“

巨头花几十亿美元买的不是一群人，是一套让交付可复制的机制。能力清单解决“人会不会”，交付系统解决“公司赚不赚”。

本文看点

2026 年上半年，海外三家巨头几乎同时下注同一件事。

OpenAI 在 5 月官宣成立 OpenAI Deployment Company，初始投资超 40 亿美元，TPG 领投、十九家投资与集成机构参投，并收购 Tomoro 直接带入约 150 名前线部署工程师。Anthropic 联手黑石、Hellman & Friedman、高盛等，以约 15 亿美元承诺资本组建企业 AI 实施公司，7 月以 Ode 品牌正式发布，底盘是被收购的 Fractional AI 及其约百人工程团队。AWS 在 6 月底宣布投入 10 亿美元建设 Forward Deployed Engineering 组织，目标数千人规模，作战方式写得很具体：五到六人小队，四十五天周期，嵌入客户现场。

国内的市场热度同样不缺。按智能超参数《中国大模型中标项目监测与洞察报告（2025）》口径，2025 年全年国内大模型相关中标项目 7539 个，披露金额 295.2 亿元，同比增长约 356%；千万级大单 314 个，亿元级 44 个；科大讯飞以 210 个项目、23.16 亿元继续领跑，央国企占据约六成份额。政策端的推力也在加码：国务院《关于深入实施“人工智能+”行动的意见》（国发〔2025〕11 号）设定了 2027 年智能体普及率超七成的目标，2026 年 4 月的国发〔2026〕7 号文首次点名“支持采购大模型、智能体服务”，工信部等八部门的“人工智能+制造”专项则提出到 2027 年推出千个工业智能体、五百个场景。

看起来遍地是钱。但另一组数字必须并列摆出来。

MIT Project NANDA 在 2025 年 7 月发布的《The GenAI Divide: State of AI in Business 2025》里给出一个刺眼结论：约 95% 的企业生成式 AI 试点没有对损益表产生可测量影响，真正产生数百万美元价值的只有 5%——而报告把主因归为方法与学习差距，不是模型不够强。Gartner 2024 年预测“2025 年底前至少 30% 的生成式 AI 项目会在概念验证后被放弃”，2026 年初它自己承认实际比例超过 50%，并预测到 2027 年底超过 40% 的智能体项目会被取消。BCG 2025 年 10 月覆盖 1250 家企业的调研《The Widening AI Value Gap》更直白：仅 5% 实现规模化，60% 几乎没有回报，而落后者与领先者的差别中，七成投入其实发生在技术层之外。

把这两组数字并排看，结论就浮出来了：需求爆炸和交付失败是同一枚硬币的两面。行业里流传的那份“FDE 十二项能力清单”回答的是“人会不会”，它有价值，但只是半张答卷。95% 的失败不是因为工程师个人能力不够，而是因为公司没有一套让能力稳定变现的系统——没有账本，没有编队，没有契约，没有地基，没有闸门，没有飞轮，没有仪表盘。

这篇文章补的就是另外半张：把 FDE 从“能人”变成“系统”的七张图纸，加上甲方侧的对照清单、成熟度模型和 90 天启动路线。每一张图纸都尽量给到可以直接抄走用的东西：公式、条款范式句、阈值、检查项。

传统软件的验收是布尔值：这个按钮点了有没有反应。AI 系统的验收是分布：一百条真实样本里，判对多少条、错在哪一类、错了谁兜底。这不是措辞差异，而是整个项目管理范式的迁移。OpenAI 在 2025 年关于评测的工程文章里把流程拆成三步——Specify（定义什么叫“好”，建黄金样本集）、Measure（在真实环境测，可用模型做裁判但保留人审）、Improve（持续迭代）。这套东西在国内 toB 语境里还有第二重身份：它是回款依据。

MIT 的报告把失败主因指向系统不留存反馈、不适应组织上下文；BCG 指出落后企业中只有 8% 有 C 级高管深度参与，而领先者接近 100%。也就是说，项目死于“没定义清楚”的概率，远高于死于“模型不够聪明”。反映到排期上，一个健康的 AI 交付项目，定义阶段（场景、标准、数据、责任）的投入不应低于总人力的 25%。低于这个数的项目，后期几乎必然用返工把它补回来，而且要付两倍价钱。

软件生意的边际成本递减，人力交付的成本是线性的。AI 项目定制程度高，如果每个项目都从零开始，规模越大亏得越多。Palantir 2025 财年营收约 44 亿美元、同比增长 53%，而人员只增长约 10% 却带来 63% 的营收增长——这个“运营杠杆”就是资产复用的财务表达。埃森哲 FY2025 生成式与智能体相关收入 27 亿美元、订单 59 亿美元，背后是 77000 名 AI 与数据专家、6000 多个项目的沉淀。两家路径不同，逻辑一致：先把方法固化成资产，再用人去放大它，而不是用人去顶替它。

三个认知合起来是一句话：AI 交付是一门定义驱动、评测计价、复用赚钱的生意。下面七张图纸就围绕这句话展开。

绝大多数 toB 团队的第一个致命错误，是在没算清账之前就开始扩人。先给一个可以套用的项目毛利模型：

四个常被忽略的减项，恰恰是国内 toB 的利润黑洞。

第一，POC 沉没成本。免费 POC 已成通行获客话术，但没人把它计入项目成本。一个两人两周的 POC，按人天成本 2500 元计约 5 万元；如果转化率只有 20%，那么每一个签下来的项目实际背着 25 万元的 POC 成本。这个数字必须写进报价模型，否则你的毛利表从第一天就是假的。

第二，账期资金成本。科法斯《2025 中国付款调查》显示，2024 年中国企业平均应收账款周转天数（DSO）从 133 天升至 141 天。上市公司 2024 年报里的分化更明显：软通动力应收周转约 67 天、毛利率 12.46%，中软国际约 133 天、毛利率 22.07%，东华软件约 174 天、毛利率 20.61%，太极股份约 213 天、毛利率 24.08%。账期每多 90 天，按 5% 年化资金成本计，等于毛利率被削掉约 1.2 个百分点——对一个毛利率 20% 出头的项目，这是 6% 的利润被时间吃掉。所以验收标准不是质量文档，是财务工具。

第三，无偿变更。需求蔓延的成本从来不出现在报表上，它藏在延期和加班里。可以做一个简单统计：全年各项目实际交付人天减去合同约定人天，差额即为无偿变更规模。多数团队第一次算出这个数字时会沉默。

第四，模型与硬件的换代成本。私有化项目的模型可能在交付期内换代，国产算力平台也可能变更。这部分若不在合同里约定责任与费用，就会变成免费返工。

接着看复用率的杠杆效应。假设一个 120 万元的私有化项目，人天成本 2500 元：

同一个合同额，复用率决定了这是一门生意还是一次公益活动。这也解释了为什么中标榜单头部厂商的共同特征是“在细分行业形成可复制方案”——不是因为他们更有理想，是因为账只能这么算。

账本层面的四个核心比率，建议直接写进管理会议议程：单项目交付人天（逐年应下降）、组件复用率（按人天口径统计）、POC 转化率（低于 30% 说明边界失控）、现金转换周期（从投入到回款）。四个数里有两个不知道的团队，本质上是在盲开。

最后是定价结构。把一次性项目费拆成三段能显著改善现金流曲线：诊断费（场景梳理与评测集共建，两到三周，独立收费，同时筛掉不认真的客户）、建设费（按里程碑与评测跑分挂钩）、订阅费（评测集维护、模型换代、知识更新、值班响应，按年收）。第三段是把项目公司改造成产品公司的现金流入口，也是国内团队最常漏掉的一段。

把 FDE 当岗位招，招来的往往是“高级人肉运维”。它更应该被理解为一种编队方式。

AWS 公布的作战单元是五到六人、四十五天周期；Palantir 的经典分工是三段：现场写代码的 FDSE、负责找对问题的 Deployment Strategist（大量来自退役军官、临床医生等一线专家），以及总部的平台开发团队。前线经验回流产品，是这套体系的核心闭环。

中国政企语境下的最小作战单元，建议五个角色，其中一个必须来自甲方

第五个角色是很多团队的盲区。甲方业务骨干不是“配合方”，是编队成员，其投入比例应写进合同分工单（写明人名与每周投入工时）。项目结束时，这个人能否脱稿讲清系统逻辑、独立处理八成边界情况，直接决定有没有二期。

防止编队退化成人肉运维的三道闸门

第一道是工时分类。驻场工时必须按“建设 / 运维 / 答疑”三类记账，运维与答疑合计超过 40% 且持续两个月，触发预警——要么补自动化，要么补交接培训，要么转成收费运维合同。

第二道是并行客户上限。一名 FDE 同时服务客户数超过两家，回流产出必然归零。建议硬性上限为二。

第三道是回流配额。每人每季度至少向资产库贡献一个通过评审的通用组件。这条不做绩效挂钩，飞轮就永远转不起来。

招聘与转型：从公开薪酬看，美国 FDE 岗位总包大致在 17 万至 34 万美元区间（Palantir 口径），Anthropic、OpenAI 相关岗位底薪多在 20 万至 30 万美元；国内 2026 年上半年的行情，字节相关岗位约 3.5 万至 7 万元月薪（15 薪），阿里云约 2 万至 5 万元（16 薪），蚂蚁数科 B 端方向 4 万至 6 万元，智谱等模型厂的 FDE 负责人给到 6 万至 8 万元，头部云厂商一线总包大致落在 45 万至 90 万元。这是少数在逆势中涨价的岗位族，因为它要求的是复合体。

面试环节不要考八股，考五道现场题最有效：给一份 30 页制度文件，30 分钟内拆出实体、关系与判定规则；给一段模糊的验收条款，改写成可量化版本；给一个“顺便再加个手机端”的场景，现场做变更谈判；给一个已上线但业务不用的系统，列出五个可能原因与排查顺序；给一个刚跑通的项目，说出哪三块可以抽成通用组件。这五题对应的能力最难伪装。

考核口径也要换。不考人天产出，考三件事：项目验收周期、回流资产数量与被复用次数、客户内部代言人是否培养出来。

在国内做 AI 交付，合同是最被低估的工程工具。以下六个条款包建议做成公司级模板，每条附一句可以直接抄的范式句。

条款包一：评测集验收。把 30 至 50 条双方共同标注的真实样本作为合同附件，明确通过阈值与判定方式。范式句：

条款包二：数据责任 SLA。范式句：

条款包三：变更控制。范式句：

条款包四：POC 边界。四要素写进备忘：单一场景、样本量与脱敏责任、硬周期上限（建议两周，最长四周）、转化条件。范式句：

条款包五：模型与算力变更。这是国内私有化项目的特有风险。范式句：

条款包六：内容责任与合规边界。明确备案主体、内容审核责任归属、日志留存义务与追责链路。范式句：

补一个谈判筹码：《保障中小企业款项支付条例》要求大型企业向中小企业支付款项一般不超过 60 天。中小服务商在与大型甲方谈账期时，这是有法律依据的抓手，不用只靠人情。

私有化、国产化、数据不出域，在国内政企项目里是默认项。2025 年多个大型集采明文要求全国产加速卡，IDC 数据显示 2025 年国产 AI 芯片出货量占比已达 41%。这意味着你的地基通常长这样：国产算力 + 国产或开源模型 + 隔离网络。

模型能力的差距要客观看。2026 年 8 月的 SuperCLUE 中文榜单上国产模型已包揽前列，OpenCompass 前十中国产占四席；但在幻觉控制与复杂指令遵循上，海外旗舰仍有优势，而国产模型的性价比优势明显。结论不是“国产不行”，而是：可用模型的上限越受限，架构与评测的确定性就要越强。

五层参考架构

知识层——不要把制度汇编整包丢给模型。按实体（设备、工单、合同、患者）、关系（隶属、触发、依赖）、规则（阈值、路由、豁免条款）三要素建模。央国企的制度、规程、案例库天然带章节与条款结构，抽取性价比远高于野生文档，这是国内知识密集型场景的真实优势。

编排层——Anthropic 在《Building Effective Agents》里的核心建议至今没过时：从简到繁，优先用确定的工作流，工具设计比框架选择更重要，关键操作保留人工确认，并设计错误恢复路径。政企项目里，能用固定工作流解决的，不要上多智能体；把不确定性集中在一两个可评测的判断节点上。

评测层——评测集不是测试文档，是交付物。它至少承担四个用途：验收依据、回归测试集、模型换代基准、付款触发器。经验规律是，同一个模型，验收标准从模糊到清晰，表观达标率常能提升二三十个百分点——变的不是模型，是标准。

护栏层——为每个 AI 触达用户的场景选定放行模式：白名单（仅确认安全的问题域自动输出，其余转人工）、黑名单（默认放行、拦截敏感项）、灰度（先白后黑）。在医疗、政务、金融等场景，这不是自由选择，而是合规映射的结果。标准搭配是“AI 初判 + 人签发”：AI 提效，人担责，系统留痕。留痕这件事要讲清楚是保护经办人的机制，推行阻力会小一半。

观测层——日志留存不少于 6 个月（等保三级要求），并把 token 消耗、响应时延、转人工率、异常回溯纳入同一个看板。上线后第一个月的转人工率曲线，是判断项目会不会“技术成功、组织死亡”的最灵敏指标。

三条工程纪律收尾：先工作流后智能体；做上下文工程（按任务裁剪、渐进摘要、防上下文污染）；一切关键动作可回滚。

国内 AI 交付头顶悬着一套刚性规则，这些不是风险提示，是准入条件。

《生成式人工智能服务管理暂行办法》自 2023 年 8 月 15 日施行，具有舆论属性或社会动员能力的服务须做安全评估与算法备案，训练数据须来源合法，涉及个人信息须取得同意，生成内容须依规标识。国家网信办 2026 年 1 月公布的数据显示，截至 2025 年 12 月 31 日，累计 748 款生成式 AI 服务完成备案、435 款完成登记。叠加等保 2.0（三级为政企底线、日志留存不少于 6 个月）、《数据安全法》的重要数据出境评估、《个人信息保护法》的最小必要与敏感信息单独同意，构成了交付方案的硬边界。

合规映射表（按场景选放行模式）

每个上线方案必附四件套：风险分级、兜底策略（出错谁处理、多快响应）、影响半径上限、回滚预案（多快切回人工）。缺一件不上线，没有例外。

再给一份事故红黑榜，都是高频死法，附一句预案

一是照标书交付，上线无人用——预案：进场先做三层访谈（领导要成果、信息中心要可控、一线要省事），把冲突点摆上桌。二是按制度文件设计流程，实际流程完全不同——预案：蹲现场还原实然流程，每个节点标耗时、出错率与系统归属。三是免费 POC 无限膨胀——预案：四要素写进备忘，硬周期上限。四是验收标准模糊，回款拖季度——预案：评测集入合同附件。五是甲方数据迟到、质量差，锅归乙方——预案：数据责任 SLA。六是把定时同步脚本包装成“AI 赋能”，评审被专家戳穿——预案：人机分工三分法，能自动化的别贴 AI 标签。七是让 AI 一条龙包办到底，出事无人签字——预案：AI 初判 + 人签发。八是知识库变文档坟场——预案：实体-关系-规则建模 + 调用路由。九是验证通过直接全量，长尾数据翻车——预案：1% 抽样校准、模板固化、逐步放量。十是交付物业务方看不懂、不敢改——预案：业务骨干必须能用自己的话复述判断逻辑，复述不了就打回。十一是验收即失联，复购归零——预案：季度回访、版本通报、标杆案例共创。十二是每个项目从零开始，越做越亏——预案：回流配额与资产库治理。

复用不是“把代码存起来”。没有治理的资产库，三个月就变成垃圾场。建议按四层来管：

L0 代码片段——个人级，不入库，不统计。

L1 通用组件——跨行业可用：评测框架、护栏与审核链、留痕与审计模块、部署脚本、信创环境适配包。国产化适配包尤其值钱，做一次，之后每个国产化项目都在收利息（不同平台的迁移工作量差异不小，中等规模推理项目的迁移人天在昇腾、寒武纪、海光 DCU 之间可以差出两三倍——这是工程经验值，不是行业基准，具体以实测为准）。

L2 场景包——跨客户可用：设备运维预警、合同条款审查、工单智能分派、制度问答等，含流程骨架、评测集模板、知识路由逻辑。

L3 行业方案——含行业术语体系、合规映射、典型集成清单与报价模型。

入库五条硬标准，缺一条不算完成：可运行（一条命令跑通最小闭环）、有文档（含《复用指南》：哪些通用、哪些需替换、替换工作量估计）、有评测（自带样本集与基线跑分）、有负责人（署名维护）、有版本（含变更记录）。

复用率怎么量？不要数代码行，按人天口径算：本项目实际交付人天中，由既有资产覆盖而节省的估算人天占比。做法是在项目立项时由平台回流角色出一份“资产覆盖预估表”，结项时对账。这个数字第一年能到 30% 就算健康，第二年应该往 50% 以上走。

三阶段路径：项目公司（一次一卖，毛利靠压人力）→ 场景公司（一个场景卖多家，毛利靠复用）→ 产品公司（标准产品 + 交付服务，毛利靠许可与订阅）。参考坐标就是前面提到的运营杠杆：人员增长远慢于收入增长，才叫走通了。

三个“资产库正在死掉”的信号，出现任意一个就要干预：最近一个季度没有新组件入库；有入库但没有任何跨项目引用记录；新项目的立项文档里不出现资产覆盖预估表。

管理不了度量不了的东西。下面十二个指标建议做成一页看板，季度复盘逐项过：

看板的意义不在数字漂亮，而在于让“交付得好不好”变成一件可以争论的事实，而不是各说各话的感受。

这一节写给企业方，因为交付失败的原因至少一半在采购侧。

吴恩达 2026 年 6 月的公开表态值得认真对待：FDE 有价值但被过度炒作，企业应以内建 AI 工程能力为主、少量外部 FDE 为辅，并警惕供应商锁定，建议合约不宜过长。这个判断放到中国要打个折扣——国内多数政企的 IT 自建能力弱于美国同行，对乙方的结构性依赖更深更久。但方向是对的：外部交付力应该被用来长内部能力，而不是替代内部能力。

场景准入四问（任何一个答不了就先别立项）：这件事一年内影响多少人、多少次、省多少小时？错了谁承担、最坏后果是什么？判断依据是否已经写成文字（制度、规程、案例）？谁来定标准、谁来签字？

内部对口机制：为每个项目指定一名业务骨干（非兼职挂名，写明工时）+ 一名信息中心接口人 + 一名分管领导。三缺一，项目延期概率显著上升。

数据准备清单：数据范围与样本量、格式与字典、质量标准、脱敏规则与责任、供数时限、异常样本占比。这份清单在招标阶段就该给出，而不是等乙方来催。

供应商评估十问（比看资质更有效）：能否现场演示评测集怎么做？上一个同行业项目的复用率是多少？验收条款愿不愿意写成跑分触发？数据责任 SLA 敢不敢双向对等？国产算力平台适配过哪几个、有无适配包？合规映射怎么做的、备案配合到什么程度？人机分工里谁签字？上线后 30 天的活跃度承诺是多少？项目结束时留给我们哪些文档与培训？如果我们要换模型，工作量与费用怎么算？

甲方最常见的四种自伤：一次性大招标搞“AI 全面赋能”，一年后没有一个能独立验收的东西；把免费 POC 当免费劳动力，优质供应商逐渐不投标；不给数据、不给人，却要求高精度；让不用系统的人来定验收标准。

五级成熟度自评（对号入座）

L1 人力外包——按人天卖，无评测、无资产，项目结束什么都不留。L2 项目可控——有需求文档与流程测绘，验收标准部分量化，但仍是一次一卖。L3 标准化交付——评测集、护栏、留痕成为标配，合同六件套齐备，验收周期与回款可预测。L4 资产复用——L1/L2 资产库运转，复用率进入立项文档，单项目人天逐年下降。L5 产品化——标准产品 + 交付服务的双轮，收入增长显著快于人员增长。

多数国内团队处在 L1 到 L2 之间，跨到 L3 靠的是契约与评测，跨到 L4 靠的是治理与考核，跨到 L5 靠的是取舍——敢放弃不可复制的订单。

90 天启动路线（给决定要做这件事的一号位）

第 1–30 天：建标准。选一个真实项目做样板：拉甲方骨干共建 30–50 条评测样本；把六个合同条款包做成公司模板并过法务；把驻场工时改为三类记账；盘点历史项目，抽出第一批三到五个候选通用组件。产出物：评测集一份、合同模板一套、工时台账、候选资产清单。

第 31–60 天：跑闭环。在样板项目上完整跑一遍“定义—建设—评测—放量”：1% 抽样校准、模板固化、逐步放量；同步建立仪表盘前六个指标；把合规映射表与四件套嵌入方案评审流程，评审不过不上线。产出物：一个按新方法交付的项目、一版看板、评审卡点。

第 61–90 天：转飞轮。把样板项目里与客户无关的部分抽成 L1/L2 资产并入库，走完五条入库标准；换一个同行业相邻客户做迁移验证，目标是“换个人、用你的框架和文档，复用七成组件、一周内跑通最小闭环”；把回流配额写进季度考核。产出物：资产库首批条目、一次迁移验证报告、考核办法。

三个月做不完全部，但足以判断这条路走不走得通。判断标准只有一个：第二个项目的交付人天，是否明显低于第一个。

行业里那份十二项能力清单是好东西，它教会一个人怎么在前线站住。但企业需要的不只是站住的人，而是一套让人换了、项目变了、模型换代了，交付质量仍然稳定的系统。

七张图纸可以浓缩成三句话。第一，把验收变成跑分——它同时是质量标准和回款开关，是国内 toB 语境里性价比最高的一项工程改造。第二，把交付变成资产——不复用的交付在中国的账永远算不平，复用率是这门生意唯一的杠杆。第三，把客户变成合作者——甲方骨干进编队、能复述逻辑、愿意在二期为你说话，比任何 PPT 都值钱。

至于那个被反复讨论的问题：AI 编码能力越强，FDE 会不会消失？大概率不会，但它的价值重心会移动——写系统的部分会被机器吃掉越来越多，而听懂中国甲方、把标准写成条款、把项目变成资产、把信任经营成复购，这些“让交付发生”的机制会更贵。

每交付完一个项目，值得问自己一句：这一次，我给下一个项目留下了什么？

我是 {{作者名}}，{{一句话简介，如：长期观察企业级 AI 落地与 toB 交付}}。

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。