企業(yè) AI 要賺錢，第一個崗位先招誰？OpenAI 前首席研究官給答案

全文 3,000字 | 閱讀約 8 分鐘

（YC Lightcone訪談 Bob McGrew談FDE模式精彩片段）

企業(yè)做 AI，最怕什么？

不是技術不成熟，不是市場不接受， 而是：工具上線了，卻沒人用。

Bob McGrew，ChatGPT 的主要開發(fā)者、OpenAI 前首席研究官，對此有深刻洞察。 他主導過 GPT-4、O1 等關鍵模型的研發(fā)，如今他的建議是：

不是先建平臺，不是先招架構師，要先找到能快速交付結果的人。

他指的不是產(chǎn)品經(jīng)理，也不是顧問，

而是一個新興的、正在被 YC 百家公司瘋搶的角色：

FDE——前部署工程師

2025 年 9 月 8 日，McGrew 在 YC 的 Lightcone 節(jié)目上完整講透了這個崗位， 他還同步在 X（原 Twitter）上發(fā)文強調自己的核心方法論：

“先把無法規(guī)模化的事情，變成可規(guī)模化的模式（Doing things that don’t scale — at scale）。”

這句話很簡單：不是先搭技術，而是先搭人和流程。

Claude、Castle、Palantir這些成功案例，背后都有這樣的“落地專家”。

在這個節(jié)點，我們必須重新問一句：

企業(yè) AI 要賺錢，第一步到底該怎么走？

為什么不是 CTO，不是產(chǎn)品總監(jiān)，而是這個從未出現(xiàn)在組織架構中的新崗位？

第一節(jié)｜不是顧問，不是銷售：FDE 到底是誰？

這個崗位，名字叫 FDE，聽起來像技術崗位，但又不是工程師。

它的全稱是 “前部署工程師（Forward Deployed Engineer）”。 Bob McGrew 一句話說透了：

“FDE 不是給你做演示，也不是陪你講需求。他是直接進現(xiàn)場，和客戶一起把問題解決掉。”

? FDE 不是工程師？

如果你把 FDE 想成顧問，那就錯了。

顧問是站在邊上，出一套方案，讓別人去執(zhí)行。 而 FDE，是直接動手的人，把軟件改成能用的人。

McGrew 強調，F(xiàn)DE 不搞形式。他說：

“我們在 Palantir 一開始就發(fā)現(xiàn)，去找傳統(tǒng)做政府銷售的人，根本沒用。他們會說：‘我可以請你吃飯，帶你見客戶，但不會動手改產(chǎn)品。’”

FDE 也不是普通工程師。

工程師在辦公室畫架構圖，F(xiàn)DE 進駐客戶現(xiàn)場，當場解決前所未見的問題。

Bob McGrew 用一個場景來說明：

“客戶的問題通常是全新的、前所未見的挑戰(zhàn)。FDE的價值就在于：別人覺得不可能，他們能讓它成為可能。”

而且 FDE 要在短時間內把 demo 變成能交付的產(chǎn)品。原型粗糙沒關系，但結果得能用。

不是要做十年不出 bug 的代碼，而是能在三個月內上線，真實解決客戶問題的代碼。

? FDE 到底在干什么？

McGrew 舉了一個例子：

他在 Palantir 做情報系統(tǒng)時，客戶一開始根本不愿意講真實需求。因為是情報部門，信息保密。

于是他們帶了一個基礎 demo 去，結果客戶說這和我們的工作完全無關。但下一句就變了：

“客戶說：‘如果你能把這個地方改掉，再換個視圖，我們也許能用上。’”

于是 FDE 當場記下反饋，一晚上改好，再帶回來。

這是完整的現(xiàn)場迭代過程：傳統(tǒng)做產(chǎn)品，是銷售講完客戶意見，工程師在總部寫代碼；FDE 是直接讓工程師坐在客戶邊上，聽他說，馬上改。

那么，F(xiàn)DE 和產(chǎn)品經(jīng)理又有什么區(qū)別？McGrew 的話很直接：

產(chǎn)品經(jīng)理是站在用戶身邊理解流程，F(xiàn)DE 是直接把流程改掉。

而且好的 FDE 會持續(xù)深入。解決了第一個問題后，繼續(xù)找新的切入點，有時候價值比最初預想的還高。

這是全面滲透客戶業(yè)務的過程。

這節(jié)不是講“FDE 的定義”，而是在回答一個更具體的問題：

“你在做 AI 產(chǎn)品時，誰是真正能拿下客戶的關鍵角色？”

第二節(jié)｜為什么 AI 公司都在搶 FDE？

FDE 模式解決的核心問題是：復雜企業(yè)場景下，技術和業(yè)務之間的“最后一公里”。

McGrew 用一個形象比喻概括了這個模式：

FDE 在前面鋪石子路，產(chǎn)品團隊再把它修成高速公路。

這種分工讓 Palantir 能夠同時解決個性化需求和規(guī)模化復制的矛盾。

? 不是公司特別，而是場景變了

Palantir 之所以會走這條路，是因為它做的客戶非常復雜：

• 國家安全局、反恐指揮、執(zhí)法系統(tǒng)……

• 每個組織不一樣，每個流程也不一樣，根本沒有標準產(chǎn)品能直接拿來用

Bob McGrew 認為：AI Agent 現(xiàn)在的處境，和 Palantir 當時一模一樣。

“你以為你做的是一個通用代理工具，但每家企業(yè)的流程、工具、數(shù)據(jù)權限，全都不一樣。沒有誰能買回去就能上線。”

這就和傳統(tǒng) SaaS 完全不同了。SaaS 產(chǎn)品靠的是“流程標準化”：

• 每個公司發(fā)工資的方式差不多，做財務報表的步驟也差不多

• 所以 SaaS 公司做了一個統(tǒng)一的模版，只要設置好賬戶，大家都能用

但 AI Agent不是。

它是個全新物種，不像 SaaS 有成熟流程可復制。沒有誰知道 AI Agent 應該長什么樣。

在這種情況下，如果只是等客戶自主使用，很難產(chǎn)生實際效果。

? 不是服務轉型，而是產(chǎn)品落地路徑改了

很多人一聽“FDE”，會以為這就是服務崗，是“陪伴式運營”或者“定制開發(fā)”。

McGrew直接否認了這個說法：

“FDE 并不是讓產(chǎn)品去配合客戶，而是通過客戶，把真正通用的需求提煉出來。”

舉個例子：

某 AI 公司給銀行做風控系統(tǒng)，第一家銀行要檢測信用卡欺詐，第二家要識別洗錢行為，第三家要防范內部違規(guī)...每家需求都不同。

如果每次都定制開發(fā)，永遠做不完。

但 FDE 發(fā)現(xiàn)，這些需求本質上都是“識別異常行為模式”，于是產(chǎn)品團隊抽象出通用的異常檢測框架，一套系統(tǒng)解決所有問題。

這就是 FDE 模式的關鍵價值：徹底改變產(chǎn)品落地路徑。

? 今天的 AI 代理公司，為什么更需要 FDE？

現(xiàn)在超過 100 家 YC 創(chuàng)業(yè)公司都在招聘 FDE，三年前這個崗位還幾乎沒人聽說。

為什么突然爆發(fā)？

因為 AI 公司發(fā)現(xiàn)，Agent 落地的關鍵是接入真實的業(yè)務流程。但這些流程在哪里？

不是誰都能講清楚流程，很多客戶連自己為什么這樣做都說不出來。你得人到現(xiàn)場去看，去跟，才能找到真正的切入口。

這就是為什么 OpenAI、Anthropic、Claude 背后的團隊越來越強調： Agent 不只是能力，而是行動的結果。

技術已經(jīng)準備好了，但世界的采用速度還沒跟上。

企業(yè)需要的不是更強的模型或更高的準確率，而是一個能接得上流程、跑得出結果的人。

這個人就是 FDE。

第三節(jié)｜FDE 怎么讓 AI 項目賺起來？

如果說 FDE 的第一個角色是“讓 AI 能落地”，那第二個角色，就是“讓企業(yè)能開大單”。

你可以把 FDE 理解成“結果負責人”——他賣的不是功能，而是結果。

在 SaaS 模式里，公司賣的是“許可”“模塊”“席位”。但在 AI agent 的世界里，客戶只愿意為結果付錢。

? 怎么賺錢的邏輯變了：從“賣軟件”到“交結果”

傳統(tǒng) SaaS 怎么賺錢？靠規(guī)模。

一個功能打磨完，復制給一百家公司。合同不大，但能復制。

AI agent不一樣：

• 每個客戶的問題都不同

• 過程復雜、流程多變、數(shù)據(jù)亂糟糟

• 如果你想快速復制，大概率復制不了

McGrew 給的答案是：

“不要追求快速復制，而要深入解決問題。你賣的不是產(chǎn)品本身，而是已經(jīng)驗證的解決方案。”

FDE 在客戶那里，不是為了安裝產(chǎn)品，而是為了承接具體問題并交付結果。

這就解釋了為什么 FDE 模式的商業(yè)邏輯很特殊：初期部署時可能虧錢，但隨著時間推移，提供的結果越來越有價值，成本反而下降。

這個過程分三個階段：

1. 最開始，F(xiàn)DE 去現(xiàn)場，花很多時間解決第一個問題，成本高；

2. 接著，客戶開始依賴 AI 工具，反饋也更精準，需求更聚焦；

3. 最后，F(xiàn)DE 不用再改太多東西，產(chǎn)品已經(jīng)能適配更多客戶場景，利潤開始上來。

? 真實案例：怎么從“試點”干到“大單”？

McGrew 提到過幾個 AI 代理創(chuàng)業(yè)公司的真實例子，比如 Castle 和 Happy Robot：

Castle 是一家做語音 AI 的公司，幫美國幾家大銀行處理抵押貸款電話

• 一開始只能做少數(shù)幾個場景，但交付結果非常準，客戶滿意

• 后來客戶主動追加合同金額，把整個流程都交給它做

另一個是 Happy Robot，也是做語音代理的，主要服務物流公司，比如 DHL：

• 他們和客戶定合同，不是按功能收錢，而是按“成功通話數(shù)量”收費

• 客戶越用越順，越能看到省下的人力，就越愿意追加預算

這兩個例子都說明了一點：

FDE 并不是成本中心，而是拉動收入的起點。

? 客戶信得過，合同才拉得動

很多人誤解 AI 銷售最大的門檻是功能不夠，其實真正的門檻是：客戶信任。

McGrew 說：

“企業(yè)客戶往往經(jīng)歷過很多失敗項目，他們甚至不信你能干成。 所以你要先跑出第一個結果，讓他們信了你，后面的才好談。”

這就是為什么FDE必須是能現(xiàn)場交付的人，必須在兩三個月內把流程完整跑通，交出實實在在的成果。有了這個成果，客戶才會真正信任，才有下一份大合同的可能。

只要你交付的結果越來越有價值，客戶的預算就會主動跟著你走。

第四節(jié)｜誰能做 FDE，產(chǎn)品怎么配合？

說到底，F(xiàn)DE 是讓 AI 落地的第一人。

可不是所有人都能做這事。

Bob McGrew 在對話中說得非常清楚：FDE 不是找“聰明人”，而是找“能扛事的人”。

? 什么樣的人能做 FDE？

McGrew 在 Palantir 內部把 FDE 分成兩類角色：

• Echo 團隊：嵌入客戶現(xiàn)場，理解需求，找到落地場景

• Delta 團隊：快速寫出能跑的產(chǎn)品原型，現(xiàn)場部署，交付結果

Echo 團隊最好有行業(yè)背景，比如退役軍官、醫(yī)療專家，但更重要的是，他們得是“叛逆者”——熟悉行業(yè)流程，但知道原來的做法不夠好，來拆掉舊流程、建新路徑的人。

Delta 團隊是工程背景，但和普通工程師不一樣。不要找追求完美架構的人，要找能快速寫代碼、接受版本重寫、面對流程變化的人。重點是先交付，代碼可能很丑，但得能用。

這兩類人，本質上就像“項目型創(chuàng)始人”：面對未知能開路，有壓力能扛住，有方向感也能跟客戶對話。

? 產(chǎn)品團隊和FDE怎么互相配合？

McGrew 講得非常坦率：

“我們面試了很多傳統(tǒng)大廠的產(chǎn)品經(jīng)理，他們都很優(yōu)秀，但不習慣從多個客戶需求中抽象出通用解決方案。”

舉個例子：

有客戶說，我要查“人”，下一個客戶說我要查“船”，再一個說我要查“賬戶”。

那產(chǎn)品該怎么設計？

McGrew 給出的回答是別為每個客戶定制，而是抽象出：

“人、船、賬戶雖然不同，但都有共同點：都有基本信息，都會跟其他東西產(chǎn)生聯(lián)系。把這個共同的底層邏輯設計好，一套系統(tǒng)就能處理所有類型的數(shù)據(jù)。”

這就是 Palantir 著名的“本體（ontology）”設計來源。不是 FDE 提出了抽象，而是產(chǎn)品團隊從 FDE 的踩坑里提煉出來的。

但在實際配合中，產(chǎn)品和 FDE 之間也有沖突。產(chǎn)品團隊經(jīng)常覺得自己開發(fā)的工具“非常好用”，結果現(xiàn)場的 FDE 不愿意用。

解決方式是什么？

“派產(chǎn)品團隊去現(xiàn)場，陪著 FDE 一起用工具、一起改進。”

這就是 FDE 模式的核心：先跑出結果，再抽象成通用能力。

產(chǎn)品團隊的角色不是閉門造車，而是將現(xiàn)場驗證的解決方案規(guī)模化。

結語｜FDE，不是崗位，是路徑

FDE 是現(xiàn)實倒逼的產(chǎn)物。你想要結果，就得有人先邁出第一步。

正如 McGrew 所說：

模型能力已經(jīng)進步飛快了，但企業(yè)部署還遠遠跟不上。

不是工具不夠強，不是模型還差點，而是企業(yè)沒人能落地。你缺的是那個能讓 AI 融入現(xiàn)實流程、交付第一個成果的人。

FDE 做的事，就是把“不確定的機會”變成“可重復的流程”。它是結果的起點，是增長的前線。

企業(yè)想用好 AI，別先問模型行不行，應該先問一句：

“我們有沒有這樣一個人？”

一個能在客戶現(xiàn)場把路鋪出來的人。起點，總要有人先走。

本文由AI深度研究院出品，內容翻譯整理自Bob McGrew在YC Lightcone最新訪談。未經(jīng)授權，不得轉載。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

https://www.youtube.com/watch?v=Zyw-YA0k3xo&t=1s&ab_channel=YCombinator

https://x.com/JackPrescottX/status/1965067303286157732?utm_source=chatgpt.com

https://podcasts.apple.com/us/podcast/y-combinator-startup-podcast/id1236907421?utm_source=chatgpt.com

https://www.ycombinator.com/library/M6-how-to-build-the-agi-future-bob-mcgrew?utm_source=chatgpt.com

https://techcrunch.com/2019/03/11/openai-shifts-from-nonprofit-to-capped-profit-to-attract-capital/?utm_source=chatgpt.com

https://openai.com/index/openai-and-microsoft-extend-partnership/?utm_source=chatgpt.com

來源：官方媒體/網(wǎng)絡新聞，

排版：Atlas

編輯：深思

主編：圖靈