Vol.128｜硅谷把 FDE 当 mini CTO 招？聊聊爆火的 AI 新职业

【嘉宾】其实关于这个话题，我的关注是从去年的时候就开始在做这一块的关注。因为谈到OpenAI的话，其实2025年的时候它的官网上就有一点，还有Anthropic就有一些招聘的信息。我们刚好是当时在关注一个叫做AI时代所产生的新的岗位的时候。我们就关注到了这个岗位，包括A16Z等等，都提到说这些现在的硅谷关于这边的招聘，其实整个的数量的增长好像当时是80%，现在已经是16倍还是多少倍的一个数量级地增加。所以从去年的应该是年中的时候开始，我们其实做过好几轮说这个FDE的到底大家的招聘在招怎样的人，然后大家到底在用这件事情推什么样的情况。

【嘉宾】好的，我是王伟，自我介绍一下，我是次元无限的联合创始人和CTO，然后次元无限我们是一个做企业级的agent基础设施的这样一个公司，我们基本上会从软件工程的场景就切入，覆盖到coding testing，code review，包括一些存量代码建模的等等的一些agent，以及对于多agent这样的一个管理和治理，主要是帮忙去解决现在很多企业要做IT信息化往AI能力转型的这样一个大的一个问题。那其实我们公司成立的时间并不长，到现在刚好一年的时间也是二五年成立的，那我们基本上在去年大概在Q3的时候，也就是公司成立几个月之后，我们就开始组建了自己的FDE团队，那为什么这么早去做这个事呢？因为我们在客户那儿遇到了一个很深刻的感受，其实现在不管是国外还是国内的企业，大家对于模型的重视程度，对于算力的重视程度，对于agent的应用的重视程度其实越来越深了，但是在这个模型的能力和业务交付之间还有很长的一个路要走，我觉得FDE其实就是去抹平这个道路的这样的一群人。我们讲的FDE它并不是说把这个名字换成一个英文名，然后用PlanTier的一个国外的月亮来cover一下的一个驻场工程师，也不是一个新型的外包，而是说能够比较好地去理解好现在AI的一个能力边界，把这个AI的能力边界结合现在已有的一些agent的能力快速去弥合现在一些业务场景和模型能力的一个gap的这样的一群人。

【嘉宾】我记得可以说一个比较有意思的一个观察，就以前一个典型的一个我们讲一个中大型的企业客户，一支交付团队按照一个投入的人力的一个总数的话，可能一个大型项目可能至少得十人起步，现在基于AI原生的这种FDE模式，这个数量我觉得说少了一个量级，我们典型的一个客户可能只需要一到两个FDE工程师，就能完成它的一个整个生命周期的交付，这是一个很大的一个变化。

【嘉宾】或者说我们是最需要FDE的，因为Piero本身是一个平台型的产品，首先我们是一家从二三年开始做的公司，但Piero这个产品实际上是今年转型在Piero做的。也就是我刚才说我们是个平台型的产品，就是Piero本身不是只做一条workflow的，所以它可以去服务更多的行业。FDE的需求对我们来说，也不是说day one，我们就说我们要FDE，而是我们在真正进入客户的时候发现，实际上更多尤其传统企业的客户，他对Agent的边界的理解是不够清晰的，不是他不知道Agent能做什么事情，不能做什么事情，而对我们来说，实际上大多事Piero都能做，平台都能做，但是用户或客户不会去set up这件事情。我们更多的其实是在这个转型期当中，与客户共同的发现和定义，对于他们这个组织，或者他这个领域组织的一种best practice，这个循环，那他最后的交付，既不是说我们做一个新的产品，因为实际上做的所有东西，都是在我们平台上去进行的，而是一个在真正的，在Piero系统上以及在客户的组织里，能够真正的持续运行的这样一个workflow，或者多条workflow，或者就是说他这样一个数字员工。然后并且能够对于我们来说，我们能够把这个领域里的这些认知和know-how，沉淀成平台的能力和这个进一步的沉淀到我们整个这一种system，这样的一个事情。所以更多时候，我觉得现在是说，模型能力已经超强了，然后基于模型做的，包括我们这种infra或者平台型的产品，什么事都能干，但是你今天直接把它扔到客户脸上，客户是不会用的，你如果不去做这个FDE，某种人常说，你的竞对可能会去做FDE，帮客户更早的启动起来，那他就能更好把这事做好。但另一个角度也要补充一点，就是我们其实现在FDE已经很大程度，就是人在里面的占比其实很少，就是我们有一套FDE的系统，那更多是用其实FDE系统直接去做最后的实施和构建，但人在里面依旧有一个很不可替代的这样一个角色，大概这样的情况。

【嘉宾】我们公司比较特别，

【嘉宾】首先我们是一个很小的团队，我们现在公司也就是十几个人的规模，虽然我们也到了 Pre-A 这样的程度了，我们是一直保持团队精简。然后我们内部是每一个工程师，包括我本人作为产品，然后我们都要去做 FDE 的工作。因为我们是一个极度平台化的产品，我们认为 FDE 它不光只是去完成这次 Sales，或者说这一次的部署，更重要的是通过这次部署，你能带回来给平台什么，哪些东西是平台现在能力上有缺失的，哪些是在客户网络部署的时候真实遇到的问题等等这些痛点。

【嘉宾】我自己其实聊下来的时候，到目前为止，已经见过很多不同的翻译的方式，就是什么前沿部署工程师、前线部署工程师、前端部署工程师，好像每个甚至说把它指向于什么外包啊，什么客户成功部署等等。后面大家达成了一个共识，就是如果在这么多名字里面去挑选一个定义的话，大家好像都还更加偏向于说是前线部署工程师，非常把重点落在前线上面。就是你不是坐在后端去想象用户到底需要什么，而是说你要去跟用户一起在前线。当然这个前线是不是对于驻场，其实我们聊下来的话，大部分都不会说，我的前线部署工程师是一个驻场。他可能需要离客户更近，但并不是像原来的所谓的驻场工程师那样，他更多的是去用户那边去拿到真实的，比如说测试数据、用户数据拿回来，还是回到自己的产品里面，包括行业的字典、术语等等，怎么去帮助 AI 还有自己的产品相关数据的打通。所以这个是基本聊下来的共识，会觉得前线部署工程师并不等同于驻场工程师。第三个我觉得比较有意思的，还是回到前线部署这件事情，也会认为说，它不仅仅像原来一样可能跟咨询一样，或者是出一个方案，或者是说像原来的售前，它是至少说有一个 demo 和 build 的这么一个角色。这个也是当时我们去关注这个行业，其实是来源于我们对 AI Coding 的相关的研究然后延展过来的。会认为说会不会在这个阶段，会出现一些原来的时候我们觉得驻场或者是相关带回来的经验，其实基本上是带不回来，就变成纯粹的外包。然后 AI Coding 的存在，让大家都拥有了 build 的能力，会不会让这个岗位变成一个新的可行性，无论从商业，还是说对于未来公司的竞争的能力而言。然后这个是我们基本上聊下来的一些共识和非共识。

【嘉宾】我觉得这首先有个前提，就是因为我们也是一个面向全球客户的公司，然后所以之前，我们就从 Palantir 以及各种公司那儿找到一个观点，就是 FDE 的前提是让你有一个平台型的产品，就首先你要有平台，然后你在上面就去做进一步的这个 FDE 的工作，把它部署到这个项目中。那所以不管是传统的售前、什么实施顾问，或者客户成功，肯定都不是这个角色的定义。FDE 要继续再往前一步，就是因为现在 Agent 能力或者 AI 能力变得特别强。

【嘉宾】但是在产品能力的行业最佳实践都还没有完全定义的时候，怎么把你们的平台产品嵌入到客户环境里，然后与这个领域的专家，包括客户，包括你们这边的专家，一起重新设计成的问题、岗位、人机分工、数据、权限流程等等这些事情。因为一个深入使用AI的企业，它其实从某种的讲，它的整个组织结构都会有一定的变化，有些可能比较多，有些可能比较少，那就要设计出这些所有的变化，然后让第一版的结果真实发生之后，再把这些经验、实践沉淀回你这个产品的平台侧，以及整个人System。所以说，首先不管它叫什么，什么故事工程师，它首先是个工程师，它一定要懂得这个平台是在做什么事的等等，然后它要同时去承建几件事情。首先它要背靠你的产品平台，要能足够地嵌入客户，能够一起去创造对于这家公司或者这个领域的最佳实践，然后最后很重要的是一定要产品往回流。如果它只交回一个一次性的定制项目，那这一定不是一个好的FDE。每做一个客户，这个人、这个整个团队、你的整个Agent团队和你的平台都积累的经验而变得更强，下次整个FDE的过程才会变得更容易。对我们来说，我们内部因为很强调所有人之间的context transparency，所以我们每做一个FDE的整个context，首先就Blazer Agent去处理，里面比较复杂的这个部署的工作，本来就是Agent在做，我们人在中间是做各种这个调配和沟通的过程，以及有一些corner case没法解决的时候，才上手去进行解决。那所以我们本身就是所有人在一起去优化我们这套FDE系统这样的逻辑。

【嘉宾】好的好的，我觉得其实刚才余老师和那个思雄聊的时候，有很多观点很有共鸣，可以顺着那个话题往下聊聊到事。就是第一个就是，FDE其实是有一个历史的，因为Palantir提出FDE概念的时候，时间会更早一些，比现在这一波的AI浪潮要更早一点点。所以这里面我觉得概念其实也有个迭代，我们对于FDE的定义，我们其实希望这个岗位或者这个角色，我们叫更加AI原生一点。可以分享一个比较有意思的事情，最外去那个JD里面的FDE的这个Job title的时候。

【嘉宾】我们写的是叫什么呢？我们叫 AI native engine for field engineering，就是AI原生的全栈工程师。那我觉得这里面说明一个重点是什么？我们认为FDE本身的那个F，只是定义了就是你的工作模式，你要贴近用户。但是更重要的是说，我们在2026年再往后的这个时代，我们一定要注意这个角色一定要是AI原生的。那AI原生其实本身是一个你应该说挺大的一个概念，但是我觉得比较重要的就是说，你不能够去给自己设一些边界，比如说你究竟是售前，还是说你是去做驻场，还是做那个一些咨询什么的。我比较重要的就是能交付结果。那这个其实就延展出来，就是FDE究竟做什么事情。那我们理解就是比如说，对于硅谷这样的一个非常精干的团队来说，那他们就是人人都要去为我的一个产品和产品的迭代去负责。那如果说就是冲到一线去触达你的客户需求，解决客户的问题；另外一个就是把这里面一些好的东西能提炼回来，不管是沉淀你的知识、沉淀Scale，或者是沉淀你的产品需求，然后回流到你的整个平台体系。我觉得这两个是FDE工作里面最重要的一个部分。所以我们理解就是FDE，其实它并不是一个说简单的就派到现场的一个工程师，而是一个能够被前置到客户现场，让你的产品能够主动地去跑过最后一公里，然后直达客户，然后跟客户形成一个互动。然后在这个互动过程中，两方面其实客户和自己都得到一个迭代提升的这样的一个重要角色。OpenAI、Google还有Anthropic基本都是在同一时间其实组建了FDE团队。

【嘉宾】对，然后我自己觉得这里面有两个很有意思的变化。因为我第一次跟人聊FDE是什么时候？很确切的时间就是去年的6月份。我们后面其实往前回溯了一下，有很多故事去聊FDE的，然后最近做后面的话，也一直在关注。

【嘉宾】整个市场上关于FDE的招聘也好，还有说一些一线的在做FDE，包括 Scale AI，还有我们自己内部关于FDE的一些招聘也好，或者是做事情的方式也好，我有一个论调是说，为什么今年火了呢？是因为 AI 其实从去年下半年开始，是真的可以在企业级市场真正的干活这件事情。它终于从原来我们所谓的 Chat 的模式，变成了一个 Agent 的模式，大概终于不靠想象了。就感觉去年好像就是我接了你的钱，但我不知道要替你干什么，你也不知道要干什么，所以我丢几个人去你的公司，至少我拿这个钱还能说我在帮你探索。所以当时里面有一个很重要的叫训事，科技的训事，但今年的再去观察这些人在做什么样的事情，就会变得非常的具体。然后大家好像终于回到了，包括今年以来会讨论说，FDE 到底是哪些能力的集合，里面都变成了一些特别具体的。包括你去看各家的招聘里面都会说，我有大模型工程部署的经验，甚至是超过你对于 AI 的就是理解能力，或者是相关的这个比重。这个我都觉得是一个从你原来双方都不知道怎么用它，所以有一个就丢两个人进去，到今年会有很显著的变化是，真的 AI 是可以进入到生产端的流程，产生变化，包括说去拓展新的收益。于是呢，就会从一些很玄的说法变成了一些很具体的说法，这是我们直接观察到的过去一年显著的变化。

【嘉宾】这个问题还蛮有意思的，因为在过去的，应该说是从二三年开始，大模型基本上就攻无不克，特别是在通用的一些领域。以前我们看到的一些行业的知识，比如说早期不同的语言，包括一些医疗等等的行业，那些数据被大模型训练完以后，一些通用大模型的空间正在被急剧地压缩，其他的一些行业知识也是如此。所以当OpenAI和Anthropic决定进军，去成立合资公司做FD这个事的时候，其实某种程度上验证了两个事情。第一，就是说通用模型在一些垂类的领域，在一些垂类的数据高度密集、一些企业的长期积累里面，它做不到以前这个模式。我完全靠一些通用的数据，在一些企业客户的长期积累里面，它还有巨大的价值，它值得OpenAI和Anthropic去和一些行业的公司去成立一个联合的主体，来把这块作为一个单独的课题去攻克。我觉得这两个呢，其实对于很多的创业者来说，是一个非常积极的信号，它至少说明大模型厂商这些巨头认可了垂类客户的价值。同时呢，他们也需要FD，就从底层的原理的角度来说，模型的能力它像一个非常聪明的大脑，而且它非常依赖，就是我们讲有Feedback的一些数据，去做调优，去做训练，去增强它的能力。但是在企业的场景里面呢，它们没有一些很好的高质量的、跟这个企业的业务跟这个企业内部的数据强相关的一些数据抓手。所以它在企业里面是没有手和脚帮它去完成落地的。所以我觉得这也刚好验证了，就是能够通过这个逻辑的推演，我们能得出一个结论：在这个阶段，FDE其实是帮助我们大模型，帮助这种通用智能能够很好地去做一个在组织内的落地的重要抓手。这是我的一个分析啊。

【嘉宾】就是，不论是模型公司还是公司内部，有工程师人员去帮助客户做落地的职位会爆发。模型公司做这件事，一定是市场出现了这个信号和需求。过去两年我们还没有看到这样搞的，是因为当时大家觉得模型能力还不够强，所以它进入不了企业，或者企业里效果不太好。但是现在呢，在大模型公司里，以及像我们这样，如果只是把模型，尤其是把 API 交给一个企业客户的时候，它是完全用不起来的，它也不知道能做什么。所以今年我觉得出现这事儿，原因还是模型能力都够强了，现在要去抢企业客户了。而且大家今天也观察到，其实模型本身的壁垒是没有那么强的。今天我用你，明天我用他，其实我切换一下。一个组织要把它利用起来，它不是只有一个模型，不是只有一个 Chatbot，而是一套组织里的 Best Practice 等等这些事情。上一代 SaaS 其实很多产品卖的就是一套 Practice，那现在呢，这个 Practice 要包在模型上去做。而且每一个组织，因为模型能嵌入得很深入，上个时代说我一个 SaaS 解决的是一个单点的事情，比如说 Linear 它做的就是数字产品管理等等这些的事情，虽然看着都是项目管理，但它就有不一样的点，有些公司就会用它。但到这一代呢，可以说需求变得更强，就是它会更深地嵌入到组织里，所以它在每个公司里的长相都会有点不一样。但是同时同行业又会有一定的相对的 Best Practice 这个底子在。所以现在吸引大家的更多是尽快进入现场，进到企业里，想先发现验证并定义这些 Practice 到底是什么。那你在模型上也更好会跟我去绑定，因为这时候客户采买不再只是说 API Key 而已，它采买的是这整套业务系统，这整套流程。

【嘉宾】那API Key只是包在里面，至于说最后赚钱到底是靠这个业务系统赚钱，还是靠API Key赚钱，其实对于大模型公司来说，这也是它做这件事的优势。它可以在产品侧，所谓的产品侧，哪怕它完全不赚钱，它是屏障的，但API Key上它依旧会赚很多钱。当然我们作为产品公司，这块就会亏一点，因为我们在token上是赚不了那么多钱，所以产品上我们要去做一定的商业化的方案，这儿我们利润上可能就会更薄一些。最终点就是你只卖模型，会把最后价值那一层让出去，因为过去半年一年我们都讲了，要最终交付价值，而不是说只交付模型本身。那FTE就是模型进入到行业核心的workflow里，跟企业一起去找到组织的最佳实践，并且把模型能力变成最终可持续的业务价值。在SaaS时代，找到一个最佳实践可能会花五年到十年的时间，但现在行业和模型公司都等不及了，就是你不能让我等十年，我等两个月我都受不了，所以就要尽快进入。

【张鹏】这段信息密度非常的高，里面至少讲了几个特别有意思的。一个是，模型公司做这件事一个很重要的点是，这个FTE可以帮助它们去抢客户。第二是，大家今天其实对这个节奏要求是更高的，那FTE本身可以去加快这个节奏。那很多东西，比如说，王锐其实你们也是有同样的部门，跟蓝卡，第一你觉得她说的对不对？然后包括你有没有什么一些补充？

【嘉宾】我觉得总体上我还是蛮认可这个结论的。那我这边一个补充的信息是说，两头都想吃，其实你最终还有一个商业出口的问题，就是你商业出口究竟绑利在哪里？这个事儿其实在以前这种大的平台的一些互联网公司已经发生过无数次，就是如果你绑利的价值锚点锚定在你的模型侧，那其实你在你的产品侧做的很多取舍，其实可能就会偏离客户的一个业务目标。这个我觉得其实我对于Agent产品的创业公司还是很有信心的。

【张鹏】那问一下思雄，有没有你们这个案例？就比如说其实你谈到的，就是FTE可以帮助企业，不管是模型公司还是应用公司，去抢客户的这些事儿，从你们这边……

【张鹏】有没有类似这样的一个具体的案例呢？对客户持续用这件事有帮助。从你的手感来说，我觉得是有的，就是你一开始只给他一个ChatBot，对，就是很浅。

【嘉宾】我刚才就想分享一个很有意思的事儿，就是我们有一个客户，他一开始可能比较传统，所以一开始可能一个月的整体投放消耗也就一个月三百美金，整个公司就很少很少。但是用起来之后，一个月的消耗可能到五千美金以上，就对他们这个组来说是一个很大的提升。但是他们就是想花很长时间，因为对他来说，你可以简单算成他新招了十五个员工，但是他只花了一两个月的钱。

【嘉宾】你如果从模型厂来讲，看那这事儿太好了，就是我等于是把一个企业对Token的消耗量提升了十倍、二十倍，这是一个很夸张的事情。而且我们现在实际上也跟一家头部的云厂商合作，然后对他们来说这也很好，因为首先他们要卖他们Token，其实他们要卖他们的虚拟机。那我们这块就是，既会让客户的Token消耗量成倍地增长，同时也会让客户有更多常驻的、要一直开着的虚拟机。

【嘉宾】那对客户来说，这事儿也很好，因为他原本不用AI，大家的老板也焦虑，说这个AI化怎么搞、AI化不会。然后现在AI化了，觉得效果也很好，给企业组织增量了价值。所以现在对这个公司来说，真的就是新招了十个人的感觉，但是只花了一两个人的钱。甚至说，未来这个云服务厂商他可能会直接帮我们去做一定的售卖，因为对他来说，把我们产品卖掉也是在帮他扩展他的Token消耗量和他的各种虚拟机的消耗量，也在帮他们达成业绩。就怕你不用，只要你用起来，反正我就肯定能赚。

【张鹏】对，因为最后最终是要有价值，毕竟这玩意都不便宜。你最后就算说，你跟人的工资比什么的，你只有十分之一的成本，但你最终肯定还是要提供出那个价值来，所以这个是对我们来说的挑战。

【嘉宾】很浅的，就用起来。因为我们是做所谓数据人工嘛，那他会去有一个成练录的 Munershift，对一些事件，说白了我们在改变他们的组价构，在 more less 这个情况下。但是，如果有一天他要停止用，我们可能对他来说，要再把整个组织再去进行大的变更，是比较困难的。当然，这也是我们想好了为什么我们这事情还值得做、能做下去，因为其实大多数英文现在都比较难做。

【嘉宾】非常好的企业的这一块的后端的软件付费的习惯，他其实是说我能够获得更长期的。包括说Salesforce其实都比原来的PLG这种纯产品驱动型的、服务驱动型的，现在普遍市值是更高的。这个是他们用现在的亏损换未来的利益，用前端的亏损换后端的利益。但中国的SaaS类的企业一直遇到的问题就是收不上钱，这一块到底怎么去解决？服务收不上钱，用人头和时间去收钱的话，这一块又怎么样算得出来？所以呢，可能现在看到的一种商业模式就是靠硬件收钱，就是推理芯片的一些，刚才下面也提到了虚拟机的一些租用的费用，这个反而是一个固定的、能够打平一些收入的方式。但如果从整个市场的大的趋势而言，这个事情明显就是挣钱的健康度明显还是算不过来的情况。当然，我们也有跟很多人聊过说，FDE会不会是中国的AI公司的一个抄底的一个新的路径？就像我们模型端一样，在AI的应用端会不会FDE的这种方式也能帮助中国的我们的SaaS公司找到新的可能盈利的方式或者路线？其实对于海外而言，FDE对他们而言是补上钱端，因为他们其实服务这一块一直做得很差。中国原来上一波很大的问题就是服务做太好了，把自己做成了纯外包，只是说原来的定制化这个收入和成本是无法做平衡的。另外的话，还是回到说这个部署或者说工程这一块，很多的所谓的数据也好经验也好，基本上就是留在你的客户那边，没办法沉淀回你原来的方案、原来的平台。但AI似乎让这件事情，无论是去挖掘需求还是交付，还是说沉淀回我自己的平台性的产品，还是说沉淀成新的产品，这一块的性价比和成本都比以前有了变化。所以我们聊下来也会有一种观点说，这会不会也是一次弯道超车？我们中美各补各的缺陷，一个补前端，一个补后端，然后性价比的各种的变化，会不会又获得一些新的竞争优势？这个是我有困惑的问题，然后也觉得很有意思的一个思考看这件事情的方向吧。

【嘉宾】我首先要跳个反，我要旗帜鲜明地去对余老师的一些观念提出一些不同的看法。就是为什么我们最早讲AI工程师这个岗位的定义的时候，我非常强调一定要是Native AI的。因为这里面我有一个判断，就是如果你不是Native AI的AI工程师的话，那其实直白点说，按照中国的这个商业模式、中国的这个To B的生态的话，它其实就直接退化成我们以前的一个定制化开发或者交付的一个模式。那你希望在这里面去找到一个很大的一个商业价值，或者说你的一个综合效用能提高到很高的水平的情况下，是很难的。

【嘉宾】第二个点就是说，你的AI工程师团队和你的产品，最终给客户一定要创造足够大的价值。这个怎么理解？就是说在这个阶段，我们一定要用新的模式，去解决以前无数次被证明过难以解决的问题，这是第一个观点。第二个，就是说你能去把本身的那个AI Engineering这样一个成本，去控制到一个比较好的一个水平。或者说这个怎么理解？就是你可以看到，我们今天有很多客户，他们都找过来说，哎，我希望今天给我做这个，明天给我做个那个，然后希望能够解决我的很多问题。但如果说在这个过程中，你不能够给你的客户创造一个大的价值，然后你最终又希望说我通过硬件、通过token或者通过订阅去在中间赚到很多的钱，我觉得这个不是一个健康上的模式。

【嘉宾】第三个呢，我觉得比如说像字节的豆包，也包括一些用海外的模型，大家慢慢地对于那个大模型，客户侧的意识其实有转变。就是大家慢慢地接受，就是说我要用这种高级智能，我是有成本的。以前互联网的中国模式，无网不利是在于，就是说我免费给你用，最后我的用户全都变成了我的商品，是吧，我直接从我的免费用户变成了我的互衬盒，但是现在，就是我们现在今年，

【嘉宾】贵方很多客户，就是客户对于订阅模式的接受，对于按结果付费的模式的接受，其实市场侧的反馈，比资本侧或者是比媒体侧要好很多。我们甚至接受到，尤其客户是一些传统的、大型企业，甚至一些央国企，他们都能够接受去按照结果去分成，按照模型的调用量去付费。这个我觉得，其实是一个正在发生的一个巨变。所以总体而言，我是对于这个行业的一个变化，对于市场变化，其实还是整体比较乐观的，因为我们在一线，我们接触大量的客户，大家其实都是这样的一个认知。所以最后还有一点就是，为什么我们其实也会尝试跟很多硬件厂商合作，这个也是一个非常decent的一个模式吧。但是总体而言，我们可能认为，就是如果我们的客户能够对于token的一个计费模式、对于结果付费模式更认可的话，我们觉得跟硬件绑定的本身呢，很多时候把你的核心的价值放在一个附庸的位置上，其实这个对于整个行业的发展、对于整个创业公司的发展来说，长期来说未必是一个最佳的一个选择。所以我可能一下抛出了几个核心观点，然后我们可以一起探讨一下。

【嘉宾】好的好的，这个是这样的，就是我们现在是这样的，绑定客户的ROI结果，这是我们很多客户一直在走的，包括我们的测试智能体，我们是跟客户去绑定ROI结果，我能给你提高多大的效率、创造多少的价值，然后再其中去做一个分成，这是一种模式。另外像我们的coding agent，有很多客户是直接给我们做整个的一个，就是按照订阅量，其实最终是把这个里面的FDE的成本转移到了我们的token的一个计量上面去的最主要的一个模式。

【嘉宾】我觉得会后我跟王毅老师这边好好去，就是这个分成机制，知道就怎么做。因为其实理论上大家都会想这样做，但是我们今天也很struggle，就是说你要做分成的话，到底怎么去做这个判定？

【嘉宾】以及这中间就是，对吧，就是说白了，他立正到底是什么。所以今天我们的模式是这样的：首先，我们本身平台产品就是因为智能，然后中间有停音乐的、各种的成本，包括你的席位，包括你 Token 本身的使用，然后还有一些其他的东西。那这些是你就算没有 FDE，你也能用起来，只是说可能用起来或者难度会稍微大一点点，那本来就能用。然后 FDE 我们是单独收费的。当然，我们不只用 FDE 赚钱，我们 FDE 只要现在能 cover 我们的成本，我们就是 OK 的。

【嘉宾】同时成本，对吧，我今天光做部署，我要收你一百万，那肯定不跟我玩了。但我就收你三万，cover 我一个成本，我觉得大多数企业是肯定能接受的。然后后面呢，就是正式安平，还定约，就是这个是一时成人。然后可能对于部分企业，我们会有一些，比如说早期的企业费的减免等等这些，但是 Token 该怎么算就是怎么算。

【嘉宾】我觉得一个很大的变化就是，过去 20 年中国做 2B SaaS，然后大家是不愿意接受，就是之前都是一口气付你一笔钱，这软件就归我了。但是现在呢，行业也教育大家，就是 Token 这东西，它不可能这样，就是，除非我卖的是一体机，但一体机这东西现在也不是特别 work，毕竟模型会在迭代等等，而且它这种水源，也达不到 SOTA 等等这些的。所以大家现在能接受不断地、持续地去付你钱。然后我现在甚至可能会觉得，席位费都比以前好收了。因为一万美金的 Token，十月费才几百美金，就是，对你来说就不是什么钱了，你就完全能接受了。

【嘉宾】更多时候，可能更重要的对一起来说，是它有一个成本透明，就是它有一个更好的成本管理。因为现在像我们遇到一些公司，他们之前是按每个部门自己，按自己部门预算去报销你的那个 AI 成本。然后对于这个高管来说，根本不知道一年我们在那儿花多少钱。那你现在提供统一的服务了，其实就是件好事，然后它对这个付这个钱已经有个乐意多了。

【嘉宾】Indian，就是，今天不管我提供的市的平台产品，还是我今天提供的服务，最终肯定是要创造价值，就是价值怎么体现。要不然你能够跟客户说明白，客户能够去验证；要不然客户自己能够感受得到，或者自己最后能算得出来。就是今天也许没那么重要，因为所有公司都会给你一个容忍期，就是一个月、三个月、六个月，如果这个价值还体现不出来，它对你的信心一定会下降。要不然就是对整个AI行业的信心都会下降，要不然就是对你这家公司不够信任，然后觉得你提供不了价值，然后换别的。对，就是这样一件事。所以，第一怎么获客是一码事，但是你怎么把客户留住，是另一个事。

【嘉宾】我们按照包算，但是那个实际我们内部计算方式，就是用人头小时，然后再稍微加一点，让我们亏就行。对，可能在这儿收的真的很少。我们是不希望长期我们大量的员工是被派在外面做部署的，所以我们也不指望、也不希望这块在我们内部成为一个正向激励，就是说现在这儿多赚了钱，所以我想多派人出去做这个部署，这云出来，我们希望AI把这件事给绝大多数的解决了。但是有一个点要提，就是我不是说实施（FD）的角色会消失，就是实施，我觉得这角色很长一段时间都不会消失，因为各个不同的行业、不同的企业，它对AI的理解、认知都不一样，它就是有一个教育的周期。但是更重要的是，你做实施不只是去前端帮人做部署这件事儿本身，而是你作为实施公司怎么能够作为一个桥梁，不断去通过客户侧的信号。

【嘉宾】这个比例其实并没有那么高，可能大部分客户对于订阅制的那个接受程度会更高一些，对于结果付费，我们看到的比例可能，在某个行业里面，就是哪怕是一些走得特别靠前的行业，这个比例。

【嘉宾】我觉得可能不超过20%，或者是10%左右，这已经属于一个很高的比例了。但是我觉得这个事儿会有一个新的模式正在冒出来。另外就是我想说的是，因为我们讲FDE代表的就是AI的一个应用普及落地的过程中，其实哪怕就10%比例的客户，其实可以滋生出无数的创业公司，然后把它规模化放大。

【嘉宾】另外就是我觉得，与之相对的订阅模式的接受程度，我们现在看起来其实是越来越高。乐观估计可能已经超过一半了，这大概是一个体感。

【嘉宾】因为我也不好意思去问人家到底挣多少，但我问了一下他们底下招人招的有多少。国内的话，我现在听到的基本上是两到五万，然后特别夸张的好像是八万。但是基本上是招CTO的那种连创的水平，就是你的CTO做FDE，然后才听到了这个价格。

【嘉宾】国外的话差距其实挺大的。国外的话十五万，基本上十五万到二十万是一个比较常见的，他们说自己在招的这一块人的薪资水平。今年价格有所提升，就是因为AI公司上来把这个价格有很多直接提到了三十万左右。怎么跟大家说想象的那个多面型呢？暂时，其实我当时看到那个薪水的时候，我也挺惊讶的，也就是目前我看过最高的是五十万，可能再加上一些股票什么之类的。

【嘉宾】所以这都还是说就是AI把这件事拱起来了，其实大家都在说Predisent。

【嘉宾】基本上其实它基本就是规定普通工程师的程度，原来没有AI工程师的这个水准。

【嘉宾】我倒是觉得如果以刚才讲的招聘标准和相应的一个能力，以及负责的事情来说，我觉得其实并没有太多的溢价。就是这个岗位的一个当前的薪资区间，跟它的一个人员的需求量，包括一个综合的供需关系比，我觉得是没有溢价的。其实我觉得这里面还是有上升空间的，反而可能FD的素质或者标准是什么样。

【嘉宾】我来说一下，就是属于我们自己观测到的一个情况，确实是六边形战士。但这里面很有意思的点就是，大家都在讲AI把FDE推向了前面，前面我也提到包括我们去看OpenAI，看Anthropic，发现写在JD里面第一位的其实不是AI相关的能力，是大型工程交付和部署相关的能力。所以我们有看他的相关的技能里面，排得比较靠前的其实是编程开发、数据工程，包括说他的全栈开发的能力，包括他的数据处理的能力，云平台还有基础设施这一块的理解的能力，持续学习的能力。其实所谓的AI的能力排在了5名之后。另外其实还有提到的软的技能这一块，客户的沟通还有需求翻译的能力，我们看到是非常核心的能力。另外普遍有提到的就是在客户现场快速地去整合系统，然后怎么去现场解决问题的能力，这是我们看到的在软工程或者是软实力方面反复被提到的两个核心能力。至于其他的就还有什么协作呀，什么技术的，也是非常重要的能力。

【嘉宾】不太匹配，那到底靠什么吸引？然后有一种说法，就是很多会把他当做创业的预备，或者是说我在公司里面把这个业务做起来了之后，他可能是一个晋升的快通道，我可能就会从一个普通的FDE直接变成这个业务的Head。说的心动之外，然后比较画饼的地方吧，然后这个是，这个逻辑好神奇啊。说白了，就是这个人要给自己画饼，就是我做这件事的目的，我拿更少的钱，是为了我以后有机会去创业，或者去做CTO。

【嘉宾】对对对，但也不是拿更少的钱，只是确实你听到的各种的能力，要有技术能力、要部署能力、现场反应能力，你还要有非常多的就是创业人才的心性，又觉得匹配不上。这个也是在，在做研究的时候，其实或者观察的时候，也比较困扰我的地方。就是我本来以为这是一个非常高薪的工作，然后我们是自己去看了非常多的数据，发现并不是如此。也跟大家验证了，我跟余老师开了个头，然后那两位实际实践过的同志，就是你们在内部，尤其是王伟这边，因为你们所谓的专做FDE，他的人才模型或者能力素质的要求是什么样？包括你认为最关键的能力是什么呢？

【嘉宾】对，我有很多的困惑，我非常期待你们，得到你们一线的解答。这是我们从数据上看到的。

【嘉宾】更换的地方是，我觉得这个是这样的，就是如果把大家的那个FDE招生的几率和频道一起的话，确实你会发现，有的要求懂模型，有的要求懂工程、懂业务、懂架构、跟客户懂得沟通、懂产品、懂行业，然后还能扛压。

【嘉宾】还能够去落地等等的，但我觉得把这个合到一起的话，那其实结论就呼之欲出了，这个人为啥不自己创业呢？对吧？

【嘉宾】在招FDE的时候，我们不能把它想象成一个六边形都是满分的战士。它可能最终去做的工作涉及的面会比较广、会比较全，但是如果你从招聘角度来说，永远都是要求一个满分的人才的话，其实这个招聘是很不健康的。我现在公司招聘FDE的角度来说，其实我最重要的看的就是两点：第一就是你的经验，第二是学习能力。

【嘉宾】我觉得差不多，但是可能是不会像说我一定要上深度经验，但是至少对于这种复杂的企业级软件或者软件架构有一定的经验。它大概知道哪些地方，比如说企业的数据可能会呈现一个什么样的状态，它要做一个数据的治理，包括做模型的落地可能会有哪些坑。这里面有一定的基础认知，然后它带着我们的平台的产品和AI工具来到客户现场的时候，它就能快速去进行做这个事情。那其实有可能它自己本身也是一个非常优秀人才，但是它对于这种复杂的企业系统里面，各种各样的一些信息系统的情况没有这个认知，它的整个上手的成本就非常高。而且这里面可能会既有商机的延误，也会造成客户对于这一块的一个认可程度包括信任程度，都会造成一些负面的影响。

【嘉宾】我们其实在这儿有好好研究过潘森齐尔实验模式。我觉得与其分享因为我们团队确实特别一点，我还挺想分享就是我们研究出了潘森齐尔的一些东西。首先潘森齐尔的模式里，比如说一个人是真的六边形战士，很多时候他都包了，他把第一团队分成Alpha、Delta、Dev或者是策略的这样的角色。然后Delta更上是我们现在所谓正统的FD，就是前端工程师，他是两边都要交接，然后Dev也很重要，就是Dev是最后把……

【嘉宾】其他团队里拿回来的数据反馈或者说这个信号回流回来，进步完善平台的人，那其实这三个是可以这样拆成三个更细一点的角色。那在这里面能找出能工作的那个碎石路，就是说如果最后产品是一个坑中纳道，那我在客户那儿首先先让它变成碎石路，让它先work起来，然后最后Dev的平台团队再把验证过的方案做成最后这个可复用的坑中纳道。然后到了今天呢，会有一点不一样的，我会觉得对个体对技术的理解反而会没有那么高的要求，因为有AI在，对吧。我现在其实是一个领域专家，他只要对领域很了解，我们他是能相对快的去进行一些补习，或者他直接跟我们一个后面的agent team去一块儿协作，有任何技术问题，agent team给覆盖，他去做这件事，去进行这个理解和推进等等。如果day one或者很快的这个人就能培养成真的六边形战士，干嘛不自己创业去？所以也不是按照懂所有技术来培养，而是你要看他，比如领域专家这边，他就能更好去发现问题，和客户共创workflow，包括说理解agent现在边界在哪儿就够了。那前线部署这块就要更深入去客户共创workflow，跑通结果，然后包括让价值可量化等等。那Dev这边就要，就是我们前线这边拿回来的这些结果，你得能够很好地把他提炼出来，并且沉淀到平台里和沉淀到这个agent system，然后这就是作为组织来讲，就是作为做Dev的这公司来说，他想用目标上整个公司的系统越来越好，而不是说我培养出一个超人，然后这个超人什么东西这个人好，他自己就创业去了，那你组织也留不下什么东西。所以对组织留下的东西，本来也是要把它拆开的，因为对吧，公司有那么多人，肯定也是大家有在存档上，有在细微的不同，这是很有。

【嘉宾】比如说之前的话，更多可能我会担任架构这边，然后我是架构在Delta，然后但我也都会设计一些。

【嘉宾】毕竟我作为CEO，成立公司我是要负责的，所以交付这边我现在得多一点，代步可能会少一点。然后剩下的研发同事，在交付这边会多一些，就是去签一个部署，确实需要他去一块把东西落地，然后后续怎么把它变成平台化能力，需要他去推。然后我们也有专门的人，他主要就是去挖这个领域内的需求，然后去跟人做这些沟通，找到真正的问题，以及很重要的是定义清楚现在要服务这个客户的边界在哪，以及帮客户去明白Agent能带来的东西在哪。有时候是把边界往外推，有时候是把边界往里收。

【嘉宾】其实很简单。比如说是乙方服务一个甲方企业，这个企业他有可能做的是完全非AI的事情，他可能很理解他们的业务本身，但是这不代表他很理解、很了解AI，或者说AI怎么能够在他的工作那些环节里去加速他等等这些的。而且就算你理解了你们业务里怎么去让业务加速，但实际上我们产品能给客户带来的不光是在他核心业务上，在他边缘的这个项目管理上，甚至财务和法务等等各种这些事情上，行政上都有这个切入点。那这些也是那个产品经理本身不会去深度了解的，但我们都会去在一定程度上进行了解和带来方案。

【嘉宾】比如说我还真准备了一下，我列了个问题清单。然后我们会问，首先什么事情触发这个工作，然后为了解决这个工作要去做这个工作，要读哪些信息，然后中间需要做什么判断，以及谁来进行判断，然后最终要进入哪个真实系统执行。比如说进到你的CRM那些，然后哪些节点必须有人审批，什么业务结果算成功。所以你看这些东西，其实不需要你这个人有特别强的能力，更多时候是如果这个客户他回答的这个问题不够清晰，那你需要进去追问，因为他可能说明白了，你要判断他是不是说明白了，这事儿逻辑是不是到位了，然后你把这些信息收集过来，其实这些东西有了以后。

【嘉宾】我觉得是也不是。就是，首先有一个很重要的点，就是客户有时候会提出一些不在我们产品主线上的需求。如果这个东西是一个对我们来说顺手能做的事儿，我们确实会当时会帮他做掉，这就是我所谓的“搭碎石路”。但是很重要的是，搭碎石路虽然搭在这，但最后他是否要被铺成最后……就是你是否要把那块成平台能力，这个是不一定的。就是你只是这个客户，你帮他这样简单做一下，如果你的成本不高，他能扶得更好，我们是乐于去做的。但是最终它是不是那块从平台层的能力，是要我们再去进一步推的。就是说，不是所有信号进来都是你直接就把它变成平台能力。然后有些事儿做不了，就是，首先有时候客户确实会有一些幻想，然后有时候这个幻想是表达的有问题，就是其实他要的是一个很具体的东西，但他会说一个，比如说他要一个万能的什么什么东西。然后你发现他的真实需求其实藏在下面，然后你是能帮他拆解出来的。

【嘉宾】我觉得，这个就是能对客户说不，应该是说FDE的几个重要角色之一。我觉得除了这个角色以外，还有些其他角色。比如对于有些客户，他可能意识到我需要AI，但是究竟AI能帮我干什么？

【嘉宾】他也想不清楚，所以这个时候，FDE的角色可能更像是一个我们叫启蒙者，或者是一个它的一个真实需求的挖掘和梳理。这个其实很多时候在很多客户场景里面蛮重要的，就跟刚才思雄也提到，就是客户其实并没有很清晰的，他只会说我想吃东西，但是他可能并不是因为他真的饿了想吃东西，他可能只是因为运动量太大了，你需要挖掘他的真实需求，这个也蛮重要的。然后另外就是在，也存在一些客户对于AI有一些不太能够，在当前的一些现实的这样的客户，那这个角色我觉得也蛮重要的，因为核心逻辑就在，就是说如果只要是在客观的范围内，我们的团队能够比较好的真实的去给客户呈现一个能力边界，已经能够达到了一个预期的业务效果，那我觉得这个沟通就是一个良性的。但如果说某一方，不管是客户侧还是说公司侧，它没有能够秉持这样一个理念去做这个事情，那它可能一些复杂的因素搅和进来，最终其实一定会没办法按照一个既定的路线把一个事情做到一个很好的正向收益。

【嘉宾】你可以把它称之为大范围的广义上的FDE的这种角色，其实挺多的。而且很多老板也会觉得说，我的公司养不起这帮人，这帮人对我而言很贵。我可能只是需要说把前面的模型搭起来了之后，我在我的真实的场景里面再去滚，然后这些人提供一些相关的后续的顾问的服务，或者是我在阶段性的需要他们给我们……因为之前也有提到，就是整个的变化太快了，然后你一直养着也不现实。对于公司，很多时候都不是说他们养不起，而是他们本身对这些人才的吸引力方面也是需要去评估的，所以这里面其实有存在挺多的。我身边都有挺多的朋友可能就从大厂或者是相关的出来，就是从事这种工作。

【嘉宾】有意思的其实是前面有聊到，就我自己其实在内部做了非常多FDE的事情。包括最近一段时间我们在写那个《从超级个体到超级团队》的报告的时候，其实我们有观察到，很多所谓的组织里面的超级个体，好，基本上现在在做的事情都很偏向于说在做组织内部的FDE。

【嘉宾】然后呢，第三个就是，就AI充斥工坊，其实就一天的时间。前面有提到说，你说……不能做什么的问题，其实这我觉得说让他们感受到AI不能做什么东西，我觉得都是第二步。第一步真的反倒是让他们要感知到AI在此刻其实是你可以拿到的新的开发资源。先让他们感受到……你再收束他们的期待，然后我们当时在做，就是这帮人拿到了AI，他脑子里……

【嘉宾】第一个想要做的东西是什么，能做到什么样的程度。然后第二步你发现说，做出一个demo和你真的要落地到公司里面，是有非常多需要去补的地方。有些都不是说去补充开发能力，有些必须要有些数据；有一些正式要出去，需要去补上一些基本的安全的接口等等。这一块呢，就等于是可以看到，不仅仅说是外部，内部的话我们也看到很多这样的角色，超级个体也好，或者是这个内部去搭建所谓的相关的平台，让大家可以调用平台的基础能力，去直接一线自己build something。这一块的人也好，平台也好，或者方式也好，都是我在今年有观察到的大量出现的一种模式。

【嘉宾】有的，这是明确有的。当然我们管他们叫design partners，就是在我们网上里面，我们合作的好的客户，或者说他本身可能原本也是一个以方HC这样的角色的时候，然后我们可以去做这样的事情。然后比如说我们在自媒体上也其实也有一个合作很好的朋友，在比如说在，就是产品做Google market增长那么这个方面，我们现在也在找一些design partners，因为我们产品区特别适合做这件事。那这个其实就很合理，我们作为一个平台传统，是不可能在所有行业里都有特别扭的认知的，然后你说让我以第一方的方式去招很多行业大牛，一方面他也可能不需要是一个全职的角色，第二方面这样大牛他也不一定愿意。

【嘉宾】有一套分成的机制，比如说可能 FDE 的大头来来进行服务。然后第二个就是，本身这个客户在我们这儿的所有的营收里面，会有多少的点，或者说，我利润的多少个点，本身就在这客户身上，你会抽给他。

【嘉宾】当然，首先第一件事是他用我们产品真的搭进去，然后在那个好像也特别好，我们的工作里，或者说一套模式，然后本质上他其实是把我们这个做成解决方案，做成比较好的，稍微的构架，那他们就会去做这样的事。其实你部分就是，往往免不了分，从售前到 FDE 到售后交货的工作他都会拿走。云智提供平台，那其实他多挣点钱，我觉得也没什么毛病的，就挺应该的。

【嘉宾】也会，对也会。

【嘉宾】有的有的。FDE 团队的一个核心的一个定位呢，它其实是需要在一些新的领域，或者新的行业，或者我们叫新的赛道上去，把一个模式给开拓出来。比如说我们最早去做保险行业，或者说我们去做银行，包括我们去做一些这种软件开发领域的时候，我们自己的 FDE 团队一定要把这个，在这个快速的，第一次去触达客户的时候，把这个模式建立起来。然后我们的外部合作伙伴现在主要是一些比较大的，他们跟我们相当于去充当我们的一个 FDE 的一个扩展。那举个例子，我们在保险行业把客户扩展完以后，模式打磨清楚了，同时我们自己的一个行业的知识积累，特别是这里面也刚好呼应一下那个思远刚刚提到的，就是我们的 FDE 团队也会在持续去积累自己的一个知识库，和自己的一系列的 AI agent，就是这个 agent 是 for FDE 工作用的，会把这些东西平移给我们的合作伙伴，然后他们帮我们去做这个行业里面的一个复制，这样的话，能够发挥，

【嘉宾】结合他们自己的行业触打的优势，以及他们能够有更多的人力资源，能够跟客户做一个更长期的陪跑的一个价值，这个是我们现在的一个打法。所以你可以看到，我们自己的 FDE 团队，他们可能会头半年在这个行业，然后下半年会进入新的行业，另外就是也会有些新鲜的血液补充进来。

【嘉宾】这个可能跟我们的产品形态有关系。因为我们服务的还是以这种中大型的企业为主，所以基本上我们的 partner，他们自身的规模、自身的体系都还是蛮大的。我们一般目前没有特别大范围去启用这种偏个人的或者兼职的模式去做这个事情，因为我们的客户对于整个的商业啊、对于这种信任、对于这种可靠程度、对于这种兜底机制要求还是比较高一些。

【嘉宾】是的，是的。它需要有比较好的一个服务和服务的一个保障，就不只是今天这个事能不能做，因为今天确实它是能做的。但我觉得可能对我们来说考虑的问题是，这个事比如说拿它赚一年的钱、两年的钱，但这事能不能持续？这事有没有可能被 AI 自己给替代掉？

【嘉宾】我们确实就觉得，大部分时候会有 AI 能够去替代掉。或者说今天我做一个公司、做一个企业，我做 FDE 的目的本来就是把它平台化，本来就不是为了只做 sales，如果我只做 sales，我只要 sales。现在不是这个问题点，而且我们现在意识到就是说，FDE 它现在存在一个点，因为行业普遍对 AI 能力的认知水位还不高，所以它也不知道 AI 能干嘛，需要我们有人驻场帮它去做。所以从这个层面上看，我就是觉得，你如果只把自己定位成一个卖东西的人去做 FDE，那这个饭吃不了太久。

【嘉宾】但是作为一个组织来看，FDE的这个角色会长期存在。因为它本身就是怎么让你的平台产品进入到具体的企业客户里面去，这个行为会一直存在。因为产品，就像我们一直强调平台，因为平台产品就像乐高积木，它什么能力都有，但是它具体配到这个企业里的时候，它有不同的表现。这也是Platform这种模式对吧，本体这套逻辑一直存在，它们这些机械都在。真的进到这个企业的时候，它怎么去被实施，然后一部分人用AI，但是甚至一个处理里，它可能就是全是AI的，这都有可能。但是这件事本身是不会消失的，而这件事本身的系统也一定会由人去引领的搭建。所以有可能FDE的团队规模在经过一段时间的扩张后，会有一定的缩减，但是最终去搭那FDE系统的人一定会在。OK，王为，你认同他的观点吗？

【嘉宾】我觉得部分认同吧。我对这个角色的一个变化，我觉得会相对来说稍微乐观一点。就是首先我是认同说FDE现在从事的很多具体的工作，会逐步内化到模型里面去，或者我们叫大模型的系统里面去的。我举个例子，就是刚才我们前面聊的时候有提到，就是基于这种第一性原理，我们去分析哪些东西是很容易被大模型给学习进去的。比如说像现在做的很多的Harness层的构建什么的，能够承担百分之八九十的工作，比如帮客户去把内部的复杂系统能抽离成它的一个Harness的规则，然后去搭建这个Harness架构。那相应的我相信按照这种模式解答呢，确实有很多工作会逐步的都被模型给吸收内化了。但是我觉得可能乐观的一面是在于，就是整个的我们讲整个整个整个整个整个它其实还是一直都很难克服的，我举几个例子，第一个，

【嘉宾】比如说人和人的交互，比如说我们刚刚有讲到，就是PD很重要的一个工作是沟通需求、引导需求，那这一块我觉得，其实属于目前看起来可能对于Agent来说还有一定的难度的。第二个就是，现在包括行业的一个共识就说，AI的能力越强以后，人的一些工作其实慢慢的会往高层方向去走，其实它本质就是你的一个更高级的抽象，你的一些决策往上层走。还有就是我想说的是，到目前为止我们可以看到，就是模型一好，智力一好，他们对于主动的求知和探索欲其实是偏弱的，这个求知和探索欲不只是在这种知识和技能层面，也表现在业务层面，就是它没有一个非常强力的内在驱动力。这个我觉得其实是PD团队能够体现价值的地方。最后还有就是说，跟人相关的一些组织架构的一些变革和一些模式的一些调整，这个其实我觉得客观说还是需要人为主导的。那这个其实是一个社会化的问题，我觉得这几点如果还在的话，这几点如果还没有被颠覆的话，那我相信PD的这个工作，还有很大部分工作还是需要人类的工程师来承担的。

【嘉宾】今天就是AI能力再强，那当然，最怕的问题就是比如企业把这东西上了，那至少人还剩下一个最后的价值，就是承担责任的一个社会角色。

【嘉宾】如果是放在三年之内，我觉得这个角色一定还是存在的，因为你知道我本身自己是一个把AI First奉为圭臬非常疯的人，所有的东西都改造了一遍，甚至沉淀了很多其他的东西给部门，作为大家用的skill或者是工作台。然后，就即便像我这种做任何事情都AI First的人，来看现在的Agent或AI的能力，我会觉得，呃，还没有。

【嘉宾】就是大家高估了，高估了AI能够完整避缓以及自我进化。虽然我很期待这件事情，但中间真的从全自动化到你能进入到里面的，无论说做联合计还是在做评估、卡关等等，你会发现后者的价值那个边界其实是更高的。然后无论是说AI的计划还是人的计划，有的时候是彼此共同进行的。第二个是属于，你后来发现成本和速度方面也是后者其实是更加擅长的。还有另外一个点的话，也是属于我自己在去推自己内部的一些工作流或者是AI的方式的时候，我会发现就是作为人而言，刚才也提到了，你陆组织有很多是有很大的主力也好，但作为人就会创造性的去找，因为我们在做研究嘛，大家研究能力都很强。如果你只是说去帮助大家包括AI，就很擅长说我就帮你庸化这件事情，帮你创造一种新的做法。但是人就会创造性的说，大家现在有很多素材了，那我们怎么把这个素材可能增加我们的短视频生成的工作流，或者说帮大家把这个素材找到新的增量，新的创造新的那个，帮大家增量的那个部分在哪。反而是我们去推这件事情，花了很多事情也拿到结果的，这一块的主观能动性的能力，是FDE的很重要的能力，可能也是为了大家跟AI合作的人很重要的能力。所以从这个角度而言，我们也问过很多就是，高估了什么，低估了什么。高估了AI的效率或者是Agent的能力，但人的能力在里面，或者人的主观的能力在里面是被低估的。所以从这个角度而言，出于技术，出于说我们是不是需要把东西一直优化，还是我们需要人家AI一起去创造新的增量的这个角度，更能让企业买单的角度而言的话，我还是会觉得三年之内FDE的这个角色会一直存在。只是它的在做的事情可能在三年里面有所迁移。可能之前的FDE什么帮助大家怎么做私有化部署，后面AI怎么搭，Honest工程，再往后它的角色可能又会

【嘉宾】非常大的不一样，但是怎么去打通AI，从模型能力到demo，到整个你是一个可验证、可循环的生产环节，还是有非常多的坑。完全去支撑的状态还是需要人在里面去做那个研和判断，这个是大致我对这件事情的看法吧。如果你再往后走就不知道，三年之后谁知道呢？现在这个时代就像三年前，我们都不知道AI会发生到现在这一步，谁知道三年以后这个世界会变成什么样子。反正总结一下，整体来讲其实还是偏乐观，就是这个AI落地进入企业发生，而且就是企业用AI去创造更大生产力的这个，还有被进一步去挖掘跟提供的空间。至少FDE这个，就是让AI落地进企业的这样的一个决策，它其实还会存在，它可能会发生一些改变，但这件事它其实还是一个，至少在短期内，未来几年，还是一个很有价值的事情。

【张鹏】好的，那非常辛苦，非常感谢三位。我们聊了可能什么FDE到底是什么，聊了这个到底什么样的人适合FDE，以及FDE可能未来的一些就是它会通向何方。那非常感谢三位今天的分享，拜拜。

【嘉宾】拜拜。

【嘉宾】拜拜。

【嘉宾】拜拜。

【片尾旁白】点击下方收到的链接，浏览心仪岗位，一键投递简历。以上就是本期播客的全部内容了，感谢大家的收听。如果你喜欢我们的内容，欢迎把开始链接 LinkStart 推荐给更多的朋友。这档知识圆桌栏目会以直播和播客的形式与大家见面，也欢迎关注视频号极客公园，在这里我们每周都会邀请各行各业的嘉宾畅聊时下热点的、重要的科技商业议题。如果你有感兴趣的、想听的主题，也欢迎在评论区告诉我们，感谢大家的收听，我们下期节目再见！