讓它參與這些對話。

這個(gè)工作流是這樣的：首先他們大概有一千款產(chǎn)品，所以你得先搭數(shù)據(jù)基礎(chǔ)設(shè)施，把這一千款產(chǎn)品整合進(jìn)來；然后搭一個(gè)輸入層，讓另一方能夠輸入客戶數(shù)據(jù)，同時(shí)權(quán)限要隔離；再搭一個(gè)計(jì)算模塊，算出針對這個(gè)客戶的最優(yōu)產(chǎn)品組合——這部分是確定性的，因?yàn)楸举|(zhì)上是數(shù)學(xué)；然后生成銷售話術(shù)，供會(huì)前準(zhǔn)備；再有一個(gè)會(huì)中使用的工具；最后會(huì)后根據(jù)會(huì)議記錄自動(dòng)更新產(chǎn)品方案。整個(gè)是一個(gè)反饋閉環(huán)，大概七個(gè)步驟。這套系統(tǒng)讓這家大資管能夠服務(wù)更大范圍的客戶，這是一個(gè)典型案例。

還有一個(gè)我很感興趣的就是投資決策流程本身。做盡調(diào)的時(shí)候，你通常要跑十條工作線，雇法律、雇各類顧問——什么商業(yè)盡調(diào)、環(huán)境盡調(diào)，跟這么多人協(xié)調(diào)，對投資團(tuán)隊(duì)來說壓力很大。我們在為他們搭一個(gè)平臺，讓他們能夠跟所有顧問交互，把問題推給顧問，自動(dòng)掃描整個(gè)數(shù)據(jù)房間。你可以看到一個(gè)實(shí)時(shí)界面，追蹤所有顧問的進(jìn)展，還能調(diào)取這家基金在類似項(xiàng)目里曾經(jīng)提過的問題，借鑒過往投資的經(jīng)驗(yàn)教訓(xùn)。這樣他們既能用上機(jī)構(gòu)的歷史知識，又能大幅精簡跟外部顧問的溝通。最后文件的輸出也是自動(dòng)的，這本來也是一個(gè)很大的負(fù)擔(dān)。我見過太多投資人周末也要加班做這些，能幫他們省掉這些我很高興。

還有一個(gè)是基金運(yùn)營，比如凈資產(chǎn)值計(jì)算或者賬戶對賬——每個(gè)月甚至每天收盤后都要確認(rèn)賬戶的余額是對的。我的第一份工作就是做簿記，非常耗時(shí)，但這套流程完全可以自動(dòng)化。好，我講了很多，就是希望給你展示一些有用的場景。

Yiwen：基于你剛才說的，我其實(shí)想知道，你覺得AI時(shí)代的PE收購這件事情有沒有改變？因?yàn)檫^去我們談到PE收購一家公司的時(shí)候，我們可能想到的是比如說投后公司之間會(huì)有一些并購，一些roll-up整合。現(xiàn)在感覺我們幾乎是進(jìn)入了一個(gè)所謂“AI roll-up”的時(shí)代——表面上你是在買這些公司，但實(shí)際上你買下的是他們的工作流，我們再把他們改造成一家AI-native的公司。你覺得這會(huì)改變PE本身的運(yùn)作方式嗎？

Oliver：我看到過很多不同的打法，但主要可以分為兩類。第一類投資人會(huì)說，凡是AI顛覆風(fēng)險(xiǎn)太大的領(lǐng)域，我們都不能投——這其實(shí)是很多人的直覺反應(yīng)。第二類則是更主動(dòng)擁抱這件事情的投資人，他們會(huì)說，現(xiàn)在其實(shí)是一個(gè)非常有意思的時(shí)間點(diǎn)，可以通過AI來創(chuàng)造價(jià)值。Amex GBT那筆交易就是一個(gè)很好的例子，還有很多類似的交易。投資人會(huì)去收購一些過去技術(shù)含量并不高的企業(yè)，非常激進(jìn)地用技術(shù)、用AI去賦能它們。所以這顯然正在成為一種新興的打法，一些走在前面的GP已經(jīng)在這樣做了。而且我認(rèn)為，他們能夠創(chuàng)造的規(guī)模價(jià)值是真實(shí)存在的。

圖片來源：Pixabay

但要真正創(chuàng)造出這種價(jià)值，并不是一件簡單的事。現(xiàn)在我看到的一個(gè)問題是，很多人想象中自己能做到的事情和真正能落地的現(xiàn)實(shí)結(jié)果之間存在很大差距。我想強(qiáng)調(diào)一個(gè)核心觀點(diǎn)：很多人容易犯的錯(cuò)誤，是只把AI理解成一個(gè)降低成本的工具。但實(shí)際上，AI真正的價(jià)值很多時(shí)候在于創(chuàng)造收入，打開新的收入機(jī)會(huì)。

所以我經(jīng)常會(huì)問客戶一個(gè)問題：如果現(xiàn)在免費(fèi)給你一萬個(gè)受過大學(xué)教育的員工，你會(huì)做什么？你過去想做但做不了的事情是什么？因?yàn)槟撤N程度上，這就是AI現(xiàn)在帶來的能力。就像我剛才舉的兩個(gè)資管公司的例子，對他們來說，這意味著可以進(jìn)入一個(gè)全新的客戶或業(yè)務(wù)細(xì)分市場——一個(gè)過去他們根本無法觸達(dá)的市場。所以這不是在降低成本，而是在增加收入。我覺得這才是很多公司真正應(yīng)該走的方向。但現(xiàn)在，大家還是非常關(guān)注AI帶來的成本削減，我認(rèn)為這并不是最有力的切入點(diǎn)。真正該想的應(yīng)該是，哪些事情是我過去做不了而現(xiàn)在可以做的，也就是收入創(chuàng)造。

它可以有很多種形式。我再給你一個(gè)例子：我們有一個(gè)客戶是一家乳制品公司，他們有很多農(nóng)場和奶牛。我們和他們討論的時(shí)候問，如果你有一萬個(gè)人你們會(huì)做什么？他們說，這個(gè)問題很有意思，我們會(huì)給所有賬戶都寫報(bào)告，因?yàn)樗麄兿Ｍ麥p少這些報(bào)告的時(shí)間，而把更多時(shí)間用來維持奶牛的健康。所以我們幫他們做了一整套數(shù)據(jù)整合和定制AI系統(tǒng)，用來為所有奶牛生成健康報(bào)告。這樣一來，他們就可以把更多時(shí)間拿回來，真正去維持奶牛健康狀況，而這在過去并不可行。

04

AI如何改變咨詢和企業(yè)本身？

Yiwen：聽起來你們做的事情和咨詢公司做的事也很像，這也是我之前想提的另一個(gè)話題。傳統(tǒng)咨詢公司以前是幫客戶去搞定他們自己不熟悉的領(lǐng)域，但現(xiàn)在你們這樣的科技公司和AI公司好像在替代這個(gè)角色，用AI去改造流程。你覺得咨詢行業(yè)會(huì)不會(huì)因此過時(shí)？還是說咨詢本身會(huì)變成AI轉(zhuǎn)型咨詢？

Oliver：我覺得未來三到五年，咨詢會(huì)迎來一波增長，因?yàn)樗衅髽I(yè)在談AI的時(shí)候都需要重新思考商業(yè)模式。最簡單的一個(gè)例子就是律師事務(wù)所，以前按小時(shí)收費(fèi)，現(xiàn)在越來越難了；如果要轉(zhuǎn)成按結(jié)果收費(fèi)，整套激勵(lì)結(jié)構(gòu)都變了。這種轉(zhuǎn)型你是要找人來聊的，你想知道別人是怎么做的，有沒有經(jīng)驗(yàn)可以借鑒，需要有人帶你走這段路。所以我認(rèn)為咨詢在未來三到五年會(huì)有一個(gè)明顯的需求增長。

但真正釋放價(jià)值的，是那些最終留下了一套轉(zhuǎn)型后的業(yè)務(wù)的人。所以我覺得，AI實(shí)驗(yàn)室和像我們這樣的公司——這種做完就走但留下一套改造好的業(yè)務(wù)的模式——才是真正創(chuàng)造價(jià)值的方式，而不是只聊怎么轉(zhuǎn)型。但話說回來，現(xiàn)在市場上不確定性很高，大家都處于觀望狀態(tài)，所以對咨詢的需求是真實(shí)存在的，大家不知道該怎么做、從哪里入手。這也是我工作的很大一部分，就是坐下來跟客戶聊，先搞清楚哪些事情值得先做，這個(gè)必須是具體問題具體分析。

Yiwen：你有沒有遇到過公司以為它自己可以用AI搞定某個(gè)工作流，但實(shí)際上卻根本行不通的情況？比如說大家有的時(shí)候是不是對AI太樂觀了，或者說對AI的運(yùn)作方式有誤解？

Oliver：最常見的問題就是什么都想AI化，但現(xiàn)實(shí)是這條路走不通。你必須把幾件事做好。最關(guān)鍵的一點(diǎn)是好的數(shù)據(jù)平臺，它的價(jià)值是復(fù)利式增長的。AI再聰明，沒有足夠的信息和知識什么都做不了。我們有一個(gè)叫Neuron的數(shù)據(jù)模塊，專門幫你整合數(shù)據(jù)，把數(shù)據(jù)映射清楚，確保數(shù)據(jù)可以被使用。這是大多數(shù)公司的第一道坎，而且代價(jià)不小，因?yàn)樗麄冎案緵]有做過這種事。

第二個(gè)常見的錯(cuò)誤是：一個(gè)十步的工作流，不是每一步都應(yīng)該用AI。你可以用AI來優(yōu)化整體流程，厘清邏輯，劃定哪些步驟是確定性的，但不是所有步驟都該交給AI。比如賬目對賬這種財(cái)務(wù)流程，你不會(huì)想讓AI來做的，你想要的是確定性的結(jié)果。所以可以用AI幫你梳理工作流邏輯，但具體執(zhí)行的很多步驟應(yīng)該是硬編碼的、確定性的數(shù)學(xué)計(jì)算。我覺得最大的兩個(gè)坑，一是數(shù)據(jù)，二就是把本該確定性的東西也讓AI來做。

【音頻收聽渠道】

公眾號：硅谷101

收聽渠道：蘋果｜小宇宙｜喜馬拉雅｜蜻蜓FM｜網(wǎng)易云音樂｜QQ音樂｜荔枝播客｜嗶哩嗶哩

海外用戶：Apple Podcast｜Spotify｜TuneIn｜Amazon Music

聯(lián)系我們：podcast@sv101.net