完整案例集（下）：中国案例与 180 天实战复盘

8.4 中国案例：在「项目制」的土地上种 FDE

中国是全球最特殊的企业软件市场：这里有最勤奋的交付工程师、最苛刻的定制化需求和最深的「项目制诅咒」——大企业要定制，厂商做一单赔一单，成本无法摊薄，沦为甲方外包，专业空心化。FDE 模式在这片土地上的命运，是一个必须单独回答的问题：它是诅咒的解药，还是诅咒的新马甲？

这个局有多拧巴，三个从业者的叹息说得最清楚。第一声来自数据库公司 DolphinDB，一篇行业长文发问《谁在摧毁中国的企业软件产业》，答案是六座大山：白嫖、开源、外包、招标、数科（大型集团自设的数字科技子公司）、畸形的市场结构——最顶尖的中国工程人才，长期消耗在「高度定制、强关系、价格战」的非标交付里。第二声来自播客《硬地骇客》的一位企业软件老兵：「定制化是 SaaS 的天敌，这个诅咒只能等市场成熟那天自然消解。」第三声来自钉钉前总裁不穷：很多公司做到一两亿收入就卡住——获客难、交付难、运维难、定制成本高，规模经济根本无从谈起。

36 氪替这三声叹息做了个总结：「软件产品化是把项目制的研发费用摊薄，SaaS 是把销售费用摊薄——只有项目制公司最难受，项目的成本离场即作废，没法摊出去。」（出处见附录 C）这三声叹息，就是 FDE 模式要回答的中国问题。

大厂路径：火山引擎与华为

字节跳动旗下的火山引擎，是中国互联网大厂中最明确打出 FDE 旗号的玩家：2026 年专门成立 FDE 团队，深入行业与标杆客户深度共创。火山引擎总裁谭待在公开采访中的表述，与本书的定义几乎逐字呼应：「FDE 不是销售，也不是售前，他们必须具备很强的技术落地能力，特别是人工智能代码的落地能力。」他还透露，团队成员刻意配置多元行业背景（比如让生物工程出身的人去对接生物医药行业），目前已覆盖汽车、医疗、教育、金融、半导体等重点行业。2026 年 7 月，火山引擎又与咨询巨头安永签署战略合作，双方计划搭建千人级的 FDE 团队，「探索人工智能全栈交付新模式」。（出处见附录 C）

大厂的分量，在最重的行业里看得最清楚。2025 年 2 月，上海瑞金医院发布临床级病理大模型 RuiPath，与华为联合打造：16 张 GPU 卡、两个月，完成百万级病理切片的训练，数据准备周期缩短 80%。病理是中国医疗资源最紧缺的领域之一——医生缺口巨大，基层医院初诊符合率（基层诊断与上级医院最终诊断的一致率）低——这套模型覆盖了中国每年约九成癌症发病人群罹患的癌种。院长宁光在发布会上的表态，可以当作这类联合部署的前提来读：「我们只用经得起验证的技术。」（出处见附录 C）

大厂做 FDE 的先天优势是平台底座厚（火山方舟提供了模型、工具链与云基础设施的一体底座）；先天挑战，则是大厂的销售体系惯性与「交付是成本中心」的财务惯性——FDE 团队能否获得 Palantir 式「现场即研发」的组织地位，决定了它是真 FDE，还是挂着新名字的售前支持部。

先行者路径：把「FDE 不等于驻场外包」写进官网

更值得关注的是一批本土创业公司。它们没有大厂的底座，却在用最清晰的话语，区分 FDE 与中国市场的旧物种。聚焦不动产与设施管理行业的服务商启盟科技，在官网上写下了目前国内对 FDE 最精炼的定义性区隔：

一，FDE 按阶段交付、按结果验收，驻场外包按工时结算；二，FDE 带着产品底座来做工程，驻场外包从零现写现改；三，FDE 做完会走，能力沉淀在系统和你的团队里，驻场外包越驻越久、人走系统停。

三句话，分别对应本书的三个核心命题：按结果收费（第 6 章）、平台底座（第 7 章）、知识转移（第 5 章）。它还建立了一套「劝退机制」——场景未验证的不接、数据一张表能导出的不接、只想了解人工智能的不接，「我们宁可你晚一点开始，也不希望你在错的时机开始」。这是第 2 章「拒绝昂贵的概念验证坟墓」在中国市场的自觉实践。

另一家服务商钱拓科技，则把 FDE 模式搬进了对合规最敏感的金融业，并沉淀出明确的三阶段方法论：场景诊断一到两周（识别价值最高的三到五个核心场景、量化投资回报）→ 嵌入式交付八到十六周（从模型选型到生产集成的全栈交付）→ 生产部署与持续演进（被业务部门日常使用、随业务持续迭代），同时强调「数据不出域」——这是对中国金融机构监管环境的在地适配。（出处见附录 C）

2026 年 6 月，一位国内投资机构的从业者在网上发了一篇长文，标题很扎眼：《硅谷今年最火的岗位 FDE，我们闷头干了三年》。文章记录了他们把这套打法用在中国企业服务里的真实体感：前线部署工程师「签单后扎进一个客户，能力不设限，把人工智能真装进他的业务」；衡量标准「不是写了多少代码、交了几份文档，是这套系统到底有没有人在用、客户的生意有没有变好」；以及那句与本书完全一致的总结——「上线不算完，他得一直待到这套系统变成客户的日常、客户自己的人能接手」。这篇文章在国内从业者圈层被大量转发，因为它第一次用中文讲清了一个对照表：产品工程师对路线图负责，售前对签单负责，实施对验收单负责，客户成功对续费负责——而 FDE，对「客户的转型和人效（人均产出）有没有真涨」负责。（出处见附录 C）

对照组：机顶盒与纸质合同

FDE 该投谁、不该投谁，百道数据首席执行官吴光宇在一场创业者圆桌上给了两个反差极大的客户。

一个是机顶盒客户，需求极其明确——「怎么在机顶盒里用 AI」。FDE 和他们泡在一起，最后做出一个陪你看剧、聊八卦的智能体，投入产出比很高。另一个是出海客户，老板开口要投 100 万美元做 AI，签合同时却每次都把合同打印出来、用笔圈改，连 Word 的修订功能都不用。吴光宇的判断是：「这种数字化基础都没有的客户，FDE 投进去肯定没产出。我们直接告诉他，先买 100 个 Gemini 账号让全员用起来，有了具体思路再谈。」

他的结论，与第 2 章的拒绝机制如出一辙：FDE 的前提是客户有明确的需求点。模糊、没边界的需求不要轻易投；可以拆成一期、二期、三期，先做清晰的部分，交付结果后，后续需求自然能转化成长期服务合同。（出处见附录 C）

另一面：真空层与脏活

但中国的 FDE 实践不都是上面这种样子。一线传来的消息要糙得多。

《增长黑客 AI 周报》记录过一线执行者申悦的观察：在国内不少项目里，FDE 更像乙方外包人力，干的是填坑、擦屁股的脏活累活。她亲历的一个千万级国企项目，大老板签完合同就没了下文，项目里没有真正负责的人，FDE 被架在真空层——向上没有决策者，向下没有执行者，最后只能靠研究「汇报逻辑」来争取验收。另一个广东的民营家装公司，厂二代老板开门见山：帮她把 6000 人裁到 3000 人。可 AI 能替代的是任务，不是岗位，项目就在反复挨骂中艰难推进。

申悦的总结是：中国 FDE 的难点，在需求方隔层、在企业数字化基础薄弱、在老板缺乏耐心——而前端销售为了卖产品许下的过度承诺，最后都要 FDE 来还。她还有一句话，我引作了第 4 章的题注：「无论技术如何进化，组织内部的人性和权责博弈，始终是比技术更复杂的难题。」（出处见附录 C）

另一种声音：FDE 是不是一门好生意？

质疑也不只来自执行层。同在一场圆桌上，Kuse.ai 创始人吴显昆对 FDE 模式本身提出了疑问：「FDE 很难成为一个好的商业模式。」他的理由很直接：做浅了，模型厂商自己会做；做深了，本质上还是外包，交付成本高且难以规模化。「给国央企做服务，你没法拒绝项目范围外的需求，你的杠杆在哪里？是否会在深夜怀疑自己成了廉价外包——这是所有做 FDE 的人都要面对的问题。」

他的解法相当激进：AI Roll-up（滚动并购）。既然客户担心数据泄露、团队嫌外包违背初衷，那就把公司买下来，所有人变成股东、利益一致，整个公司底朝天改掉；改完以后，用同一套方法论继续收购下一家。他的逻辑是：如果人工智能转型真有那么大价值，那就应该自己拥有这门生意（own the business），而不是卖工时。（出处见附录 C）

这个质疑未必有答案，但它和第 5 章引过的高德纳预测——2028 年前 70% 的企业可能放弃 FDE 主导的方案——形成了奇妙的呼应：对 FDE 模式来说，最难过的一关是它自己的成本结构。这个问题本书不打算给标准答案，但它是每一个想入场的人，都该先想清楚的问题。

中国 FDE 的三个特殊命题

综合这些实践与行业观察，FDE 在中国要成立，必须回答三个美国同行不必回答的问题。

第一，计价。美国市场可以接受订阅制、按量计费甚至成果分成；而中国客户的肌肉记忆是「买断加项目制验收」。可行的过渡形态是「混合制」。按阶段验收付款，顺应中国客户的采购习惯；价值指标写进验收条款，把成果基因注入交易；再签一份年度运维与演进合同，逐步培育续约意识。一步到位照搬按解决量收费，在多数行业会死在采购科。

第二，平台底座。FDE 的经济学依赖「平台底座加现场定制」，而中国大量软件公司的问题恰恰是「有现场、没平台」——每单都是从零写代码的人力生意。对这些公司，比学 FDE 形式更重要的，是补 FDE 的地基：先把最高频的定制沉淀为可复用组件，再谈前线部署。如果没有第 7 章的复制杠杆，FDE 在中国只会沦为「名字好听的驻场外包」——这正是本土先行者们把「带产品底座」写进定义的原因。

第三，人才。中国工程师文化——能吃苦、响应快、全栈通吃、习惯在客户现场解决一切问题——恰恰最贴近 FDE 的要求，这是「机」；但「困」在于，过去二十年，这类人才被困在人天计价（按工程师人头×天数收费）的外包体系里，市场价格信号长期低估他们。FDE 概念在中国的普及，可能带来一个深远副作用：重新为中国数十万交付工程师定价。当他们知道自己在大洋彼岸的同行拿着 38.5 万美元的中位数总薪酬，这个行业的价值坐标会松动。

定价松动的证据，在 2026 年已经挂牌可见。需求端，招聘市场的价格拉开了档次：头部大厂与人工智能公司的 FDE 岗位，月薪挂牌区间大致 2 万到 8 万元，高职级年包 40 万元起，与传统实施工程师的价差拉到数倍（具体行情与分层见 1.8 节）。供给端，政府在动手补人：上海 2025 年底首开 FDE 专题培训班之后，2026 年 2 月又开出面向产业工程师的转型专班，聚焦智能制造、金融、医疗三个行业，首期报名超过 200 人，全年计划三期，并已列入市级专业技术人才知识更新工程。（出处见附录 C）

还有一个更底层的锚点，藏在传统软件的财报里。2025 年年报，用友人均营收约 48 万元，金蝶约 62 万元；同一年，Palantir 的人均营收约 100 万美元——十倍级的人效差。这既是「项目制诅咒」在财务上的样子，也是 FDE 模式在中国最大的想象空间：谁能把交付工程师的人均产出，从「人天」定价拉到「结果」定价，谁就同时改写这数十万人的市场价格，和这门生意的财务结构。（出处见附录 C）

老牌企业软件公司也在印证人才端的这个判断。SAP 大中华区总裁原欣在《晚点聊 LateTalk》播客里谈到，前线部署工程师和传统 ERP（企业资源计划系统）顾问的角色正在融合，眼下最缺的是「既有产品工程能力、又深入理解业务的复合型人才」。她还提醒：AI 落地的最大挑战是组织惯性而非技术——基础数据架构的历史欠账，不会因为 AI 来了就自动消失。（出处见附录 C）

判断

FDE 不会治愈中国企业软件的所有痼疾，但它提供了一次罕见的「正名」机会：把「贴近客户」从低端外包的标志，重新定义为高端能力的标志。中国有的是愿意下现场的工程师，缺的却是另外三样东西：让现场工作产生复利的平台、方法论与计价结构。谁先补齐这三块，谁就有机会在这个全球最大、也最复杂的企业服务市场里跑出来。

8.5 一个人工智能创业团队的 180 天：FDE 实战全复盘

最后这个案例，来自我跟踪调研的一个中国人工智能创业团队（应团队要求匿名，下称「N 公司」）。它没有 Palantir 的平台、没有 OpenAI 的光环，但它 180 天的历程，完整地演示了本书方法论在一个资源有限的团队身上如何运转。为保护商业信息，数字做了模糊化处理，但比例关系与决策逻辑保持真实。也正因如此，这个案例的读法和前面几组不同：前面的事实，可以逐条到附录 C 核对出处；这一组请当作一次完整的「流程演示」来读——它的价值是把全书的打法按时间顺序串一遍，事实判断以前面的案例为准。

第 1 到 30 天：选战场，而不是抢合同

N 公司做企业知识库人工智能，手上有三个潜在客户线索：一家头部券商（预算大、需求宏大）、一家区域连锁零售集团（预算中、痛点具体）、一家三甲医院（影响力大、数据敏感）。销售本能是扑向券商。但团队按第 2、3 章的方法，做了三重检验和进场尽调：券商的问题是「宇宙级需求」（首次会议就要覆盖全公司），且没有明确的业务负责人；医院的痛点真实，但数据不出域的限制让交付周期不可控；零售集团的首席财务官亲自盯项目，痛点具体（「3000 家门店的运营督导报告，区域经理根本看不过来」），数据基础虽然乱，但可触及。

团队选择了零售集团——灯塔价值不是最高，但三重检验全过。这就是 3.8 节的纪律：排期按战略价值与学习价值排，不按合同金额排。

被放掉的券商，值得一个注脚。「拒绝」不是这道题的唯一解。对灯塔价值极高、但需求模糊的大客户，还有第三种打法：不做交付，先卖一份付费的诊断——两到三周、收费固定，产出一份场景优先级报告和一份数据准备度清单，相当于把 2.3 节那个「体面的台阶」，做成一个正式的产品。如果对方真有转型决心，诊断过程会把宏大需求熬成一个清晰的第一场景，再签 MVD 水到渠成；对方若只是想在年报里写「人工智能」的，诊断费就是试金石——连诊断都不肯付费的客户，本来也不该做。N 公司当时没走这条路。以本书的框架复盘，这大概是 180 天里唯一「正确但可惜」的决定：拒绝守住了产能，但也把一个潜在的顶级灯塔，让给了敢卖诊断的同行。

第 31 到 75 天：进场、影子工作法与一个「被砍掉的大方案」

两名工程师、一名行业顾问进场。前两周没有写一行产品代码，做的是影子工作法：跟着区域经理巡店，看他们如何在微信群里追门店数据、如何在电子表格里做周报。关键发现来自一个「变通」：区域经理们根本不看公司数据系统里的报表，他们真正信任的数据源，是门店店长每天手填的一张表——因为「系统的数据晚三天，还老错」。

这个发现推翻了最初的大方案（智能数据分析平台），团队把最小可行部署收窄为一个小切口：只做一个「门店异常日报」——每天早上八点，把昨天 3000 家门店的异常信号（销售异动、库存异常、投诉激增）汇总成三分钟内可读完的日报，推送到区域经理的微信。真实数据、单一痛点、六周硬期限。

第 76 到 120 天：激活的暗战

系统上线只是开始。激活期遇到两个教科书式的障碍。其一是信任校准：第一周，人工智能把两家门店的促销高峰误判为「异常激增」，经理们在群里吐槽。团队没有辩解，48 小时内把「促销日历」接入判断逻辑，并且——关键动作——在群里公开致谢报错的那位经理。其二是影响者经营：一位资深区域总监（无冕之王型）起初冷眼旁观，团队请他参与评估标准的修订，他的三条经验被写进系统规则。两周后，他成了系统最卖力的布道者。

第 90 天，日报的自然打开率稳定在 85% 以上。第 120 天，零售集团的首席信息官在季度经营会上主动展示了这套系统——内部支持者，被武装成了销售员。

第 121 到 180 天：复制的第一块砖

续约谈判没有悬念，但团队做了两个更重要的动作。其一，把这次交付中反复用到的资产沉淀下来：零售行业的数据接入组件、「异常信号」评估框架、门店场景的尽调清单——第一份场景打法手册成型。其二，用零售集团的案例（客户同意联合发布）敲开了第二家客户——一家快消品牌的渠道管理部门，场景同构。第二个项目的交付周期，比第一个缩短了 40%：复制的飞轮，转出了第一圈。

180 天，一个小团队，没有融资新闻，没有颠覆式技术。但它验证了全书最朴素的结论：这套方法论不要求平台和光环，只要求每一步老老实实走完。

五组案例讲完，剩下两个问题：这样一支力量，应该恪守怎样的边界（后记）；以及入局者该盯哪些指标（附录 A）。

---

平台适配注记（非原著内容）

• 1444 能力映射：本课考点对应 B1 行业机理与价值链、B3 组织协同与利益洞察、D1 驻场协同与项目推进，与平台能力诊断联动（AI 导师会按你的诊断缺口调整讲解节奏）。

• 本课自测（可对照正文自检，AI 导师结课小测将从中取材）：

  1. 在「项目制」的土地上种 FDE 遇到了什么水土不服？案例中如何改良？
  2. 180 天实战复盘中，最关键的几个转折点是什么？
  3. 中国市场做 FDE 与海外市场的最大差异是什么？