1｜为什么是现在。三个边际变化同时发生：交付物从硬件集成变成 Agent 系统；交付人力从 30 人外包小组变成 5-6 人 FDE 小组 + Agentic Coding；付费从按人天变成按结果。驻场服务的成本结构第一次被打穿。
2｜模式为什么成立。双向蒸馏（客户隐性经验→AI 可用资产；项目经验→平台能力）让交付边际成本递减：第 1 个客户成本 3×，第 10 个只要 4-4.5×。延迟收益 + 规模效应，Palantir 已用 82-86% 毛利率验证（传统咨询仅 30-40%）。
3｜中国怎么走。落地条件已齐（国产模型性价比、低代码普及、定制化需求爆发），但付费习惯、人力成本基数、信创合规、柯达困境四道坎决定斜率。别拿 Palantir 的财务指标直接套 A 股标的。
4｜辨别真假 FDE。看四个数字：同类客户上线周期、单客户交付人天、可复用资产占比、毛利率。低毛利的"FDE 项目"本质是旧酒装旧瓶。
2025 年 6 月，a16z 将 FDE 定义为"创业圈最热门的岗位"。风投不创造价值，但对边际变化敏感。
| 厂商 | 投入 | 动作 |
|---|---|---|
| OpenAI | $40 亿+ | 联手 19 家 PE 成立 Deployment Company（投前估值 $100 亿），收购英国 Tomoro，获约 150 名 FDE |
| Anthropic | $15 亿 | 与黑石、高盛、H&F 组建企业 AI 服务合资公司（各出约 $3 亿 / $1.5 亿），阿波罗、红杉跟投 |
| AWS | $10 亿 | 千人级独立 FDE 组织 + 合作伙伴主导的 FDE 体系 |
| 微软 | $25 亿 | 专属机构 Frontier Company，6000 名行业专家与工程人员 |
2025 年这些公司还在卷模型跑分，2026 年集体掉头抢驻场工程师——竞争焦点从"模型能不能做演示"切到"能不能进生产系统"。
| 岗位 | 对什么负责 | 怎么收费 | 交付完 |
|---|---|---|---|
| 售前 | 商机转化 | 绑在合同里 | 签单即撤 |
| 传统外包 | 代码量、工作量 | 按人天 / 人月 | 交付即两清 |
| 咨询 | 方案 | 按项目 / 工时 | PPT 留下，经验带走 |
| FDE | 最终业务结果 | 订阅 / 用量 / 按效果 | 系统留下，经验沉淀回平台 |
对照组：埃森哲 70 万员工、人均创收 9 万美元——传统咨询卖的是工时。FDE 的考核反过来：系统没跑起来、指标没改善，就是 FDE 的失败。
Echo 挖痛点、翻译成需求（"应该做什么"）；Delta 现场搭原型、部署迭代（"怎么做出来"）。打通"懂业务的不会写代码、会写代码的不懂业务"的老断层。
计算/存储/网络架构 → 模型训练微调 → Agent 调试与 MCP 接入 → 系统集成，外加最稀缺的一条：读懂客户的业务 SOP，翻译成 Agent 能执行的流程。
① 交付物变了：动辄几千台服务器 + 超融合/私有云 → AI 服务和 Agent 系统。硬件集成最重的体力活没了。
② 交付人力变了：30 个外包 × 6 个月 → FDE 小组 + Agentic Coding。AI 吃掉代码生成、接口、测试、文档，人只做判断、架构和知识沉淀。
③ 付费方式变了：按人天 / 里程碑 → 结果导向或 License 部署验收。客户开始为"结果"付钱，不为"过程"付钱。
通用大模型 + 基础提示词可覆盖企业 80% 的标准化常规业务；卡点集中在剩余 20%——长尾需求、异常场景、行业合规约束。这 20% 恰恰是企业愿意付高价的部分。多数公司每年花数百万至上千万美元采购模型 API，接口买回去落不了地，大量 Token 额度闲置。
| 2025 年看 | 2026 年看 |
|---|---|
| 大模型榜单排名 | 任务成功率 80% → 95% |
| 每百万 Token 单价 | 人工介入频次持续下降 |
| API 接口调用 | 10 人流程精简到 3 人 |
所有落地成果都要折算成可量化的收入增长、成本压降和清晰 ROI。从"买模型"到"买业务结果"。
压缩低频席位释放经费 ｜ 砍重复工具去重降本 ｜ 减少低价值 BPO ｜ 把运营预算转向智能体建设。多数企业处于新旧系统并行的"重复付费期"——这正是 FDE 的进入窗口：帮企业把两边的账算成一边。
以前的迁移把系统从 A 架构搬到 B 架构，交付即结束；这一轮把"人做事"的流程翻译成"Agent 做事"，交付物是系统本身，交付后持续干活、消耗 Token、产生数据回流——驻场第一次从一次性买卖变成经常性收入入口。
AWS 自己就是活样本：亲历虚拟化→容器化→微服务化→Agent 化四轮改造，现在把下一个万亿级增长点押在 AI 需求杠铃的中段——企业生产负载的 AI 化。杠铃一头是模型研发，一头是消费级应用，中段的企业生产系统以前最不起眼，现在最肥。
| 蒸馏方向 | 蒸馏对象 | 形成资产 | 效果 |
|---|---|---|---|
| 对客户侧 | 员工脑中的隐性业务经验、流程规则、操作逻辑 | 知识库、工作流、SOP、业务应用 | 零散经验显性化，换谁来操作系统经验都在 |
| 对厂商侧 | 行业知识、系统接口、测试方法、失败案例 | 平台组件、行业模板、本体体系、Skill、测试集 | 下一个同类客户简单配置 + 少量定制即可上线 |
失败案例尤其值钱。它是测试集和边界条件的来源——踩过的坑决定了下一个项目的交付速度。
飞轮闭环。FDE 现场蒸出隐性经验 → Harness 把它变成机器可重复执行的能力 → 系统上线产生运行数据 → FDE 甄别问题根源（模型/数据/权限/规则）→ 回头优化。转一圈，飞轮快一格。
| 模式 | 第 1 个客户 | 第 10 个客户 | 组织结果 |
|---|---|---|---|
| 项目制交付 | 1× | 8–9× | 人越多，收入和成本一起涨 |
| 本体化交付（FDE） | 3× | 4–4.5× | 前期更重，后期复用显著增加 |
前几个客户是亏的或微利的，复利从后面开始。FDE 的财务模型注定是延迟收益：初期试点允许亏损换信任，验证后横向拓展客户其他部门，做大合同、提升续约粘性。准入门槛因此是"前期亏得起"——排头兵是云厂商和拿巨额融资的模型公司，不是偶然。
FDE 典型应用场景的特点：领域足够大、客户足够多，前期投入才能获得长期复利。垂直但小众的场景撑不起这个模式。
国内明略科技已在往 result as service 转：驻场梳理场景、部署定制化 Agent、对接全系统、验证 ROI，按效果收钱。从"卖工具"到"卖价值"，收费方式的变化是商业模式变化的最后一公里。
| 传统咨询外包 | FDE 模式 | |
|---|---|---|
| 运营 | 瀑布式项目制，提前固定需求 | 小团队端到端，交付同步完成产品迭代 |
| 成果归属 | 归客户，交付后无沉淀 | 经验沉淀为公司通用知识库 |
| 计费 | 按人天、人月 | 平台订阅、用量、按结果 |
| 员工激励 | 绑定工时饱和度 | 绑定客户业务指标与续约率 |
| 毛利率 | 33%–40%（埃森哲） | 接近 80% 且持续上行（Palantir） |
| 人员 | 随营收同步扩张 | 人员零增长、营收高增长 |
传统咨询外包毛利率中枢 30-40%（埃森哲长期如此）。号称做 FDE 的公司如果毛利也是这个水平，本质是驻场外包换了个时髦名字。真 FDE 应向软件公司看齐——Palantir 2026Q2 调整后毛利率 86%、经营利润率 62%。
口碑案例：合作客户规模、落地效果、有无企业站台——第一个标杆客户几乎决定后面三年的生意。人才壁垒：全栈贯通 + 业务 SOP 翻译能力，培养周期长，薪酬对标模型公司研发。
Harness（马具）= 包裹在基础大模型外层的智能体运行时系统。模型越强，Harness 越重要。
早期对话式 AI 是单次问答，出错重问一遍就是。现在的 Agent 任务是规划、检索、多轮工具调用、跨系统联动的长链条，一跑几个小时——没有 Harness 的 Agent 是没装刹车的快车。
| 时长 | 成本 | 效果 | |
|---|---|---|---|
| 简易单智能体 | 20 分钟 | $9 | 基础完成 |
| 全套 Harness | 6 小时 | $200（20 倍+） | 完整度/准确率大幅提升 |
竞争不在功能数量，在任务成功率与调用成本的平衡——什么时候上重 Harness、什么时候够用就行，这个分寸感是核心壁垒。
智能体运行 Harness（管单 Agent 稳定运行）+ 交付 Harness（沉淀项目知识、跨客户复用）。前者管机器，后者管组织记忆。
关键判断：模型正在变得可替换（开源模型可用性大幅提升后尤其如此），真正有价值的是把业务 SOP 转成 Agent 系统的那套 Harness 和沉淀本身。
年收入 2021 年 $15 亿 → 2025 年约 $45 亿；毛利率 82-86%；剩余合同价值超 $60 亿；无负债。
| Palantir | 埃森哲 | |
|---|---|---|
| 员工规模 | 五年新增 4500 人 | 70 余万人 |
| 人均创收 | $140 万 | $9 万（15 倍差） |
| 毛利率 | 82-86% | 30-40% |
| 增长逻辑 | 平台复用，复利增长 | 人力堆叠，线性增长 |
产品线：Gotham（情报/安全，FDE 诞生地）→ Foundry（企业数据操作系统，主战场）→ AIP（2023 推出的 AI 能力层）→ Ontology 贯穿三者，是二十年沉淀的核心资产。
注：2026Q2 财报数据（收入 +93%、Rule of 40 155%、NDR 157%、调整后经营利润率 62%）已与 Palantir 官方披露交叉验证。
| 玩家 | 打法 | 优势 | 软肋 / 变数 |
|---|---|---|---|
| CSP 云厂商 （排头兵） | AWS：专属 FDE 团队嵌入客户业务/安全团队，按月交付压到按天，双层 Harness；微软自建 Frontier Company | 全栈人力 + 基础软件生态（数据库/大数据/安全），能做跨系统整套交付，中立方 | 自家算盘：FDE 交付的常驻 Agent 持续烧 Token——谷歌云月 Token 处理量一年 7 倍，$1 万亿+ 年耗客户两月内 375→500 家 |
| 模型公司 | OpenAI 收购 + 合资（Tomoro、BCG/贝恩/埃森哲合作）；Anthropic 与 PE 合资，Applied AI 工程师进驻被投企业 | 模型能力最近，资本最厚 | 做不全——软件公司、咨询公司作为伙伴的价值会显现（中信证券） |
| 独立 FDE | Palantir 独一档 | Ontology + 政府级场景背书，Sovereign AI | 稀缺，短期无人能复刻 |
| SaaS 厂商 | ERP/CRM 的 MCP 化改造做引流入口 | 现网系统高粘性 | 企业内部远不止 ERP，还要和 CSP 正面竞争，格局待观察 |
| 咨询公司 | 被冲击方 | 存量客户关系 | Gartner：2026 年底 85%+ 科技服务商将以 FDE 项目为核心交付方式——转不过来就是生死问题 |
对 PE 的账：帮被投企业落地 AI、改善利润，退出时直接体现为估值倍数——这是黑石、高盛们愿意掏钱的底层逻辑。
海外验证完成（Palantir 财报）｜头部路径清晰（自建或收购）｜国产模型性价比斩杀线（DeepSeek）｜低代码工具普及｜定制化需求爆发｜软件行业五年衰退结束，70-80% 转型滞后公司承压——FDE 是出口也是生死线。
| 类型 | 公司与打法 |
|---|---|
| 平台型 | 腾讯（Codebuddy/Workbuddy 降门槛，FDE 重心抬到场景筛选）；阿里云（开 FDE 岗位，百炼/悟空平台沉淀一线经验） |
| 传统 IT 转型 | 软通动力（AI 工厂+FDE，算力集群 + Token 工厂做配套）；中软国际（AI 训练营+FDE 团队）；极视角（FDE 专责交付，知识回流产品） |
| 行业软件 | 金蝶（Harness 内嵌 ERP 底层）；科大讯飞、赛意信息；鼎捷数智（EIOSpace 企业智能运行空间） |
| 垂直行业 | 工业：中控技术（中石油场景，已跑通按结果计费）、宝信软件；金融/能源：明略科技（实控普联软件）、海智科技；法律：华宇软件；医疗：卫宁健康、麦迪科技；AI4S：英矽智能、华兰股份；安全：亚信安全 |
结论：方向确定，斜率未知。国盛的选股框架两类——传统软件转型公司（存量客户+FDE 深挖）与 FDE 基础平台供应商（卖算力和工具链）。看一家公司值不值得信：上线周期、交付人天、可复用资产占比，加一个毛利率。
2023-2025 的大头是 CSP 基建投入（抢卡、建机房）；2026 年起增量转向企业侧——主权 AI、生产负载 AI 化。a16z：财富 500 强的 29%、全球 2000 强的 19% 已是头部 AI 创业公司付费客户，B 端渗透刚开始。
FDE 落地越多 → 常驻 Agent 越多 → Token 消耗越大 → 云厂商越有钱投 FDE。硬件传导：长上下文、多轮工具调用推高 KV cache 占用，对推理算力和 HBM 是刚性拉动。单客价值膨胀已可见：Adobe 年付费 $100 万+ 客户 2 月 500 余家 → 4 月破 1000 家；Runway 营收 2 月 $1.4 亿 → 5 月 $4.7 亿。
最大的不确定性：模型会不会吃掉 FDE。如果 Agent 强到自己读懂企业系统、自己完成集成，驻场的必要性就下降。目前的答案是不会——80/20 缺口还在，合规和权限是信任问题不是能力问题。但这是需要持续跟踪的假设，不是背景板。
伪 FDE 会泛滥。每轮概念热潮都伴随贴牌：驻场外包改名叫 FDE，人天报价单改名叫"按效果付费"。四个数字比任何路演都诚实：毛利率、上线周期、人天投入、可复用资产占比。