我们怎么交付一个 FDE 项目
这一页把交付标准摊开写：用什么人进场、按什么节奏推进、每个阶段你拿到什么、哪些事我们不做。客户在签合同之前就能知道整个过程长什么样。
为什么需要 FDE
企业 AI 落地的卡点，从来不在模型
MIT NANDA 对 300 个公开 AI 项目的研究给出一个数字：95% 的企业 AI 试点对损益表几乎没有可衡量的影响。问题不在模型能力，而在模型如何被放进真实业务：脏数据、没人写下来的流程、老系统对接、权限与合规。
MIT NANDA · 300 个项目
Indeed 2025 年 1–9 月同比
三年前这个数字是 0
Anthropic 应用 AI 团队扩 5 倍
一句话
- 模型是最干净的部分。难的是找到那个没人写进文档的流程、那个大家真正信的数据源、以及那个知道流程为什么长成这样的人。
- 这三件事，远程问不出来，只能进驻现场。
团队配置
一个 Echo，一个 Delta
Echo Embedded Analyst
驻场分析师，兼具领域专家与客户经理双重身份。
- 判断「什么样的方案对这个场景真有价值」
- 典型画像：前行业主管、前信息科负责人
- 关键特质是「异端」：既懂现有做法，又看得见它哪里不行
- 输出用户故事与流程拆解，把模糊需求变成可执行的工程任务
Delta Deployment Engineer
部署工程师，负责把想法变成能跑的软件。
- 核心技能是快速原型，不是完美抽象
- 能在数据不全、需求天天变的环境下持续交付
- 当场改 Prompt、写集成、搭可演示的原型
- 不合适的人选：追求代码十年可维护的完美主义者
Palantir 的分工原话
- 「Dev 的能力是一个能力服务多个客户，Delta 的能力是多个能力服务一个客户。」
- 2016 年之前，Palantir 的 Delta 数量甚至超过普通软件工程师。对一家软件公司来说，这极不寻常。
- FDE 也被称作「创业者的预备营」：Palantir 校友已创办 350+ 家公司，Anduril、Hex、ElevenLabs 的创始人都出自这个岗位。
核心机制
碎石路，然后铺成高速公路
这是 FDE 与咨询的分界线。咨询做完就走，交付物一次性消耗； FDE 的每一份现场工作都是对未来产品的投资。
现场定制
在客户现场快速做出能用的方案。快、糙、只解决眼前这一个问题，允许低效率和返工。
模式识别
产品团队横向比对多个客户的做法，找出哪些是这家独有的，哪些是每家都要的。
抽象沉淀
把共性做法做成标准产品能力。下一个同类客户不用从零铺路，交付成本与周期持续下降。
成本下降
同样价值所需的交付成本逐单降低。这是我们能对第二个同类客户报出更低价格的底气。
这条闭环断了会怎样
- 如果没有这条闭环，FDE 就退化成了「包装花哨的咨询业务」。这是外界对它最常见的误判，也是真实存在的风险。
- 所以我们有一条硬性纪律：每个项目结束前必须回答「这次的哪些工作能沉淀回产品」。答不上来的项目，我们会复盘问题出在哪。
交付节奏
90 天，五个阶段
发现与架构
驻场访谈、流程摸底、数据梳理、合规审批、集成蓝图。
原型与管道
数据管道上线、向量化入库、可运行原型、权限模型落地。
试点与评测
小范围 UAT、固定测试集评测、红队安全测试、成本模型测算。
生产与移交
全量部署、监控告警上线、运维手册、团队培训、高管汇报。
陪跑与优化
30 天 hypercare，我们随时响应，你的团队逐步独立接手。
判断标准
每个项目必须回答的六个问题
这六个问题里任何一个答不上来，项目大概率会失败。我们在启动前就会逐条过一遍，答不上来的部分先补调研，而不是先签合同。
摸清现状
进驻现场，把真实的流程、数据源、权限归属和干系人摸一遍。这一阶段不写代码，只回答「现在到底是怎么转的」。
排出优先级
判断哪些场景现在就能落地、哪些要先补数据基础、哪些根本不该做。这一步的结论是「先做哪个」，不是「能做什么」。
交付并移交
把系统做进生产环境，同时把你的人教会。移交的判定标准是：我们不在场，你的人也能独立处置一次故障。
客户到底痛在哪？
得具体到每天 1200 张工单、每人 30 分钟这种程度。
这是 CEO 的前五优先级吗？
如果不是，项目就可能失败。领导层没有精力走完这条更艰难的路。
内部推手和阻力分别是谁？
推动的人和阻碍的人常常是截然不同的两个，阻力通常在 IT 或法务。
成功的衡量指标是什么？
降低延迟？提升准确率？还是减少人力？必须可测，且写进合同。
这部分能沉淀回产品吗？
如果不能，就退化成了咨询。这是模式失控的信号。
我不在场时它还能跑吗？
运维手册、移交、监控，三者缺一不算交付完成。
交付物
结束时你手里有什么
对比
FDE、咨询、买软件，差在哪
| 维度 | FDE 模式 | 传统咨询 | 传统软件采购 |
|---|---|---|---|
| 交付物 | 可量化的业务成果 + 产品能力 | 报告与方案 | 软件授权 |
| 谁对结果负责 | 我们，写进合同 | 交付即结项 | 你自己承担落地风险 |
| 定制工作的去向 | 沉淀回产品，下一个客户更便宜 | 一次性消耗 | 不依赖现场，也不吸收现场 |
| 毛利曲线 | 先负后正，持续改善 | 线性，人力绑定 | 高且稳定 |
| 系统真的跑起来 | 保证生产运行 | 不涉及 | 常见烂尾 |
| 适合什么情况 | 需求模糊、场景异质、必须见效 | 问题已明确，只需方案 | 需求标准、流程成熟 |
边界
我们不做什么
这五件事，我们会在签约前说清楚
- 我们不做全自动。AI 系统的幻觉率可以压到很低，但不会归零。涉及资金、权限、合规的高风险动作，我们坚持保留人工审批环节。
- 不是所有场景都适合 FDE。如果你的需求已经高度标准化、流程成熟，直接采购成熟软件通常更划算。这种情况我们会如实告诉你，哪怕这意味着不做这单生意。
- FDE 模式有失控风险。如果缺乏纪律，它会退化成纯定制开发：每个客户一套代码，永远无法规模化。我们靠产品团队持续抽象来避免这一点，这也是「碎石路到高速公路」那条闭环存在的意义。
- 人力门槛很高。需要既懂技术、又能接住客户业务方提问的人。差旅频繁，压力显著高于普通工程岗，这也是这个岗位在市场上稀缺的原因。
- 本页的数据来源说明。行业数据来自 MIT NANDA、Indeed 与 Palantir 公开资料；90 天节奏与团队配置是我们的典型值，实际会随场景复杂度、数据成熟度与合规要求调整。