FDE 爆火之后，先卡住的是尾款
几个月过去，AI 接进去了，系统也跑起来了，可项目还没有真正结束。
FDE 依然在客户现场反复修改细节、配合验收。驻场、差旅费用全都要自己承担；客户一句“这里再改一下”“那里效果还没达到预期”，验收就得继续往后推。每天都在投入成本，却不知道什么时候才能收到尾款。很多刚开始独立做 FDE 的人，做到最后才发现，一个项目真正算下来，利润已经所剩无几。
即便如此，他们还是得继续找下一个项目。
因为 FDE 本质上是一门重服务的生意。从第一次和客户沟通，到梳理业务、设计方案、做 POC，再到交付、验收，真正花时间的往往不是开发，而是陪着企业一
可就是这样一个“又脏又累”的岗位，却火了起来。
最近几个月，从互联网大厂到大模型公司，都开始大规模招聘 FDE。招聘要求也基本一致：要懂 AI、会技术，善于和客户沟通、理解业务，且要具备很强的抗压能力。有些公司要求具备项目交付经验，也有一些已经把门槛放宽到应届生，给出的年薪普遍在40万-80万元。
一个是招聘市场持续升温，一个是真实项目里利润微薄、获客困难、回款缓慢。一边被资本和企业追捧，一边又在现实中接受最直接的商业考验。FDE 到底是 AI 时代的软件外包，是咨询服务，还是一种全新的角色？
同一个名字，在不同的人身上，给出了不同的答案。
陈宏：为了节省驻场差旅费，需要尽快把项目做完
我最近刚开始做 FDE，但不是什么项目都接，而是只垂直于金融行业。
目前正在同时推进几家 VC、PE 机构的 AI 化改造，基本都还在 POC 阶段。从咨询、方案设计，到 POC 验证，再到后续优化和正式交付，整个流程还在一
我本来以为前期会遇到很多困难，但没想到项目推进起来，反而比想象中顺利。
我们从一开始对接的就是企业里能真正能拍板的人。组织要不要做 AI、哪些流程值得改、预算投到哪里，只有真正的决策者才能回答。和老板谈，比一层层往上传递信息效率高得多，也避免了很多无意义的沟通成本。FDE 做的不是某个部门的小工具，而是整个组织的改造，如果方向都定不了，再好的技术也很难真正落地。
对我自己来说，做 FDE，其实算不上严格意义上的转型。
我之前一直 Base 新加坡，在互联网大厂做 LLM 工程师，做与 Agent Memory 相关的事。它本身就是偏 B 端、定制化的服务，需要不断理解客户、设计方案，也带着一定的咨询属性。如今做 FDE，本质上只是把过去已经在做的事情继续往前走了一步。
所以，与其说是在转型，不如说是服务方式发生了变化。过去更多是在研究技术，现在面对的是企业。代码当然还要写，但更多变成了理解客户、沟通需求、设计方案，再把这些需求真正落到技术实现上。
这也是为什么在我眼里，FDE 更像是咨询和软件交付结合后的新角色。
如果客户已经知道自己要什么，只需要找一个团队开发出来，这种更像传统的软件外包；真正的 FDE，往往发生在另一种场景——企业知道 AI 很重要，也知道它可能创造价值，却不知道第一步该从哪里开始，更不知道哪些地方真正值得改。
所以，我的工作，往往是从和企业聊天开始。
初期阶段的沟通，更多是在听。听老板讲业务，听员工讲每天怎么工作，再跟着他们一起走流程，看一个需求到底是怎么产生、怎么流转、又卡在哪里。
很多时候，企业提出了一系列的需求，FDE 要能从中判断哪些需求值得做，哪些需求即便做出来也什么价值。
真正困难的地方，也恰恰在这里。
这种判断没有什么捷径可走，只能不断做项目，不断积累行业经验，再慢慢形成对行业的理解和预判。咨询公司为什么有价值，原因之一也是因为见过足够多的案例。而 FDE，同样需要这样的积累。
一个很典型的例子：很多企业都有 CRM 系统，并被老板强制要求填写，但销售天然不愿意填 CRM，本质上这就是管理者和员工之间的一场对抗。
想要解决这个问题，很多人的第一反应是可以在 CRM 里加一个 AI。但其中的关键并不是“加 AI”这件事，而是怎么让销售愿意主动把数据填写进去。
如果 CRM 里的 Agent 能够直接帮助销售提高成交率、拿到更多佣金，销售自然愿意维护数据；老板也不用再靠制度逼着大家填写，企业的数据资产反而会越来越完整。
最后得到的，并不只是一个提效工具，而是整个组织运行方式发生了变化。
这种需求，企业自己未必能意识到。老板看到的是管理问题，员工看到的是工作负担，真正能够把两边连接起来，才是 FDE 最难、也是最有价值的地方。
正因为如此，我们现在所有项目几乎都是定制化推进。咨询、方案设计、POC、优化、验收，每一家企业的流程都差不多，但真正交付的内容没有完全一样的。
团队成员几乎都是工程师出身，没有成熟的销售经验，从销售到方案，再到交付，我们都还在一
这也是为什么，我们一开始就决定扎进到某个特定的行业里，而不是什么项目都接。行业越垂直，越容易沉淀出真正属于这个行业的方法论。如果今天做金融，明天做制造，后天又去做零售，很难形成自己的竞争壁垒。
毕竟每个行业的组织方式都完全不同。不了解一个行业，就很难判断哪些需求是真需求；没有行业经验，也很难对未来做出足够准确的预判。
现阶段，我们服务的项目还是以国内客户为主。一方面，对国内企业的业务环境和市场特点更熟悉；另一方面，国内企业的 AI 改造需求也确实在快速增长。做得多了，也慢慢发现一个很有意思的现象：国内讨论的 FDE，和硅谷语境里的 FDE，其实并不是同一个概念。
硅谷的大模型公司，服务的大多是大型企业，一张单子可能就是几千万美元，对 FDE 的要求自然也高得多；而国内目前更多面对的是中小企业，尤其是传统行业。它们没有足够多的 AI 工程师，也很难长期养一支高成本的技术团队。相比自己组建团队，一个外部 FDE 成本更低，也更加灵活。所以不少人理解里的 FDE，更接近软件交付，只是在交付之外，多了一层 AI 咨询。
此外，国内市场还存在一个很现实的问题，很多项目的尾款收不回来。驻场、差旅这些成本，也都需要自己承担。项目每拖一天，成本就会多一天。所以，对于 FDE 来说，不仅是把项目做好，更重要的是尽快把项目做完，开发效率变得越来越重要。
能够沉淀成标准能力的，就尽量标准化；必须定制的部分，再借助 AI Coding 快速完成。只有把交付周期不断压缩，整个模式才能真正跑通。
看到社媒上有很多人都在问，现在是不是转型做 FDE 的最好时机。
其实已经可以明显看到两拨人在往这里走：咨询顾问开始学习技术，工程师开始学习咨询。日后市场真正需要的人，大概不是单纯的程序员，也不是单纯的咨询顾问，而是能够理解行业、理解组织、理解客户，又能把 AI 真正落到业务里的那类人。
至于未来 FDE 会不会一直存在，我觉得并没有那么重要。它最终会越来越像一家 AI 时代的咨询公司，或者说，是咨询公司和 SaaS 服务不断融合后的新形态。
Athena：投入最多精力的，依然还是获客
我目前 Base 日本，和在全球各地的合作伙伴共同组织了一个 Global 的 FDE 团队。
来日本之后，我印象最深的一次交付，是一家大阪的跨境贸易企业。
他们经营着大量玩具 SKU，每到不同季节，都要根据往年的销售情况安排采购和库存。数据其实一直都在，本地的 SaaS 系统也用了很多年，可真正决定要不要补货、什么时候采购，依然离不开几位老员工的经验。每天打开不同的系统查数据、做统计，再一
最开始，我也想过为其重新设计一套系统。
可真正走进企业，把整个业务流程完整了解一遍后，便打消了这个念头。问题不在于技术开发，而在于几十年形成的工作习惯。很多票据、审批甚至业务资料仍然保留着纸质文件，同时企业也并不希望因为 AI 推翻原来的工作方式。
于是，我为其在现有的数据和知识库之上，叠加了一层 Agent。新员工不用再四处找资料，直接提问就能知道某个 SKU 往年什么时候卖得最好、现在库存还有多少、是否需要补货；库存出现异常时，Agent 也会主动提醒，而不是等人再去搜索数据。
整个流程几乎没有变化，却多了一位会不断学习业务经验的数字员工。
这个项目几乎浓缩了现在做 FDE 的全部工作，也让我明白了，企业真正需要解决的，不是 AI 本身，而是每天都在重复发生的问题。
其实一年前，我也没有想过自己会做 FDE。
过去几年，我一直在互联网和金融科技行业做产品经理。AI 开始快速进入企业后，身边不断有人来咨询：究竟哪些工作可以交给 AI？哪些流程还能继续优化？一位 CTO 朋友也在思考同样的事情，于是我们两人一拍即合，组了一支小团队，开始真正面向企业做 AI 交付。成员主要分布在东京、北美、中国香港和内地，客户需要线下沟通时，也能够第一时间到现场。
我本以为技术开发会是花时间最多的事，但真正开始做 FDE 后才发现，并不是这样。
很多时候，企业不能准确说出自己需要什么，只知道哪些流程效率低、哪些工作每天都在重复。一个项目真正开始之前，大量时间都花在陪客户梳理业务、理解流程、寻找真正的痛点上。
企业真正愿意付费的点，也并不完全是 AI。
无论是国内还是海外，客户最后关心的始终只有几个问题：效率有没有提升、成本有没有下降、业务有没有增长。AI 只是实现这些结果的一种方式，而不是目的。所以我们和客户的合作往往不会一开始就做整套改造，而是先从最痛的一个场景开始，让客户先看到效果，再决定要不要继续往下做。
这也是我们一直坚持搭建自己底层能力的原因。
和很多项目完全定制化交付不同，我们每接一个客户，并不会重新为其开发一套系统，而是基于团队自己的 AIOS 和底层基模持续迭代。新的 Agent、工作流和行业经验，会不断沉淀到这套基模里，再复用到后面的项目中。
团队能力：按阶段为企业接入专属AI操作系统
因此，大部分项目的周期并不长。简单的需求，两周左右就能完成；完整项目，一个月左右也比较常见。一方面，底层能力已经提前搭好，不需要每次从零开始开发；另一方面，从一开始对接的就是企业真正拥有决策权的人，很多事情现场就可以拍板，所以我们目前整体进展比较顺利，不需要经历漫长的内部审批，客户配合度也比较高，推进速度自然快得多。虽然我们认为自己本身是外包性质，但在客户那里还是被当作顾问、老师一样对待，很受尊重。
此外，项目交付后，并不意味着服务的结束。
我们采用了系统订阅模式，会持续维护、升级并提供售后支持。待企业订阅几年后，则可以直接买断整套系统。
目前，团队服务的客户覆盖中国、日本、印尼及北美，一个明显的感受是：真正的差异，一方面来自不同区域的数字化进程差距，另一方面则来自企业自身的发展阶段和所处行业的不同。
很多大型科技公司都有自己的工程团队，更倾向于自己完成 AI 建设；真正需要外部团队支持的，反而是那些已经完成一定数字化，却没有完整研发能力的传统企业。
至于做 FDE 的到底是选择当地工程师还是华人工程师，并不是重点。真正困难的，是建立信任。
一家成立时间不长的团队，为什么值得企业把业务交过来？数据是否安全？AI 的能力边界到底在哪里？几乎每个客户都会问到这些问题。直到现在，我们投入最多精力的，依然还是获客。
朋友介绍、官网、自媒体内容、线下分享、合作伙伴转介绍，几乎所有渠道我们都会去试。相比主动营销，我们更愿意持续输出内容和真实案例，让真正有需求的人主动找上门，因为这样的合作效率更高，也更容易建立长期信任。
FDE 发展至今，其实并没有一个很统一的定义。
在我看来，它更像是售前、产品经理和 Agent 工程师的结合。真正重要的能力只有两件事：一是能够真正理解客户的业务；二是知道怎样利用最新的 AI 技术，把这些需求变成能够落地的解决方案。
我们自己的团队里没有谁一开始就是 FDE。有人原来是工程师，有人做产品经理，也有人长期负责企业解决方案，每个人都有自己的专业能力，只是在 AI 出现之后，又慢慢补上了其它部分的能力。
把资深 FDE 的「诊断 → 拆解 → 交付 → 迭代」过程蒸馏成可复用的 Agent
最近经常有人问我，现在是否适合转型做 FDE。
其实我觉得这本身就是个“伪命题”。如果一个人已经开始利用 AI 去解决身边团队和企业的真实问题，其实这已经算是在做 FDE 了，并不需要等别人赋予一个新的 Title。它更像是一种新的工作方式，而不是一种身份。
AI 的红利也许只有未来几年，但企业解决业务问题的需求不会消失。未来，它可能出现新的名字，可能不再叫 FDE，但本质始终不会改变——利用新的技术，解决真实的问题。
当技术越来越趋同，真正能够拉开差距的，不再只是模型本身，而是有没有能力把最前沿的 AI，翻译成客户真正听得懂、愿意相信，也愿意为结果买单的解决方案。
申悦：做FDE，更多时间是在和各部门扯皮
我曾经做了12年产品经理，在网易、字节、360等大厂做过产品负责人。随着 AI 风口的到来，我决定独自出来创业。
前段时间，我进入了一家国企做FDE。真正进场的时候，项目已经有点“着火”了。现场所有人的目标都一样——先把问题解决，不然整个项目都没法往下交付，尾款也收不回来。
申悦现场沟通实拍，图源：受访者供图
很多人以为，FDE最重要的是技术。真正做下来才发现，AI、代码这些部分反而没那么着急。
进场之后，最先做的事情通常是开会。和客户聊业务、梳理流程，再和售前、商务、合作伙伴反复碰方案。很多时候，企业的配合度并不高，一天下来，时间全花在了梳理业务流程以及和各部门的扯皮上。
我现在自己以 OPC 的方式接一些国内的项目。主要负责的不是最后开发的那部分，而是更靠前的一段：先把客户到底要解决什么问题弄清楚，再把这些需求变成AI能够理解、工程师能够开发的方案。所以我真正驻场的时间其实不算长，更多是在项目前期，后面的开发和运营会交给团队继续推进。
很多人讨论FDE的时候，都喜欢先问一句：这个岗位到底是干什么的？其实很难一句话说清。
如果按照OpenAI、Palantir这些公司的定义，FDE 更像一个全栈工程师。从项目签完合同，正式启动开始，一直到最后上线验收，都会参与其中。
但真正做国内项目时，会发现事情完全不是这样。而是合同都还没签，人已经先进场了。原因其实很简单，国外很多企业在数字化阶段就已经把系统、流程、接口都整理好了，企业自己知道要做什么，FDE更多是在已有方案上完成开发和上线。
申悦工作现场实拍，图源：受访者供图
但国内不一样。不少企业都是第一次做 AI，最大的难题不是模型，而是不知道 AI 到底能做什么。
所以项目真正开始之前，就已经要花很多时间陪客户调研业务、梳理流程、设计方案，甚至提前做出Demo，一起把一个模糊的想法慢慢变成可以落地的项目。
做到这里，才真正进入开发阶段。
此外，国内不同企业的 FDE，做的事情可能完全不同。有人主要负责写代码做开发，也有人像我一样，大部分时间都花在业务梳理和方案设计上。
申悦工作实拍，图源：受访者供图
这就意味着整体项目周期自然不会短。稍微快一点的，三个月能完成主要工作；慢一点的，一年没有结项也很正常。
过程总是被各种问题卡住，但大多数时候都不是因为技术。
与美国 FDE 相对成熟且愿意为过程付费不同，国内企业都希望 AI 化改造能尽快带来结果，但真正能决定项目成败的，往往是那些最看不见的工作——梳理流程、治理数据、统一业务口径。
问题也恰恰出现在这里，这些工作很难量化，也很难马上看到效果。而部分客户都只愿意为最后的结果付费，却很难接受前面几个月一直在做准备工作。等项目进入验收，如果实际效果和预期有一点偏差，签字就会被往后拖，尾款自然也收不回来。
所以真正难的，不是把 AI 做出来，而是让客户愿意为这个过程买单。
有人说，“FDE是不是就是换了个名字的外包。”坦白说，我能理解这种声音，并且无法反驳。
近期，招聘平台上出现了不少 FDE 相关的岗位。看起来大家都在抢人，但真正招人的原因，其实完全不一样。
像互联网大厂，过去卖的是模型、算力和平台。后来发现，平台交到客户手里，客户不会用，项目照样跑不起来，于是便开始自己组建 FDE 团队，希望把重点客户和标杆项目掌握在自己手里。
另一类企业，需求就更直接。老板希望通过 AI 降本增效，IT 团队虽然会开发，却不知道怎么把 AI 真正运用到业务里，这时就需要一个既能和业务沟通，又懂技术的人，把两边真正连起来。
从这几年接触的项目来看，真正着急做 AI 改造的，大多还是传统行业。互联网公司反而没那么急。很多公司内部已经有自己的技术团队，很少会找外部团队做完整项目，更多是培训和咨询。但传统企业不一样，它们连第一步应该做什么都不知道，需要有人陪着一起把路走出来。
最近也有很多人问我，FDE 这么火，现在到底要不要转 FDE。我认为，目前这个时间点或许是一个机会。并不是我觉得这个岗位有多么大的发展前景，而是因为它目前还没有标准答案。
企业理解不同，对人的要求也不同。开发工程师、B端产品经理，甚至一些特别会用AI的应届生都有机会进入这个行业。尤其是现在的应届生，本身是 AI 原生一代，思考问题的方式首先就想的是就是这事用 AI 能不能做？怎么用 AI 做？有这样意识的人稍微培养一下，很容易能够在一些传统公司成为 AI 改造的超级个体。
但这种窗口不会一直存在。就像十几年前的产品经理一样，岗位刚出现的时候，什么人都能做；等行业慢慢成熟，职责一定会越来越清晰。
FDE 也是一样。未来，它大概率会继续分化。一部分专门负责需求和方案，叫FDE Echo，另一部分专门负责开发和实施，叫FED Delta。
但无论如何发展，企业始终都需要有人把 AI 真正落到业务里。只不过，这个人以后未必还叫 FDE。
本文来自微信公众号“霞光AI实验室”，作者：朱峰琳，36氪经授权发布。
