上下文税：三条定律解释整个行业
行业习惯把 FDE 讲成一个岗位、一段 Palantir 传奇、或者一种销售技巧——那些都是组织架构图视角，回答的是「谁在做什么」。真正该问的是因果：企业 AI 从演示到生产之间那段路，为什么总是走不通？谁出力气把它走通，力气花完之后剩下什么？本报告为此提出一个原创框架，后面九节全部用一手证据来检验它。
通用模型和一家具体企业的业务之间，永远隔着一段翻译工作：接上真实数据、嵌进真实流程、建立真实信任、划清真实权责、扛住真实变化。我们把这笔谁都躲不掉的成本称为上下文税。它服从三条定律。
税基五项：这笔税具体付在哪里
把各家机构的失败原因研究并到一起（RAND 五因、BCG 70/20/10、MIT learning gap、Gartner 四因，见 02 节），上下文税可以拆成五个税基。试点阶段通常只付了第二项的演示版，上生产要五项全付。
- ① 数据税接入、清洗、权限。RAND 五因中第②「缺乏训练有效模型所需数据」与第④「缺数据管理与部署基础设施」都落在这里RAND · 24-08；Gartner 把「数据质量差」列为 GenAI 项目 PoC 后被放弃的四大原因之一Gartner · 24-07
- ② 流程税嵌进真实工作流，而不是多开一个聊天窗。BCG 的量化口径：实施挑战约 70% 源于人与流程、20% 源于技术、10% 源于算法BCG · 24-10
- ③ 信任税评测、验收线、错误处理——业务方敢不敢让它跑。MIT 数据：高风险复杂工作中 90% 的用户仍宁选人类同事，简单任务中 70% 选 AIMIT NANDA 原文 · 25-07
- ④ 权责税出错谁背锅、谁有权改流程。RAND 五因之首正是「利益相关方误解或误传要用 AI 解决什么问题」，84% 业界受访者提及领导层驱动的失败RAND · 24-08
- ⑤ 续航税模型漂移、流程变化后的持续维护与学习。MIT「learning gap」的本体：试点死掉的核心抱怨是工具不记忆、不进化MIT NANDA 原文 · 25-07——这一项恰恰是按项目结算的交付模式在商业上最没动力去付的
四种归宿：同一笔税，养出四个组织物种
没人付
企业买了工具或模型，以为税已经含在license里。试点在演示环境里走完，进不了生产——「95% 失败」叙事描述的主要就是这批（真实口径见 02 节）。
客户自己付（自建）
内部 IT 或数据团队交税。MIT 口径下自建工具仅约 33% 到达部署；IBM 对 2000 名 CEO 的调查里只有 25% 的 AI 项目达到预期 ROI。MIT / IBM · 25
第三方代付，不回流（咨询 / SI）
交付能跑通，但知识散在顾问身上，每一单重新交税，成本线性。全球最大咨询公司手握全球绝对额最大的 GenAI 交付收入（FY2025 订单 $59 亿），估值仍是 1.47x EV/Sales。财报+stockanalysis · 26-08
厂商垫付 + 强制回流（FDE）
厂商先亏钱把税垫上（Palantir S-1 原文：试点「at our own expense…we operate the accounts at a loss」），FDE 把现场学到的东西反哺产品，下一单税率下降。Palantir S-1 · 20-09
① 这一单的上下文税谁出钱付？写进合同里是 license 价、人天价，还是厂商自担的前置投入——没人认领这笔税的方案，大概率死在演示环境（归宿 A）。② 付出来的知识沉到我这，还是沉到你的产品里？要求对方指给你看：交付里学到的东西以什么形态复用（模板、评测集、产品功能），合同怎么约定——答不出的是归宿 C 的按次收费。③ 你的第二个同类客户比我便宜多少？报不出这个数，说明摊薄还没发生，「产品化」只是销售话术。三问直接由三定律推出，适用于自建、外购、咨询、FDE 四种归宿的任何一种。
这个框架的解释力在于一句话能讲清最常见的失败：企业买了模型没人交税，试点就死在演示里；咨询公司代付但知识不回流，每一单重新交；FDE 是把「垫税＋回流」写进岗位说明书的组织设计——而它能否兑现，取决于回流是否真实发生、摊薄是否真的出现。后面九节用一手证据逐一检验。
落地断层：失败率的真实口径
这一节是全报告的问题侧地基，也是数字污染最重的地带。市面上流传的企业 AI 失败率——95%、85%、80%、42%、30%——分母、失败定义、样本完全不同，不可互换引用，多数经媒体转述后已偏离原文。本报告把每个数字回溯到了原始报告。
那个传遍全球的「95%」，原文根本不是那个意思
2025 年 8 月 18 日，Fortune 一篇报道引爆了「MIT 研究：95% 的企业 AI 试点失败」，次日美股科技股下挫被广泛归因于它Fortune · 25-08。本报告下载了 26 页原文逐页核对，还原出五层真相：
- 原文报告是 MIT Media Lab 旗下 Project NANDA 的非同行评审「初步发现」（2025 年 7 月），方法为 52 家组织访谈＋153 份行业会议现场问卷＋300 余个公开项目回顾。原话是「95% of organizations are getting zero return」——分母是受访组织，不是试点原文 p3 · 25-07
- 分母「5%」出自定制/任务专用工具的漏斗：60% 被评估 → 20% 进试点 → 5% 达生产。也就是说 80% 的受访组织根本没试点过定制 AI；真正试点了的公司里约 25%（5/20）达到生产——比流行口径高 5 倍原文 p6 · 25-07
- 反证同一页漏斗里，通用 LLM 工具（ChatGPT/Copilot 类）约 40% 被成功采用；外购定制方案约 67% 到达部署（自建仅 33%）。被当作「AI 不行」证据的报告，实际结论更接近「买的多数成，自建多数败」原文 p6/p19 · 25-07
- 扭曲Fortune 标题把「组织零回报」改写成「试点失败」，并把样本误写为「150 访谈＋350 问卷」——比实际夸大 2–3 倍，至今未见更正Fortune 原文复核 · 26-08。但板子不能全打在媒体头上：报告自己在 p7 也用过「95% failure rate」的措辞，口径在文内滑动
- 下架报告把作者自家的 NANDA 协议点名为解决方案而未披露利益冲突；Wharton 教授 Kevin Werbach 批其「deeply problematic」（经转述）。截至 2026-08-14，报告已从 GitHub 原仓（404）、MIT Media Lab 出版物页、projectnanda.org 全部静默消失，无正式撤回、无更正、无续作——数字却仍在乙方营销内容里流通三渠道实测 · 26-08-14
「95% 的企业 AI 试点失败」不能作为事实引用——原始报告样本小、非同行评审、口径被媒体扭曲、且已从官方渠道下架。唯一诚实的表述是：「一份 2025 年 7 月的 MIT 团队预印报告（52 家组织访谈＋153 份会议问卷，非同行评审）称 95% 的受访组织未从定制 GenAI 工具中获得可测的损益回报；同一报告显示，真正进入试点的定制项目约 25% 达到生产、通用 AI 工具约 40% 被成功采用、外购方案 67% 到达部署。该报告已从官方渠道下架，且与其后更大样本的调查结果相矛盾（Wharton×GBK 2025-10：约四分之三高管自报 GenAI 已见正回报，自报口径）。」凡是把 95% 当铁的事实甩出来的方案或报告，可直接判定作者没读过原文。
把口径对齐之后，各家机构的数字长这样
| 机构 / 报告 | 数字 | 它实际测的是什么 | 性质 |
|---|---|---|---|
| MIT NANDA（2025-07） | 95% / 25% / 40% | 95% 的受访组织未获可测 P&L 回报；试点过定制 AI 的组织约 25% 达生产；通用工具约 40% 成功采用。52 访谈＋153 问卷，非同行评审，已下架原文 · 25-07 | 需修正 |
| S&P Global（2025-03） | 42% / 46% | 1,006 名欧美中高层受访者中，42% 称其公司 2025 年放弃了大多数 AI 项目（2024 年为 17%）；平均砍掉 46% 的 PoC。注意受访单位是人不是企业S&P Global · 25-03 | 实锤 |
| Gartner（2024→2026） | 30% → >50% | 2024-07 预测「2025 年底至少 30% 的 GenAI 项目在 PoC 后被放弃」；其官网 2026 年初文章确认实际「超过 50%」——比预测高七成Gartner · 24-07/26-01 | 实锤 |
| Gartner（2025-06） | >40% | 预测：到 2027 年底超 40% 的 agentic AI 项目将被取消；同稿指出「agent washing」：数千家自称 agentic 的厂商仅约 130 家名副其实。依据为 3,412 名 webinar 参会者投票，样本自选Gartner · 25-06 | 预测 |
| RAND（2024-08） | 「80%」 | 原文明写「by some estimates」超 80% 的 AI 项目失败——是转引不是实测，且上游出处至今无法回溯。RAND 的真实贡献是访谈 65 名从业者得出的五大根因RAND · 24-08 | 转引 |
| BCG（2024/2025） | 74% / 5% | 2024：74% 的公司尚未从 AI 中展现实际价值（1,000 名高管）；2025：仅 5% 实现规模化价值、60% 收益极小（1,250+ 家）。两年口径不同不可直接对比BCG · 24-10/25-09 | 实锤 |
| McKinsey（2025-11） | 88% / 39% / 6% | 88% 的组织至少在一个职能常态用 AI；但仅 39% 报告任何企业级 EBIT 影响（多数 <5%）；仅约 6% 为高绩效者。N=1,993、105 国、高管自报McKinsey · 25-11 | 实锤 |
| Deloitte（2025-01） | 74% ↔ 30% | 同一份报告两面：74% 称其「最先进的」GenAI 项目 ROI 达标或超预期（幸存者口径）；超三分之二称当前实验只有 ≤30% 能在 3–6 个月内规模化。N=2,773Deloitte 原文 · 25-01 | 实锤 |
| IBM IBV（2025-05） | 25% / 16% | 2,000 名 CEO（33 国）自报：仅 25% 的 AI 项目达到预期 ROI，仅 16% 实现企业级规模化——同期 61% 仍在加码 AI agentIBM · 25-05 | 实锤 |
| 美国官方（2026） | 18% ↔ 78% | 采用率的分母课：Census BTOS 企业口径约 18%（250 人以上企业 37%）；美联储 FEDS Note 并列三口径——按企业数 18%、按劳动者 41%、按就业覆盖 78%，差异主因是抽样单位不同Census / Fed · 26-04/05 | 实锤 |
| 讹传两例 | 85% / 87% | 「Gartner：85% 的 AI 项目失败」——原文是 2018 年「85% 将交付错误结果」的预测；「87% 数据科学项目不落地」——回溯到 2019 年会议发言转述，无任何方法论。两数字至今仍被厂商白皮书当实测引用溯源核查 · 24-26 | 无依据 |
失败原因，五家机构收敛于同一个方向：不是技术，是组织
各家原文的失败原因排序
- RAND 五因：①利益相关方误解要用 AI 解决什么问题（居首）②缺数据 ③重炫技轻问题 ④缺数据管理与部署基建 ⑤用在超出能力的问题上——仅第⑤条是技术限制RAND · 24-08
- BCG：实施挑战 70% 人与流程、20% 技术、10% 算法BCG · 24-10
- Gartner 四因：数据质量差、风控不足、成本攀升、业务价值不清Gartner · 24-07
- MIT：learning gap——工具不保留反馈、不适应上下文、不随时间改进MIT · 25-07
映射回上下文税五项税基
- RAND ②④、Gartner「数据质量」→ ① 数据税
- BCG「70% 人与流程」→ ② 流程税
- Gartner「风控不足」、MIT「高风险任务 90% 选人类」→ ③ 信任税
- RAND ①「问题定义错位」、IBM CEO 调查 → ④ 权责税
- MIT「learning gap」本体 → ⑤ 续航税
- 五家机构没有一家把「模型能力不够」列为首因——缺的不是智能，是交税的人
对冲：真金白银的正面证据也存在
试点死亡率高，不是因为 AI 不行——同一份被用来唱衰的 MIT 报告里，通用工具 40% 成功、外购定制 67% 到达部署，死的是「买了工具没人交税」的那批。项目放弃率暴涨（S&P 42%、Gartner >50%）与投入继续加码（IBM 调查中 61% 的 CEO 仍在加码 AI agent、Ramp 付费采用破 50%）同时发生：企业在杀项目，不在杀 AI。这正是「部署侧」成为兵家必争之地的需求侧地基——04 节的 90 亿美元军备竞赛，赌的就是这道断层。
原型：Palantir 用二十年跑通的实验
FDE 不是后人追认的行业黑话，而是 Palantir 写进 SEC 文件的一手岗位建制。这一节按时间线还原这场实验：它怎么被发明、怎么被质疑、账面上如何兑现——以及财报上一个几乎没人注意的口径发现。
账面兑现：Q2 2026 的五个数字
回流环的一手证词：苦活如何变成产品
在职 8 年的前 FDE Nabeel Qureshi 的长文《Reflections on Palantir》是「交付学习回流产品」这条通路公开记录最详实的一手叙述：FDE 每周 3–4 天驻客户现场干数据接入、可视化、界面搭建的苦活，产品团队把重复出现的苦活自动化——Foundry 的多个核心组件（Magritte 数据摄取、Contour 可视化、Workshop 界面构建器）正是这样沉淀出来的。他同时自认 FDE 代码「通常意味着技术债和 hacky workarounds」，并记录公司早年「被斥为披着软件外衣的咨询公司」Qureshi · 24-10 · 自报。S-1 把这条回流环写成了财务语言：试点阶段「at our own expense…we operate the accounts at a loss」，拓展期贡献利润率 −43%，规模期 +55%，整体贡献利润率从 2018 年 14% 爬到 2020 上半年 48%S-1 原文 · 20-09。
一个几乎没人注意的口径发现：服务收入从不拆分
本报告全文检索了 FY2025 10-K：「professional services」出现 22 处，全部是收入确认政策与成本构成的定性描述，无一处附带金额；收入拆分只有政府/商业两个 segment 与地域两条轴10-K 全文检索 · 26-02。也就是说，FDE 交付的「服务含量」在报表上不可观测——多头看到 84.7% 的毛利率说这是软件公司，空头说服务成本藏在获客与交付科目里。不拆分本身，就是这场「软件还是咨询」争论二十年无法终局的口径根源。
Palantir 用二十年把归宿 D 的三段账——垫税、回流、摊薄——全部做进了账面的外部特征：亏损运营试点、苦活沉淀成平台、贡献利润率与毛利率一路爬升。但它同时留下两个未决问题：服务收入从不拆分，「回流是否是这些数字的真实来源」在报表上不可证；估值从 33x 到 70x 也从未被证实或证伪。信仰与做空据此各取所需——这正是 09 节的战场。
部署军团：三个月、四家巨头、90 亿美元
FDE 模式在 2024–2025 年被 AI 公司大规模复制，到 2026 年 5–7 月完成质变：部署能力从「岗位」升级为「资本化的独立组织」。这是本次调研最大的结构性发现——四家巨头在十周内做了同一个赌注。
同年 5 月，Google Cloud CEO 公开宣布扩招 FDE（The Information：数百人）CIO Dive · 26-05；法律服务商的高管把这波潮流总结成一句话：「今年 AI 领域最大的公司都下了同一个赌注——价值已经移到了部署侧」Harbor · 26-08 · 自宣。
垂直 AI 公司：估值溢价与重交付同步
| 公司 | 部署形态（官方口径） | 估值与经营数字 |
|---|---|---|
| Sierra | 2024-07 官方定义「agent engineer」岗：与客户一起设计、构建、上线 agent；创始人主张按业务结果计费——「token 用量和价值之间没有强相关」官方博客/播客 · 24-26 | 估值 $158 亿（2026-05 官宣 $9.5 亿融资）；ARR 约 $1.5 亿为自报未经审计CNBC · 26-05 |
| Harvey | 官方称「legal engineers 与客户并肩构建并持续改进跑其业务的 agent」，融资即用于扩张全球嵌入式法律工程团队官方博客 · 26-03 | 估值 $110 亿（2026-03 官宣 $2 亿融资）；1,300+ 客户为自报；2026-08 传洽谈 $155 亿新轮（未交割，据报道）官方+媒体 · 26-03/08 |
| Glean | 公开招「Founding Forward Deployed Engineer」：与 FDPM 组 pod 直面客户 C-suite 做「0-to-1 产品创造」——把 FDE 定位为产品发现机制而非交付工具JD 原文 · 26-08 | 估值 $72 亿（2025-06 官宣 Series F $1.5 亿）官方 · 25-06 |
| Decagon | 官方博客既承认 forward deployed 团队持续扩张，又自报靠产品化把「每个 agent 的定制工程量砍掉 80%」——垫税与压税同时进行官方博客 · 26-06 · 自报 | 估值 $45 亿（2026-01 Series D $2.5 亿），六个月估值三倍官方 · 26-01 |
| Cursor（Anysphere） | 最典型的 PLG 自助增长公司也补设了 FDE：官网在招，职责含「设计并构建 Cursor 驱动的工作流（大规模重构、迁移、PR 审查环）」「几天内交付第一版」JD 原文 · 26-08 | 估值 $293 亿（2025-11 Series D $23 亿）；2026-04 传 $500 亿新轮洽谈中多源 · 25-11 |
值得注意的反面：没人退出，但人人都在给军团「减重」
检索到的诚实负结果
- 截至 2026-08-14，未找到任何 AI 公司公开砍掉或收缩 FDE 团队的案例——多组关键词检索后的负结果；也未找到任何大厂创始人公开说「我们不做重交付」的原话。
- 最接近的表态是 AWS 的「客户自立」退出条款与 Decagon 的去定制化叙事。
对冲动作全是「产品化压缩」
- Decagon：自报砍掉 80% 每 agent 定制工程量官方博客 · 26-06
- Palantir：早在 2023 年就把长周期驻场压缩成 1–5 天 bootcamp
- OpenAI：曾被报道考虑把部分 FDE 工作外包给数据标注商The Information · 25-06
- 行业自己的定性：a16z 把这套打法命名为「以毛利换护城河」——服务按成本价定价，换取部署位与留存a16z · 25-06
十周、四家巨头、90 亿美元，全部押在同一个判断上：模型能力不再是瓶颈，交税能力才是。但每一家在建军团的同时都在设计「让军团变小」的机制——垫税是买路钱，不是商业模式本身。谁能把垫出去的税变成可复用资产，05 节的估值机器会给出裁决。
单位经济学：资本市场给摊薄斜率定价
「服务收入拿低倍数、软件收入拿高倍数」是这个行业最常被引用、也最常被讲错的一句话。这一节用同源同日的市场数据把它讲准——真实的定价逻辑比口号残酷得多，也比口号更支持本报告的框架。
三层定价：同一天、同一个数据源
口径注：左右两栏为 TTM 追溯口径、中栏为 NTM 前瞻口径，三层对比取量级不取精度；「AI 赢家溢价」为本报告解读，非市场共识标签。
最能说明定价逻辑的一个事实：全球最大咨询公司手握绝对额全球最大的 AI 交付收入——FY2025 GenAI 新签订单 $59 亿（近翻倍）、GenAI 收入 $27 亿（约三倍）——估值仍是 1.47x财报+stockanalysis · 25-09/26-08。资本市场按商业模式定价，不按 AI 含量定价：它问的不是你收入里有多少 AI，而是你下一单的边际成本会不会下降。
「卖工作成果，不卖软件」：一条论述的考古线
- 2020-02态度反转弧线的起点是相反方向——a16z《The New Business of AI》：AI 公司毛利常在 50–60%、低于 SaaS 基准，「有时它们看起来更像传统服务公司」，建议创始人在纯软件与全栈服务中择一，勿两头都做a16z · 20-02
- 2023-08最早成文的转向：Benchmark 合伙人 Sarah Tavel《AI startups: Sell work, not software》——「卖工作时，你卖的不是 15% 的生产力提升，而是 95% 的成本改善」；她次年补上关键条件：human-in-the-loop 必须是你自己的员工，否则退化回软件销售Tavel · 23-08
- 2024-04Foundation Capital 定名「Service-as-Software」并给出 $4.6 万亿 TAM（$2.3T 岗位薪资＋$2.3T 外包支出）——注意这是把劳务支出重划为 TAM 的叙事口径，不是实证，本报告按厂商叙事级引用Foundation Capital · 24-04 · 叙事
- 2024-10Sequoia《Generative AI's Act o1》：「AI companies sell work ($/outcome)」，可及市场不是软件市场而是以万亿美元计的服务市场；例证即 Sierra 按解决量收费、「没有席位这回事」Sequoia · 24-10 · 叙事
VC 的态度反转，已经从博客走到了真金白银
用钱投票的四个样本
- General Catalyst：creation/rollup 策略（首期基金 2024 年已募，2025-08 发布官方宣言《The Future of Services》），目标把服务公司利润率翻倍至 30–40%——目标值为自报GC 官方 · 25-08
- Thrive Holdings：买服务公司装 AI，2026-08-12 融 $20 亿、估值 $120 亿（SoftBank/D1/Altimeter），旗下已 70+ 家被购企业，OpenAI 入股TechCrunch · 26-08
- Elad Gil：「拥有资产，改造它比作为软件供应商卖给它快得多」TechCrunch · 25-06
- OpenAI 亲自下场：Deployment Company（04 节）——AI 大厂自己做交付，是这条弧线的终点OpenAI · 26-05
必须一起说的对冲
- 斯坦福×BetterUp 研究：40% 员工在处理「workslop」（AI 产出看似光鲜实则空洞），每例平均耗时近 2 小时修复——由此产生裁员悖论：裁人则没人兜住 AI 错误，不裁人则承诺的利润率改善落空TechCrunch · 25-09
- rollup 从业者自己承认：即便改造成功，退出倍数大概率落在「服务与软件之间」，拿不到完整软件倍数从业者口径 · 26-06
- VC 宣称的「任务自动化 30–50%、混合毛利 60–70%」全部为自报叙事，无一经审计。
正反两个终局样本：回流发生了什么、没发生什么
回流成立 · 两个跨代样本
- Palantir（03 节）：FDE 苦活 → Foundry/AIP → 毛利率 84.7%、人均营收 11 倍于咨询公司。
- Veeva（前 AI 时代的同构）：靠重服务切入医药垂直，专业服务收入占比从早年约 50% 降到 IPO 前约 30%，2013 年以 $44 亿估值上市（累计融资仅约 $700 万）；服务是获取行业知识的通道，产品化是估值兑现的闸门Veeva S-1 · 13-10
回流失败 · 两个昂贵样本
- IBM Watson Health：2022 年以 $10.65 亿出售（出售价出自 IBM 10-Q），对照此前仅收购就投入的超 $40 亿（媒体汇总口径）——媒体与行业分析普遍将其归因于交付高度定制、未能沉淀为可复制产品，广泛引为「服务重模式拖垮产品叙事」的先例IBM 10-Q · 22
- 某上市企业 AI 软件公司：名义订阅收入占比 91%，GAAP 毛利率却只有 31%（服务公司水平）；FY2026 收入 $2.5 亿、同比 −36%，净亏 $4.7 亿——收入分类改变不了经济学（注：当年毛利率骤降含重组与减值因素）官方财报 · 26-06
把这一节压缩成一把尺子：服务公司 1x 上下、软件中位 3x、Palantir 68x——三层定价的底层是摊薄斜率的三层定价，其中 68x 里还叠着摊薄解释不了的 AI 赢家叙事溢价（它的成色之争见 09 节）。摊薄律同时解释了两端：知识回流做成的公司拿到软件那一侧的倍数，回流失败的公司无论收入科目怎么写，都会被按服务定价。FDE 军团真正的考题不是「能不能交付」，而是「交付完剩下什么」。
全球台账：谁在建部署能力、拿什么证明
27 行、30 个主体，按阵营归位。「披露级别」标注每行关键数字的最高证据等级——审计财报最硬，官方公告与 JD 原文次之，媒体转述与公司自报最弱。表头可点击排序，也可按阵营、披露级别、证据筛选。
| 阵营 | 主体 | 部署形态与关键披露 | 披露级别 | 证据 |
|---|---|---|---|---|
| FDE 原型 | Palantir | FDE 发源地与全文参照系：岗位化＋产品化闭环。Q2 2026 收入 $19.4 亿（+93%）、GAAP 毛利率 84.7%、Rule of 40 155%；财报不单列服务收入 | 审计财报 | 实锤 |
| 前沿模型厂 | OpenAI | 自营 FDE＋定制交付（媒体口径起步 $1,000 万/客户）；官网 23 个 FDE 在招岗（2026-08-14）、设生命科学/半导体垂直线；DoD $2 亿合同 | 官方公告 / JD | 实锤 |
| 前沿模型厂 | OpenAI Deployment Co. | 部署独立成公司（2026-05-11）：19 家伙伴、超 $40 亿初始资本、TPG 领投；收购 Tomoro 获约 150 名 FDE；估值口径 $100 亿 / $140 亿并存 | 官方公告 / JD | 实锤 |
| 前沿模型厂 | Anthropic | Applied AI 下设 FDE：JD 明确交付 MCP servers / sub-agents / agent skills，25–50% 差旅，美国 IC 岗 $280–320K（OTE） | 官方公告 / JD | 实锤 |
| 前沿模型厂 | Anthropic×PE 合资 | 与 Blackstone / H&F / Goldman 组建约 $15 亿落地服务 JV（2026-05-04），把工程师嵌入 PE 持仓公司 | 官方公告 / JD | 实锤 |
| 前沿模型厂 | Google Cloud | CEO 官宣扩招 FDE（The Information：数百人）；开放岗位数两家媒体同周报 59 与 1,513，相差一个数量级——口径打架未决 | 媒体 / 自报 | 需修正 |
| 云与软件巨头 | AWS | $10 亿 FDE 组织（2026-06-30 官宣）：45 天周期、5–6 人 pod、数千人级；官方写明「客户自立」退出条款 | 官方公告 / JD | 实锤 |
| 云与软件巨头 | Microsoft Frontier | $25 亿、6,000 人 AI 实施独立单元（2026-07-02 官宣）——软件大厂对 forward deployed 模式最大单笔承诺 | 官方公告 / JD | 实锤 |
| AI 应用公司 | Sierra | agent engineer 重交付＋按结果计费；估值 $158 亿（官宣融资）；ARR 约 $1.5 亿与 Fortune 50 渗透率 40%+ 均为自报 | 媒体 / 自报 | 自报为主 |
| AI 应用公司 | Harvey | embedded legal engineers 驻客户构建 agent；估值 $110 亿（2026-03 官宣）；客户数自报；2026-08 传新轮洽谈（未交割） | 官方公告 / JD | 实锤 |
| AI 应用公司 | Glean | 「Founding FDE」JD：与客户 C-suite 做 0-to-1 产品发现，$160–270K；估值 $72 亿（2025-06 官宣） | 官方公告 / JD | 实锤 |
| AI 应用公司 | Decagon | FDE 团队扩张＋产品化压缩并行：自报砍掉 80% 每 agent 定制工程量；估值 $45 亿（2026-01 官宣） | 官方公告 / JD | 自报为主 |
| AI 应用公司 | Cursor（Anysphere） | PLG 标杆公司补设 FDE：官网在招（2026-08-14），职责为构建客户侧工作流；估值 $293 亿（2025-11 官宣） | 官方公告 / JD | 实锤 |
| AI 应用公司 | ElevenLabs | Ashby 招聘板在招「Forward Deployed Engineer - Software Engineer」（2026-08-14 抓取） | 官方公告 / JD | 实锤 |
| AI 应用公司 | Rogo / Hebbia | FDE 外溢出工程岗：「forward-deployed banker」base $115–180K（要求投行 3 年经验）；两家员工数一年翻倍（自报给记者口径） | 媒体 / 自报 | 实锤 |
| 咨询与资本 | Accenture | GenAI 交付绝对额全球最大：FY2025 订单 $59 亿、收入 $27 亿（财报电话会专项口径，非审计单列科目）；EV/Sales 仍为 1.47x | 官方公告 / JD | 实锤 |
| 咨询与资本 | Deloitte | 为 Anthropic 生态自建 FDE 编制：官方 JD「Anthropic FDE - GPS」$134.5–265.1K、面向政府客户、50% 差旅——「模型厂×SI 联合 FDE」实锤样本 | 官方公告 / JD | 实锤 |
| 咨询与资本 | General Catalyst | creation/rollup 策略：买服务公司装 AI，目标利润率翻倍至 30–40%（自报目标）；流传的 $15 亿专项承诺未见官方确认 | 媒体 / 自报 | 自报为主 |
| 咨询与资本 | Thrive Holdings | 2026-08-12 融 $20 亿、估值 $120 亿；70+ 家被购服务企业（会计＋IT 服务两平台）；效果数据自报 | 媒体 / 自报 | 实锤 |
| 中国 | 华为云 | 「盘古大模型 AI 专业服务」官方文档：覆盖咨询、规划、数据工程、模型训练、应用工程、运维全流程；公开定价未查到 | 官方公告 / JD | 实锤 |
| 中国 | 字节 / 阿里 / 腾讯 | FDE 岗位名落地中国：字节「FDE 专家」月薪 3–5 万×15 薪；猎聘在招 JD 40–70K×16 薪、「接受出差驻场、主导落地交付」 | 官方公告 / JD | 实锤 |
| 中国 | 科大讯飞 | 2025 大模型「标王」：中标 210 个项目、23.16 亿元（超第 2–6 名总和）；同年年报应收账款 162.96 亿元、占总资产 36.3% | 审计财报 | 实锤 |
| 中国 | 智谱 | 重交付上市样本：本地化部署占收入 73.7%（2025），其毛利率连续两年高于 API 业务（66.0% vs 3.3%；48.8% vs 18.9%） | 审计财报 | 实锤 |
| 中国 | 零一万物 | 放弃超大基座预训练，转型对标 Palantir 的政企定制：创始人自述「派驻算法工程师完成最后一公里交付」、周期数月到一年 | 媒体 / 自报 | 自报为主 |
| 中国 | DeepSeek | 明确不自建 to B 交付（流出会议纪要口径，未官方确认），落地由生态承接：2025 上半年 196 个政企项目、超 11 亿元（第三方统计） | 媒体 / 自报 | 需修正 |
| 历史案例 | IBM Watson Health | 被媒体与行业分析广泛引为回流失败先例：收购投入超 $40 亿（媒体汇总），2022 年以 $10.65 亿出售（10-Q） | 审计财报 | 实锤 |
| 历史案例 | 某上市企业 AI 软件公司 | 收入分类≠经济学：名义订阅占 91%，GAAP 毛利率 31%；FY2026 收入 −36%、净亏 $4.7 亿（当年含重组减值因素；官方业绩新闻稿 2026-06-03） | 审计财报 | 实锤 |
把台账按披露级别排一遍，结构一目了然：整个行业能拿出审计财报证明模式跑通的只有一家（外加两个反面样本和一批中国财报的毛利率警示）；四大巨头的 90 亿美元停留在官方公告层——钱是真的，兑现还没进报表；而最热的 AI 应用公司阵营，恰恰是自报数字浓度最高的一层。这个证据结构本身，就是对「FDE 热」最准确的一张体检报告。
中国侧：交付大国的毛利困境
中国没有等来自己的 Palantir，但 2025 年完成了从「讲故事」到「招投标实证」的切换。这一节以三类证据为骨架：公开招投标统计、上市公司审计财报、一手招聘 JD；创始人自述与从业者访谈仅作现象存在的证据、均已标注——并给出一个与美国叙事完全相反的反直觉发现。
招投标实证：总量暴涨，单子碎片
对照一个必须封杀的数字：某券商预测 DeepSeek 一体机央国企市场 2027 年达 5,208 亿元——而 2025 年全行业大模型披露中标总额只有 295.2 亿元，第三方统计的 DeepSeek 政企项目半年仅 11 亿元。预测与实证相差一个数量级以上，本报告不采用任何一体机市场规模预测预测 vs 实证 · 25。
毛利困境：审计财报全线作证
| 公司 | 2025 年报关键数字 | 毛利与回款证据 |
|---|---|---|
| 科大讯飞 | 营收 271.05 亿（+16%） 扣非净利仅 2.64 亿 | 中标 23.16 亿元冠绝全行业的同一年：应收账款 162.96 亿、占总资产 36.3%，一年内账龄仅占一半出头；可随时动用现金 21.42 亿低于短债 27.06 亿（钛媒体核读口径）——中标王冠与高应收的报表结构并存，钛媒体称之为「标王的里子和面子」年报+钛媒体 · 26-04 |
| 讯飞医疗 | 区域解决方案毛利率 34.2% 单年 −19pp | 钛媒体核读的分析原文：「每进入一个新的区县都需要本地化部署、和当地相关部门对接，高定制意味着高成本，边际成本降不下来」——这是「回流缺失、逐单清零」在中国财报语境里最直白的表达钛媒体 · 26-05 |
| 云从科技 | 营收 5.01 亿（+26%） 净利 −5.56 亿 | 毛利率 28.62%、同比 −7.19pp，其中泛 AI 业务毛利率仅 18.6%年报 · 26-04 |
| 商汤 / 第四范式 | 毛利率 41% / 36.8% | 商汤收入创新高但毛利率由 42.9% 微降至 41%；第四范式前三季收入 +36.8% 而毛利率低于上年全年（42.7%→36.8%）——两家均为收入高增与毛利率下行并存（财报口径）财报 · 25-26 |
| 智谱 | 收入 7.24 亿（+131.9%） 净亏 47.18 亿 | 整体毛利率 56.3%→41.0%；2026-01 登陆港交所。它贡献了下面那个最反直觉的发现年报 · 26-03 |
最反直觉的发现：在中国，重交付反而是毛利主力
智谱招股书与年报连续两年显示：本地化部署业务的毛利率显著高于云端 API 业务——2024 年 66.0% 对 3.3%，2025 年 48.8% 对 18.9%；本地化部署占收入 84.5%（2024）→ 73.7%（2025）招股书+年报 · 25-26。这与美国「服务重＝低毛利包袱」的 SaaS 叙事正好相反：在中国政企市场，会交税本身就能收到钱，真正的毛利黑洞是 API 价格战。但要把这条证据用准：它证明了「垫税可以定价」，还没有证明「摊薄」——没有任何一家中国公司披露过第二单同类项目边际成本下降的证据。
FDE 这个词，2026 年正式登陆中国
岗位与组织的一手证据
- 字节「FDE 专家」月薪 3–5 万×15 薪；阿里、腾讯同步在招；猎聘挂出「AI 前线部署工程师 FDE」40–70K×16 薪，职责原文「面向头部客户深入业务场景……主导落地交付」「接受出差驻场」潮新闻/JD 原文 · 26-08
- 华为云「盘古大模型 AI 专业服务」：官方文档覆盖咨询→数据工程→模型训练→应用工程→运维全流程华为云官方 · 26-06
- 零一万物转型为最接近 Palantir 叙事的样本：创始人自述「派驻算法工程师驻扎到客户旁边，完成最后一公里交付」、交付周期数月到一年、「有的客户谈了 70 轮」创始人自述 · 25-07 · 自报
同一周的反面报道
- 访谈五位 FDE 从业者的报道显示：长尾从业者「拿的还是产品经理的薪资」，有实习生「日薪 200 块、一周工作近 50 小时」；受访者直言 FDE「是在 AI 加持下把很多传统岗位合并成了一个岗位」定焦One · 26-08
- 「年薪百万 FDE」与「日薪 200 实习生」出现在同一周的中文媒体上——高薪只存在于头部大厂的挂牌 JD 里。
- 注意口径：流传的「FDE 岗位量一年增 729%」是 Indeed（美国招聘平台）的指数化数据、原文未注明地域，不是中国岗位量口径口径提示 · 26-05
中国侧的上下文税同样守恒，但归宿不同：税被招投标制度切碎成中位数 86 万元的单子，由集成商逐单代付、逐单清零——钛媒体核读讯飞医疗时那句「边际成本降不下来」就是归宿 C 的注脚。智谱的本地化毛利率证明了垫税在政企市场可以卖出价钱，但从 2025 年的全部公开证据看，还没有任何一家中国公司跑通「垫税 → 回流 → 摊薄」的完整曲线。谁先把 7,539 个碎片单子里的共性沉淀成产品资产，谁就是中国版答案的候选人。
岗位与人才：42 倍增长的成色
FDE 在两年内从 Palantir 特有名词变成全行业争抢的岗位。这一节把增长数据、薪资带、技能画像和职业路径全部落到一手口径——包括增长神话里的低基数真相，以及对抗核验后按官方招聘 API 修正过的薪资数字。
增长：真实，但基数极小
薪资带：以官方招聘 API 现役口径为准
| 岗位 | 薪资带 | 口径与出处 |
|---|---|---|
| Palantir FDSE（纽约） | $135K–200K base | 官方 Lever API 现役 JD，2026-08-14 直连核验；总包另含 RSU 与签约奖金；New Grad $135K–145KLever API · 26-08-14 |
| OpenAI FDSE（SF） | $185K–325K | 官方 Ashby API 现役口径（NYC/西雅图版 $153K–325K；FDE 经理岗 $280K–335K）；早前流传的 $200K–310K 为已下架旧 JDAshby API · 26-08-14 |
| Anthropic FDE（美国 IC 岗） | $280K–320K OTE | 官方 Greenhouse API 现役 JD：「Annual Salary $280,000—$320,000 USD」，注明为含销售提成的 OTE；职责含交付 MCP servers / sub-agents / agent skills，25–50% 差旅Greenhouse API · 26-08-14 |
| Deloitte「Anthropic FDE - GPS」 | $134.5K–265.1K | 官方招聘系统 JD：面向政府客户、要求 1 年以上 Claude API / tool use / Claude Code 实操、可获安全许可、50% 差旅——FDE 编制外溢到大型咨询公司的实锤Deloitte JD · 26-08-14 |
| 字节「FDE 专家」 | 3–5 万×15 薪 | 媒体核实的国内大厂口径；猎聘在招同类岗 40–70K×16 薪（JD 原文在线）潮新闻/JD · 26-08 |
| 网传「总包 $350K–550K / $665K–750K」 | — | 仅见招聘中介与 SEO 聚合站，JD 原文只披露 base/OTE 区间，股权部分无法核实——按讹传处理溯源核查 · 26-08 |
这个岗位到底是什么：画像与边界
六份真实 JD 的共同画像
- 全栈能力（React/Next.js 前端＋Python/Node 后端＋关系型数据库）；2025 年后普遍新增 LLM 生产级落地经验。
- 25–50% 差旅驻场；高模糊度容忍——Palantir JD 原文要求从「为什么我们在流失客户」这类模糊问题起步、端到端负责。
- 客户接触时间 60–80%（普通工程师 10–20%，PostHog 官方口径）；60% 的岗位是嵌入客户写生产代码的 builder 型、0% 背销售配额（1,000 份 JD 独立分析）JD 归纳/bloomberry · 25-26
与三个相邻岗位的边界
- vs Solutions Architect：SA 几乎不在客户基础设施上写生产代码、多用脱敏数据做 PoC；FDE 直接写进客户生产环境Pragmatic Engineer · 25-08
- vs Sales Engineer：SE 绑定销售配额；FDE 激励与客户成功/留存对齐、服务按成本价定价（a16z 给出的建制建议）a16z · 25-06
- vs 咨询 / PS：PS 按计费小时结算、一次性交付；FDE 长期驻场且背着「把现场经验反哺产品」的双重使命——回流是定义性差异，正是归宿 C 与归宿 D 的分界线。
职业路径：出创始人的岗位，也是被质疑的岗位
正面：「Palantir 帮」至少 39 家校友创业公司合计融资超 $60 亿（Anduril 一家占 $38 亿），FDE 是这批创始人中最常见的出身岗位BI/Concept · 25-03。反面：匿名从业者社区大量声音认为 FDE 是「美化的咨询顾问」、存在被 pigeonhole 的职业天花板，并有「每周一飞去、周五飞回」的一手差旅证词Blind/HN · 26-08。最辛辣的一条来自需求侧数据的提供者本人：被引用最多的猎头研究者公开预测，这个岗位可能在数年内被 agent 自动化取代TechCrunch · 26-07。FDE 的流失率与平均在职时长，全行业无任何公开量化数据（见 10 节）。
FDE 溢价的本质是「稀缺的交税能力」溢价，且只在前沿实验室兑现——发源地的 base 反而是几家里最低的。这个岗位的长期风险写在它自己的岗位说明书里：把翻译工作自动化、让客户自立，正是雇它的人给它定的 KPI。还有一个耐人寻味的事实：渲染人才荒最凶的猎头，同时也是「数年内被 agent 取代」预测的作者——需求叙事与死亡预告出自同一张利益相关的嘴，两者都应该被认真对待。
反方证词：把最强的质疑摆上台面
一份只引支持性证据的报告不值得信。本节收录取证中找到的全部主要反方论点——并标注每条质疑攻击的是框架的哪一环。发言人具名处均为公开报道的原始表态；涉及利益立场的已注明。
| 质疑 | 原话与出处 | 攻击框架哪一环 |
|---|---|---|
| 「它从来就是咨询公司」 | 量化投资人 Benn Eifert（2026-07）：该公司「从来就是一家咨询公司，一大群工程师上门做体力活和硬编码的凑合方案」，AI 可扩展性是「empty promise」原推核验 · 26-07；同一对象的官方数据是 84.7% 毛利率与 155% Rule of 40——两者必须并列呈现 | 摊薄律是否真实 |
| 「是销售模式，不是运营模式」 | Anaplan CEO Charlie Gottdiener（2026-07，竞争利益方）：「It's a good selling model…It's not a great model for running the software」，客户将「永久供养和依赖 FDE」、造成锁定；同文中前 Palantir 高管批评派 25 岁工程师驻场「不懂基本供应链概念」Forbes · 26-07 | 回流是否发生 |
| 「毛利换护城河」悖论 | 看多方 a16z 自己承认这是低毛利打法、建议服务按成本价定价；Sarah Tavel 补充的成立条件常被忽略：human-in-the-loop 必须是自己的员工，依赖客户的人就退化回软件销售a16z/Tavel · 24-25 | 摊薄的前提条件 |
| 「重 FDE＝产品问题」 | 行业流传的判据：若多数部署都需要重 FDE 投入，问题在产品不在市场策略——重交付可能是在用昂贵人力掩盖产品不能独立工作（该阈值分析的原文未能定位，按行业观点级引用）观点级 · 26 | 守恒律的另一面 |
| 做空者的账本 | 2020 年大摩以「33x 收入、两倍于 SaaS 均值」降级；2025-11 Michael Burry 通过 13F（美国机构投资者的季度持仓披露文件）披露看跌期权，遭 CEO 回骂「batshit crazy」，Burry 反呛其读不懂 13F；2026-08 的 70x 比当年更极端——估值批评的阈值被持续突破，但从未被证实或证伪CNBC · 20/25 | 摊薄的定价上限 |
| 需求侧数据的成色 | 部署军团最爱引的「95%」出自方法论受争议、已下架的预印报告（02 节）；渲染人才荒的 17,000/2,100% 出自靠 FDE 猎头业务赚钱的公司、无公开方法论；42× 增长建立在约 200 岗的基数上——需求真实，但每个爆款数字都有利益相关方的手印本报告取证 · 26-08 | 整个叙事的地基 |
| 模式内部人的自证 | 最亲 FDE 的证人 Nabeel Qureshi 自己写下：FDE 代码「通常意味着技术债和 hacky workarounds」；2016 年内部文件显示蓝筹客户因「贵且不值」流失——垫税模式的成本面由内部人与内部文件自证Qureshi/BuzzFeed · 16/24 | 垫税的真实成本 |
值得注意的是反方证词的结构：几乎没有人否认「上下文税存在、有人得付」——连最尖锐的批评者攻击的也是「垫出去的税到底有没有变成资产」。换句话说，守恒律与归宿律已接近行业共识，真正的战场只有一个：摊薄是否真实发生。这恰好是唯一要靠未来数年财报才能裁决的问题。
方法与限度
取证方式
本报告的事实基础来自七路并行的独立检索：FDE 起源与 Palantir 财务、AI 公司 FDE 实践、企业落地成功率、「95%」溯源专线、商业模式与单位经济学、中国侧、岗位与人才市场——合计 600 余次检索与原文抓取。每条事实要求一手来源加绝对日期，来源分为官方一手（SEC 文件/官方公告/JD 原文/机构报告原文 PDF）、权威媒体、厂商自宣三级，第三级只作为「现象存在」的证据，不作为数据引用。关键增强：每路调研完成后，由独立核验员对其最承重的 3–5 条断言做对抗核验（找原文、对口径、查日期），35 条断言中 11 条被修正或降级——包括把「大摩做空」修正为卖方评级看空、删掉媒体转述中不存在的细节、把三家公司的薪资带全部改为官方招聘 API 现役口径。修正过程已反映在正文。
FDE 领域的信息污染有清晰的形态：薪资与规模的讹传主要产自招聘中介、培训机构与 SEO 聚合站——「总包 $350K–550K」「$665K–750K」「某航天公司 $600 亿收购某编程工具公司」全部只活在这类站点里，回溯不到任何 JD 原文或权威媒体；连 Indeed 的指数化数据都被普遍误读成绝对职位数。另一侧，公司自报的 ARR、客户数、转化率没有一个经过审计，且存在「数字随讲随涨」的样本。本报告的处理纪律：薪资一律回到官方招聘系统 API 的现役 JD，经营数字一律标注自报，讹传单独点名。
本报告明确未能核实的事项
- Bootcamp 效果流传甚广的「AIP Bootcamp 转化率约 75%」「销售周期从 6–12 个月压缩到 3 个月内」——回溯不到任何官方出处；官方只有定性表述与个案。官方累计场次硬数字停在 2024-02 的「560+ 场/465 家组织」。
- FDE 规模与配比Palantir 从未披露 FDE 人数及其在总人力中的占比；「一名 FDE 能同时服务几个客户」全行业无任何一手披露，流传的 1:1–1:3 均为从业者估计。「2016 年 FDE 人数超过产品工程师」未能回溯到一手出处。
- 流失率FDE 岗位的流失率、平均在职时长、burnout 比例：无任何公司或机构公开过量化数据——这是本领域最大的数据空白。
- 薪资总包OpenAI FDE 总包 $350K–550K、Anthropic $665K–750K：仅见第三方聚合站；JD 原文只披露 base/OTE。Google FDE $127K–183K 未能直连官方系统复核。国内腾讯云 35–65K×15、智谱 60–80K 的流传数字未能在官方渠道核实。
- 「+800%」被 The New Stack 等广泛转载的「2025 年 FDE 月度职位发布量 +800%」：未能回溯到原始数据方。「FDE 命名于 2007 年」同样只有二手转述。
- 产品线毛利前员工自述的「Foundry 占收入 50%+、毛利 80%」：财报不按产品线披露，无法官方核验，正文已标「作者称」。
- 中国侧口径某搜索大厂 2025 年中标数据存在三组互相矛盾的口径（110 个/8,898 万 vs 95 个/7.1 亿 vs 上半年 48 个/5.13 亿），报告原文未取得，本报告不引用其中任何一组。中国侧所有中标统计依赖单一第三方机构（智能超参数）的转载数字，其完整方法论未取得。
- 市场规模本报告不引用任何 FDE / AI 交付「市场规模」数字：Services-as-Software 的 $4.6 万亿与服务业 $6 万亿/$16 万亿均为把劳务支出重划为 TAM 的叙事口径；一体机 5,208 亿预测与实证相差一个数量级。没有任何一线机构发布过 FDE 行业规模测算。
- 付费墙WSJ 2025-10-13 报道与 The Information 多篇原文在付费墙内，本报告经二手转述交叉后引用并已注明；S&P Global 原始报告全文未读到，依据多家一致转述。
- JV 细节Anthropic×PE 合资公司的名称、股比细节多为媒体口径；流传的「Anthropic×Deloitte $1.5B JV」与主流报道不符，疑为讹传，未采信。
点名口径
国际公司的公开事实（SEC 文件、官方公告、公开融资、在招 JD）与中国上市公司的审计财报数字直接点名；监管机构、标准组织、学术机构、媒体保留真名。本报告自身不对任何具名商业主体作负面定性——批评性内容要么出自具名批评者的公开表态（属公开事实，利益立场已标注），要么让审计数字与原文引语自行说话；报告的评价性结论一律落在「模式与形态」层面，不落在具体公司。
适用边界
「证据」「披露级别」两类标注为本报告依据取证结果给出的判断，非行业标准分级。估值与倍数取数统一为 2026-08-13 收盘/2026-08-14 口径，不同数据商存在时点差异。所有结论截止 2026-08-14；该领域变化极快——四大部署组织的兑现数据、更多 AI 公司上市后的审计口径、下一轮机构调查都会改变本图景，本报告每季度重新取证一次，版本号与取证日期随之更新。