FDE : AI Agent 落地新模式，居然是傳統的駐廠工程師 - Part. 1 Nano Banana 直接下提示詞 forward deploy engineer : AI Agent 的結果

最近在矽谷，有一場關於創業模式的討論比 AI 本身還要火熱，叫做 FDE : Forward Deployed Engineer，這個模式很有效的幫助 Palantir 解決了現在 AI Agent 落地難的問題，但是縱觀FDE 的方法論，居然跟傳統的駐廠技術人員(FAE) 很相似。我在看完之後，我也立刻驚覺，這就是我的 Data Team 在艾立的模式呀

看來有「真的」在做 AI 轉型的人，看到的痛點，以及問題的解法都類似

FDE 是啥

我們先來看看一個 Youtube : Bob McGrew在 YC的 Podcast 的談話

Bob McGrew, 這位曾是 PayPal 早期工程師、Palantir 早期高管，最近還擔任了 OpenAI 首席研究官（領導了 ChatGPT、GPT-4 等模型開發），在 Y Combinator (YC) 組織的一場 AI 大會上，大家預期 YC Founder 創始人們會向他請教關於 AGI 的未來。然而，Bob 卻意外地發現，所有 AI 創業公司創始人都對一件事充滿了極大的興趣和好奇

Palantir 的「前線部署工程師」（Forward Deployed Engineer, FDE）模式是如何運作的？

Bob McGrew 說道：「在過去一年裡，我為許多創業公司提供諮詢，他們幾乎把所有精力都用來學習 FDE 策略是如何運作的。」如今，FDE 策略已成為 AI Agent 新創公司組織自身、走向市場的主導方式 。YC 的職位公告板上，標有「前線部署工程師」職位的公司數量在短短三年內從零增長到了上百家。那麼，FDE 到底是什麼？這個模式為何在 AGI 狂飆的時代全面復興？

FDE 模式的起源

前線部署工程師（FDE）通常是技術工程師，他們駐紮在客戶現場 。他們的核心任務是彌補產品現有功能與客戶實際需求之間的鴻溝 。FDE 會與產品團隊合作，為特定客戶找出如何交付成果、構建使用案例，從而為客戶和未來的客戶提供極大的價值。

FDE 的實質

FDE 模式最初是由 Palantir 首創的。Palantir 早期旨在為情報界（間諜）構建軟體。由於一般人很難直接了解間諜的實際工作流程（甚至無法找到人詢問），

AI 需要跟企業流程整合，但是軍工或是情報界根本就不可能事先知道流程

Palantir 只能從Demo開始，並根據客戶的回饋不斷調整，但是效果一直都很差。然而，Palantir 發現，每個客戶需要的產品都有細微但關鍵的不同。因此，他們轉而構建了一個「高度可定制的平台」 而非單一產品。FDEs 駐紮在現場進行定制化工作，而這種定制化工作被 Palantir 視為 「產品發現」的過程，而非單純的服務成本。

FDE 模式描述為有效地執行著

「在規模上做不擴展的事情」(doing things that don’t scale at scale）

這與 Y Combinator 的經典建議「做不擴展的事情」類似，但 FDE 模式是在規模化地重複執行這些高接觸工作。

FDE 的運作機制

一開始 FDEs 在客戶現場的工作，就像在現有產品與用戶需求之間鋪設一條能勉強通行的碎石路」。總部的產品和工程團隊的職責，則是觀察和通用化這些「碎石路」，將最有價值的經驗提煉出來，轉變為一條適用於未來五到十個客戶的「鋪設好的高速公路」 ，並將其沉澱到核心產品中。

這種方法使得 FDE 成為一種由內而外的、貼近實戰的產品需求發現機制

FDE 團隊的兩大核心角色：
A. Echo Team（嵌入式分析師）： 職責 駐紮在客戶現場，與用戶溝通，發掘關鍵問題或使用案例，同時也是AM。Echo 特質 必須擁有深厚的領域知識 ，但同時必須是「叛逆者」或「異教徒」，他們認識到現狀的不足，並能夠實現 10 倍的突破性改變 。

nano banana 好像對叛逆者描述挺奇怪的

B. Delta Team（部署工程師）： 職責 軟體工程師，擅長快速編寫代碼 並迅速部署解決方案。 應是擅長快速交付成果的原型設計者 ，解決問題的速度才是最追求的。他們寫的第一個版本可能需要被丟棄或重寫。Bob 提到，這種 FDE 訓練與新創公司創始人 的訓練非常相似，這也是 Palantir 誕生了大量新創公司的一個原因

FDE 模式的核心商業邏輯

FDE 模式與傳統 SaaS 商業模式有本質區別

FDE 模式的核心是銷售解決問題的「成果」 ，而非販賣 SaaS 軟體功能

定價通常基於所交付的成果價值，合同結構更為靈活。新創公司應承擔早期風險，並在成果顯現或業務擴展時獲得報酬。

舉例，如果你的 Market Agent 是加速舖開廣告通路，協助客戶找到 Lead ，那 SaaS 賣的是功能， Agent 可以加速一鍵部署到 FB , IG , YT , 你部署10 個廣告多少錢。但是 FDE 模式收費是你幫客戶找到 100 個 Lead 多少錢。

另外一個模式是我在中國看到的，電商賣貨的 Agent ，直接跟客戶簽訂，Agent 賣出100萬的貨給乙方多少錢，超過 100萬的貨，跟客戶抽成 X % 。而非我的 Agent 可以幫你增進產出 campaign 效率 20% ，因為對CEO來說，工作效率高 不等於 賺錢。

所以販賣成果的好處就是非常容易說服甲方，因為甲方給錢是根據賺錢的比例。

FDE 策略的目標是利用成效驅動合同規模不斷上升（像是合約綁定業績抽成)或是 cook 出更多的案子

如果沒有做成更大規模的合約的可能性，只是固定的合約，FDE 這樣針對某個 Key Account 昂貴的人力投資就不值得。

AI Agent 時代的全面復興

2010 年代，FDE 模式曾被視為 Palantir 針對政府市場 toG 的「個例」和 「非主流」，而且以美國這樣高昂的人力成本，本來不應該發揚光大，但 2025 突然文藝復興起來，這個方法論在 AI Agent 創業公司中迅速普及，主要是 AI Agent 普遍性的無法落地 (請看 MIT ​報告 : 95％企業導入AI都失敗，誰活在平行時空？)

根據我在產業的觀察跟同業的討論，2C AI 應該問題不大，但是2C都被大廠佔領了，所以 impact 到的主要是 2B的 AI Agent 行業

  1. 2B AI Agent 缺乏現有的主導產品： 傳統的 SaaS 產品通常是一個最強的PMF(Product Market Fit) ，馬太效應直接取代現有所有的同類產品。AI Agent 太新了，而且面對 2B AI Agent ，挑戰與 Palantir 當年創造間諜情報分析軟體品類的挑戰一模一樣。由於沒有現成的標準和參照物，這些探索必須深入企業內部完成，市場上存在巨大的產品需求未知
  2. 2B 市場的高度異質性： Palantir 的政府市場內部差異巨大（例如反擴散與反恐的工作流程不同），2B AI Agent 市場同樣充滿了異質性，不存在一個「萬金油」產品。每個細分市場都需要不斷的技術開發和定制化，迫使公司持續地「在規模上做不擴展的事情」

FDE 模式的問題

FDE 不是顧問

聽到這裡，大概大家就覺得FDE就是 Consultant 模式換了一個 trending word 。這就是 FDE 模式最大的危機，我們導入 FDE是為了解決問題，不是做一個老模式。不能做成「顧問業」的樣貌。駐廠人員在解決客戶問題同時，不能只埋頭做事，不抬頭看路。如果這樣FDE 最怕只做一次性買賣，或是避免淪為顧問服務。

嚴格的紀律是很重要的 ，確保將 FDE 在現場構建的特定解決方案通用化，Echo/Delta team 必須要定期 feedback 總部產品，接收端的總部產品團隊必須在 Echo/Delta 團隊幫助下，將單個客戶的「碎石路」轉化為適用於未來十個客戶的「高速公路」

FDE 不是外包

FDE 成功部署的關鍵在於解決客戶「領導層」的優先問題， 不是客戶 contact window的問題。如果不是解決高層的痛點，公司將難以獲得授權和支持，無法應對企業 IT 團隊等內部障礙，到最後只是大量根據 working level 的客製化，淪為外包

如何確定 FDE 走在正確的路上

要衡量 FDE 是否是對的，有幾個重要的指標

  1. 付出成本跟利潤率是否前期跟後期有明顯變化
  2. 核心產品團隊跟FDE的溝通是否暢通，產品有沒有跟 FDE 意見進化，還是兩者都在不同世界

付出成本跟利潤率

前者就是決定諮詢顧問業跟FDE的差別，理論上諮詢顧問業成本跟收入呈線性，做一個 Project 要一個人，十個Project要十個人。FDE理論上第一個 Project 會賠錢，但是如果有持續反饋到產品功能上，有了產品的槓桿，理論上 5~10個 Project 就應該要很明顯的成本下降。

另外就是這個深耕客戶產業的合約「價值」跟專案「數量」，要隨著時間應該明顯成長。因為如果你真正解決客戶的問題的話，經驗上客戶會幫你介紹更多內部的案子。另外如果這個客戶是行業龍頭，理論上你應該可以輕鬆的根據 ref case 獲得其他行業 tier. 2 的專案複製訂單

產品有沒有跟 FDE 提供現場意見進化

這個如果產品開發就自己開發自己的，FDE 只是做好自己一畝三分田，那這就是一個外包生意。

FDE : 矽谷的當紅炸子雞

矽谷最近新創諮詢公司 Distyl AI 最近剛剛宣布B輪募到 175M , 他們也是來自於Palantir ，並且也是標榜用 FDE 模式來做諮詢顧問的落地了。代表 AI Agent 落地問題已經嚴重到，大家已經開始反思 SaaS 模式在 AI 時代的可執行性，而且VC已經會用落地成功率去考核公司，而非你的模型可以幾B 參數

這一兩年，我剛好有幸在物流界做 AI 轉型，在 AI 落地上獲得一些經驗，很神奇的是，雖然我沒在Palantir , 也不是啥趨勢觀察家。但是，我也無心插柳的確組織出一個跟 FDE 很類似intern 團隊，甚至我也發現我團隊成員有明確的 Echo Team 跟 Delta Team 的特色。證明一件事

我雖然跟那些大神出身不同，但是只要我直面真正的問題認真解決，我也能想出跟大神類似的解法。

根據我組建FDE(工讀生)團隊的經驗，回去看 FDE 模式的分析，我也理解到幾點

1. 這個模式 2B 成功率的確比 SaaS 高多了
2. 重點不是第一次的成功，而是成功之後的抽取經驗，反饋產品
3. 如果不能在中期(6m ~ 1Y) 有效率的擴大戰果（水平擴展到其他客戶，或是將這個客戶多拉一些案子），那這個模式很可能賠錢

在下一個 part ，我也會試著回想那時候的組建 FDE 遇到的問題，以及一點點的經驗分享。