创始人应该从前沿部署工程师模式中借鉴什么（以及应该舍弃什么）

Nabeel Qureshi 于 2015 年夏天加入 Palantir。他后来搬到图卢兹，在空客制造 A350 的工厂里每周工作四天，持续了一年。他团队的软件在整个生产线上跟踪工单、缺失零件和不合格项。他称之为“Asana，但用于造飞机，”，并写道它“最终帮助推动了 A350 制造的提速，成功将制造速度提升了 4 倍，同时保持了空客的高质量标准。”

同一篇文章也记录了相反的记忆。在其他项目中，“你会遇到一家公司购买 8-12 周的试点，而我们把整整 8-12 周都花在获取数据访问权限上，最后一周才手忙脚乱地准备出可以演示的东西。”

同一家公司，同样的软件，同样的招聘标准。变化的是工程师坐在哪里，以及他有多大权限去据理力争。

十年后，AI 界最响亮的名字已经选定了立场。2026 年 5 月，OpenAI 推出了 Deployment Company，由 TPG 牵头的十九家公司财团出资 40 亿美元。首席运营官 Brad Lightcap 表示：“我们的客户告诉我们，他们需要帮助，才能从试点走向生产。Deployment Company 将把我们的工程师派驻到他们的团队中，并配备交付所需的资源。”6 月底，AWS 宣布成立一个规模 10 亿美元的前沿部署工程组织：由五到六名工程师组成的小组，45 天的交付周期。两天后，微软发布了 Frontier Company，一个 25 亿美元的业务部门，拥有约六千名工程师和行业专家，嵌入客户内部。7 月中旬，Anthropic、黑石和 Hellman & Friedman（高盛也是投资方之一）为 Ode 注资 15 亿美元，针对真实企业数据开展同样的工作。

每一家严肃的 AI 销售商都汇聚到了同一种交付模式上：一名资深工程师深入客户的业务内部，以生产成果而非演示来评判。

下面是与你——一家年收入 300 万到 1500 万美元的公司创始人——相关的部分。这一切都不是为你而建的。据 The Information 报道，OpenAI 对这类工作向每个客户至少收取 1000 万美元。Palantir 披露的最小交易额是 100 万美元，其平均客户每年为他们贡献约 470 万美元（根据 FY2025 10-K，954 家客户共贡献 44.75 亿美元收入；该部门是我们的）。

你买不起真正的版本。但你可以理解它为什么能赢，并购买那五个能完整迁移到你的规模的机制。这就是这篇文章的目的。（提前坦诚披露：发布本文的 Mercury，销售本文最后三分之一所倡导的那类资深咨询与工程服务。请据此阅读。）

被人人引用的数字，纠正版

你可能见过“95% 的 AI 试点失败”这一说法。这是一处误引，而由于本文将依赖其背后的研究，这个纠正很重要。

该数据来源是 MIT 的 NANDA 计划，其2025 年 7 月的报告基于对 52 家组织的访谈、153 位领导者的调查以及 300 多个公开项目。报告发现：尽管企业在生成式 AI 上投入了 300 亿至 400 亿美元，95% 的组织却毫无回报，也就是说，在试点结束约六个月后，损益表上没有任何可衡量的影响。试点层面的数据是另一组，而且以更具体的方式更糟：在定制化、面向特定任务的企业工具中，只有约 5% 进入生产环境。通用 LLM 工具进入生产环境的比例约为 40%。该报告是初步性的，自称“方向上准确”，并因方法论而受到批评（Futuriom：“95% 这个数字只用一句话带过，但作者没有说明这个数字从何而来”）。把它当作一个响亮的数据点，还有更安静的同类数据在佐证它。

更安静的数据指向同样的方向。S&P Global 旗下 451 Research 调查了 1,006 名 IT 和业务专业人士，发现放弃大部分 AI 项目的公司比例在一年内从 17% 跃升至 42%；平均而言，46% 的项目在概念验证与大规模采用之间被砍掉。Gartner 预测，到 2027 年底，超过 40% 的 Agentic AI 项目将被取消；这是一个预测，而且只是方向性的。

标题省略了原因。RAND 访谈了 65 位从业者，其中 84% 的人将领导层驱动的根本原因——误解或误传了需要解决的问题——列为 AI 项目失败的首要原因。数据质量位居第二。BCG 对 1,000 位高管的调查将 70% 的实施困难归因于人和流程，20% 归因于技术，10% 归因于算法本身。McKinsey 的 State of AI 调查测试了 25 种实践对生成式 AI 带来的 EBIT 影响的作用；重新设计工作流程的效果最大，而使用生成式 AI 的公司中只有 21% 真正做到了这一点。

把这些放在一起看，模型就不再是问题的所在。项目死在数据访问和工作流程适配环节，而且没有人对结果负责。失败出在 AI 如何被交付到企业中。而这恰恰是前沿部署工程师模式在十九年前、也就是在当前这波发布浪潮之前，被发明出来要解决的问题。

服务员与后厨

2006 年，Alex Karp 问 Palantir 第十三号员工 Shyam Sankar，为什么法国餐厅这么出色。他的回答是：服务员是后厨的一部分。他们了解菜品，为食客纠偏，并在两个方向上传递信息。Karp 请他为工程部门构建这样的机制。Sankar 做到了，并在 2007 年将其命名为“前沿部署工程”，用他的话说，“以此向我们的客户致敬”。他对这一理念的总结至今依然成立：“我们不相信把软件扔过墙头，然后指望客户自己参悟出正确的用法。”

Palantir 的内部结构让这一理念变得具体。该公司将工程团队一分为二：Devs 负责构建产品（“一个能力，服务多个客户”），而 Delta——即前沿部署工程师——则深入单个客户内部（“一个客户，多种能力”）。直到 2016 年左右，Palantir 雇佣的 FDE 数量还多于产品工程师。该公司自己的 S-1 文件用一句话概括了这一点：“我们的前沿部署工程师（'FDE'）曾前往阿富汗的军事基地和美国中西部工业区的工厂部署我们的平台。”

华尔街对此深恶痛绝。2016 年 5 月 19 日，Bill Gurley 向在场的一众投资者调查他们愿意为 Palantir 出价多少；超过 15 亿美元的举手人数为零，在场者的结论是“不盈利的咨询业务”。这种以服务为主的模式看起来无法规模化、利润率低，正是软件投资者被训练要避而远之的一切。

但这一结论在数据面前站不住脚。2023 年，Palantir 的 GAAP 毛利率达到 80.6%：根据 SEC 文件，营收为 22.25 亿美元，营收成本为 4.311 亿美元（营收、成本）。Qureshi 的对比是：“这是软件级别的毛利率。相比之下，埃森哲只有 32%。”Delta 所做的那些过度拟合、针对特定客户的工作，被 Devs 持续提炼成产品，其中之一 Foundry 如今贡献了 Palantir 一半以上的营收。2024 年，Palantir 是标普 500 指数中表现最好的股票，上涨了 340.5%。2025 财年以44.75 亿美元的营收收官，同比增长 56%，其中美国商业营收在最后一个季度增长了 137%。这家形似咨询公司的企业，最终被证明是一家拥有更优需求承接机制的产品公司。

还有一个来自该模式内部的细节，由 Palantir 商业负责人 Ted Mabrey 提供，因为它在后面会很重要：那家法国餐厅里的服务员并不是只会记录点单的人。“如果你想给鱼配错酒，服务员会直接告诉你不行。”

怀疑者大多是对的

在你把这一切带回自己的公司之前，先认真对待这些反对意见，因为它们很有力，而且大多是对的。

先说最廉价的那种质疑。当 OpenAI 招聘 FDE 的消息登上 Hacker News 时，反复出现的说法来自 dangus：“前沿部署工程师不过是解决方案架构师换了个头衔。”另一位评论者 Avicebron 表示：除非 FDE 对核心产品团队有真正的影响力，否则他们“不过是 glorified field engineer/technical consultant（美化了的现场工程师/技术顾问）”。Thomas Otter 则将其简化为一张发票的检验：“如果这项工作向客户开票，那就是咨询；如果不开票，那就是客户成功、支持或售前。”

严肃的版本来自 Palantir 内部。Mabrey 在 2024 年 9 月写了一篇文章，标题毫不含糊："抱歉，那不是 FDE。" 他认为，如今招聘“前沿部署工程师”的公司“复制的是 FDE 的形式，而非其功能”。他把它们称作致敬乐队。加入这些公司的前 Palantir FDE 们形容那段经历“感觉像在坐牢”。按照他的说法，这种功能依赖于职位头衔无法承载的东西：FDE 被训练成“表现得像 CEO，却毫无实权”；一个希望工程师渴望范围蔓延的组织，因为客户的使命要求如此；以及能够消化这种成本的经济模型。他对这些经济账直言不讳：Palantir 每年从其前二十大客户那里获得超过 11 亿美元的收入，核心产品“在能够被整合之前经历了 10-20 次不同的定制实施”，并且全程伴随着“巨大的关键人员风险”。他的文章最后拒绝了对这类文章（包括本文）前提的认同：其启示是“不要照搬 FDE，而是促使你扪心自问，你对公司架构做出了哪些假设，以及你是否真的应该照搬任何东西。”

请记住以上这一切，因为它们是真的，而另一件事同样是真的：目前以 FDE 之名卖给中型市场公司的大部分东西，恰恰就是 Mabrey 所说的那样。一家换了新名片的劳务派遣公司。

但这种拒绝忽略了你的规模下的某些东西。Mabrey 的对齐问题——当没有人对任何人拥有正式权力时，你如何让一名嵌入式工程师忠于客户的使命——是大公司的问题。Palantir 通过培训、文化以及 1000 万美元以上的多年期合同来解决它，这些合同让客户的使命在商业上关乎生死。而在一家 40 人的公司里，这套机制大多无事可做，因为对齐就存在于同一个房间里。真正的 CEO——也就是你——就坐在桌子对面。那个能让企业级试点拖延十二周的数据守门人，在你的公司里只是一位运营经理，你周四之前就能安排好他的配合。NANDA 的数据印证了这一点：中型市场的头部表现者从试点到全面实施大约用了 90 天，而企业则需要九个月以上。

留下的一个诚实的问题是：谁来约束供应商，因为精品公司的工程师仍然效力于一家喜欢计费工作的公司。答案同样必须是结构性的，只是更便宜：固定费用而非持续计费、诊断后的终止选项、以及最终所有权移交给你。本文末尾的清单就是这一结构的逐条展开。

不能照搬、也不应模仿的部分：大批嵌入客户现场的二十多岁工程师大军、把范围蔓延当作增长策略、长达数月的免费试点（Palantir 自己的 S-1 也承认这种模式“往往要求我们花费数月……进行零成本或低成本的试点部署”）、五年期的落地扩张曲线，以及把过拟合的苦力活转化为 80% 毛利率的产品杠杆经济学。这些属于 Palantir 和那四家十亿美元级的部署公司。别碰它们。

明码标价的菜单

剥掉那些术语，2026 年想要认真获得 AI 帮助的创始人有六种选择。下列价格均有出处或经过推算；若某个数字来自供应商自卖自夸，会明确注明。

一家工作室正在这个领域耕耘，Utsubo，它推销自己的模式，但算了一笔诚实的账：“一位年薪 35 万至 55 万美元总薪酬、出差时间占 25%–50% 的工程师，在 SMB 定价水平下，无法在一个 4 万至 8 万美元的 SMB 项目上实现收支平衡。”这笔账正是表格背后的故事。在 5 万美元的代理机构项目（其漏斗中每二十个定制工具只有一个能进入生产环境）与 100 万美元的 Palantir 门槛之间，几乎没有什么可信的购买选择。这个差距源于成本结构：按实验室标准支付薪酬的工程师，无法在按你的预算定价的项目上实现收支平衡。

阴影区间：5 万–100 万美元——几乎无物可买。

区间取自上表；对数刻度。灰色行并非厂商自建系统：一项是咨询服务，另一项是对雇佣关系的押注。

一家精品公司摆脱这笔账的方式只有以下几种：没有占一半时间的出差负担，没有在项目间隙闲置的待命人员，没有需要保持计费工时的初级员工金字塔，而且合伙人拥有公司本身，而非领取实验室级别的薪水。诊断性门槛通过为双方设定下行风险上限，覆盖了其余部分。至于某家厂商是否真正摆脱了这笔账，而不是悄悄削减了让这一模式得以成立的资深人才配置，是可以核实的。下面的“放弃合作清单”正是为此而设。

每种选择何时是正确的决定

这份菜单上的每一行对某些人来说都是正确的选择，假装不是这样就会让本文变成一则广告。

当 AI 正在成为你的产品、该职位负责一个以年为单位衡量的路线图，并且你能承受对单个人 60 万美元的首年押注时，就聘请 AI 负责人：平均薪酬 35.3 万美元，乘以约 1.42 的雇主成本（美国劳工统计局将福利定为私营行业薪酬成本的 29.7%，即每小时 45.38 美元中的 13.49 美元，这使薪资负担约为 1.42 倍），再加上猎头费，如果招聘失败还可能再来一次。当你达到企业规模且交付成果部分带有政治性质时——董事会掩护、市场认可的签名——大型咨询公司才配得上它的收费。当问题已被完全明确、属于商品化形态，并且你睁大眼睛接受试点风险时，可以使用代理机构；在每小时 24–49 美元的价位上，总得有人是初级员工，而对于一个边界清晰的集成项目来说，这可以接受。只有在你已经雇有工程师、唯独缺乏方向时，兼职 CAIO 才有意义。如果你能跨过 100 万美元的门槛，就找 Palantir 或某个部署型创业公司；精品公司规模无法复制千人工程师的储备。当你的问题是商品化形态时（代理机构更便宜且足够用）、当你需要的是长期产能而非一次性构建，或当你缺乏的仅仅是方向时，就跳过 FDE 式的精品公司。

无论你选择什么主线，都源自 NANDA 的数据：那些成功的买家“表现得像 BPO 客户，而不是 SaaS 客户。他们要求深度定制，从一线推动采用，并让供应商对业务指标负责。”同一份数据还显示，外部合作工具的部署成功率约为内部自建的两倍，大约 67% 对 33%，报告自己也提醒相关性不等于因果性。购买结果，并在供应商构建结果的过程中始终在场。

值得借鉴的五个机制

FDE 模式的制胜机制与规模毫无关系。其中五个可以原封不动地移植到创始人主导的公司。

1. 先嵌入，再定义需求。 Qureshi 将这一模式的基础洞见归功于 Tyler Cowen 的一句话：“稀缺的正是上下文。”从需求文档出发构建的软件，继承了他所说的被“扁平化的需求清单”式的业务观，剥离了那些决定一个工具能否在某个周二下午的实战中存活下来的隐性知识。Palantir 的答案是每周四天驻场。你的答案更简单：构建你系统的人，第一周先去观察工作是如何发生的。在一家 40 人的分销商那里，第一周就是找到那位用电子表格暗中支撑着整个公司运营的运营经理。

我们亲身经历过类似情形：一家以开班launch为主的教育业务，其销售追踪工具是一张 91 列宽的电子表格，每个月都要手工重建。我们的嵌入方式不是 Palantir 那种，也没人需要飞来飞去；这正是经济模型能在企业级以下规模成立的重要原因。我们采用录制的 Zoom 会议，由负责某个流程的人一步步带我们走一遍，异步部分则用 Loom 录屏。真正关键的产物是一列备注：CFO 一直在那里逐笔手工计算付款方案——基础金额、奖学金折扣、百分之十的利息、四期月供、每期 $280.08。我们对每一步都追问为什么，而那些聪明、资深的人最常见的回答是某种形式的“我不知道，我们一直都是这么做的。”有几条记录被发现在不同电子表格中重复存在，而且没有任何人说得清为什么要维护它们。需求研讨会问不出这些答案。观察人们在哪里点击才可以。

2. 数据访问本身就是项目，要最先规划。 Sarah Constantin 在泛论企业数据集成业务时指出：“比起获得交付成品软件工具所需的数据访问权限，做成一笔数百万美元的销售反而更容易，这一点也不罕见。”回想 Qureshi 那十二周的试点，全部耗在访问权限的谈判上。在你的规模下，政治博弈更小但依然真实：护着会计文件的书记员、CRM 数据卫生即将被曝光的销售负责人。任何供应商，如果其计划不是从点名系统、点名负责人、点名访问日期开始，那它规划的就是一场演示。

3. 数周内交付可运行的软件，因为速度就是信任机制。 企业软件的预期是由耗时数年的瀑布式实施确立的。Qureshi 说：“当一支由二十几岁年轻人组成的杂牌军出现在客户现场，并在一两周内构建出人们真正能用的软件时，所有人都注意到了。”速度是你发现真相的方式：一个在数周内投入实际使用的系统会产生证据，决定是否继续推进。NANDA 的发现——中市场赢家在大约 90 天内从试点走向实施——是从外部衡量出的同一个事实。以我们自己的例证（单个受限案例的价值）而言：上文场景中的教育业务在三周内从诊断走向生产，而且该系统在九个月内通过一个定制销售指挥中心处理了 785 万美元。

4. 先过拟合，永不泛化（那是他们的问题）。 Palantir 刻意进行了分工：Delta 将解决方案针对单个客户过拟合，Dev 将其转化为面向一千个客户的产品。你只需要前一半。那个契合你季度末收尾流程、你的命名规范、你的例外情况的系统，会胜过那个大致契合所有人的可配置平台。泛化是软件供应商的经济需要。不要为此买单，并对任何交付物闻起来像其下一个产品的人保持警惕。

5. 一个有底气说“不”的交付者。 又是 Mabrey 的服务员：上错的酒会被拒收。FDE 被训练成“表现得像 CEO，但毫无实权”，而其低端对应物是一个在结构上能够以书面形式对你说“不”的供应商：这个工作流不应该被自动化，你要的这个工具不会收回成本，这个项目不应该在诊断之后继续推进。一个只会说“是”的供应商就是一份菜单，而你会点错菜，因为上述失败研究在很大程度上就是一份“点错菜却得到了自己所点之物”的客户目录。

如何分辨真品与致敬乐队

根据 Bloomberry 对一千条招聘信息的分析，截至 2025 年 10 月，前沿部署工程师的招聘启事同比增长了 1,165%。以这种增速膨胀的还有职位头衔。First Round 发布了一份 FDE 招聘指南，它悄悄地假设雇主服务于财富 500 强客户；却没有人写过买方视角。因此，与上述一切相反，对于评估任何销售嵌入式 AI 工程服务的创始人的建议是：

当你看到以下情况时，请走开：

• 按产出量计酬。 纽约一家 AI 转型公司的 FDE 招聘启事（TenEx Labs，由 Morning Brew 的 Alex Lieberman 联合创办的公司，2026 年 6 月）提供 18 万美元基本工资，季度配额为 562.5 个故事点，超出配额每点 80 美元，上不封顶。无论这能激励什么，它都激励不出花一周时间找到那张电子表格所需的耐心。
• 按小时计费，没有固定交付物。 Otter 的发票测试是双向的：如果计费按小时进行，拖延就是收入。
• 售前的高级人员不是实际构建的人。 金字塔模式被下移到了中端市场。以你的交易规模，没有经济上的理由接受它。
• 没有书面说明哪些内容不应被自动化。 从未拒绝过工作的供应商从未诊断过任何问题。
• “AI 战略”没有数据访问计划。 一个不以具体系统、具体负责人和具体访问日期开头的计划，只是一个演示计划。
• 头衔通胀是一个信号。 Anthropic 以“Applied AI”头衔运营其嵌入式工程职能；截至 2026 年 7 月 31 日，其招聘页面列出了 22 个此类职位，而“前沿部署”头衔为零。标签是营销；实质是工作模式。

当你看到以下情况时，请留意：

• 在任何构建之前，有付费诊断和终止选项。 固定费用、固定周数，以及明确的“不构建”可能性。拒绝的能力，写入合同。
• 成功的定义是系统在没有他们的情况下运行。 同一份 TenEx 招聘帖包含了业内最好的一行完成定义：算数的是“周一早上工作流在运行，而 [供应商] 没有人在现场。”把这句话写进你的合同。
• 你拥有构建出来的东西。 代码、数据模型、文档，在你的基础设施上，在全额付款时。其他一切都是租赁。
• 一个你可以验证的产能声明。 任何销售嵌入式高级人员关注的供应商都应该能够以可核查的方式告诉你，他们同时运行多少个项目，以及他们现在在做什么。无限的可用性意味着没有任何东西是嵌入式的。

应该放弃什么

Mabrey 在文章结尾告诉你完全不要复制 FDE，从字面上看他是对的。你不应该构建一个 FDE 项目，你也雇不起这些人员：据一家高管猎头公司 TechCrunch 报道 的估计，美国 FDE 人数约为 17,000 人，实验室和超大规模云厂商都在争抢他们，而且公布的薪资区间在基础薪资就达到 385,000 美元——而这还是在你的一行代码存在之前。

你能做的是把这个模型转化为五个购买决策：先诊断后构建。先有数据访问计划再有路线图。同一位高级人员既诊断又构建。几周内拿出生产证据而非演示。以及一家有底气拒绝错误方案的供应商。

记住图卢兹的两个场景。一个产出了“造飞机版的 Asana”，帮助一条生产线产能翻了四倍。另一个产出了十二周的访问谈判和一个在最后一周拼凑出来的演示。自这两个场景发生以来，模型已经改进得面目全非。但在两者之间做出决定的因素完全没有改变：是否有高级人员身处现场，有时间去了解它，并有说“不”的权力。

Mercury Consulting 出售的正是本文所主张的固定费用运营诊断（15,000–25,000 美元，四至八周），并刻意限制同时承接的项目数量，以确保进行诊断的资深团队就是负责落地的团队。请带着这一点来权衡本文的论点。