E240｜OpenAI联手PE砸下40亿美元，聊聊硅谷最火新职位FDE

完整转录稿

Podcast 硅谷101 2026-06-17 17:00
摘要

整体概括

这期《硅谷101》讨论 Forward Deployment Engineer（前线部署工程师，FDE）为什么在 AI Agent（智能体）时代成为硅谷热门新职位。Yiwen 以 OpenAI 成立 Deployment Company（部署公司）、收购 Tomorrow 并获得一批 FDE，以及 Anthropic 与 Blackstone 等金融机构合作为切入口，提出一个核心问题：模型公司为什么不再只把模型交给客户，而要亲自进入企业现场，帮客户改造真实工作流。

Jove Zhong 和 Oliver Søe 的共同判断是，企业 AI 落地的瓶颈已经不只是模型能力，而是数据、流程、评估、组织沟通和业务责任的组合问题。真正难的不是做一个 demo（演示），而是让 AI 进入客户已有的数据流、审批流、销售流程、客服流程、尽调流程和运营流程，并持续产出可衡量结果。FDE 的价值正在于把模型能力、客户目标、现场约束和产品反馈连接起来，把 AI 从工具变成可运行系统。

因此，这期节目讨论的不是单一岗位热潮，而是企业软件、咨询、资本和模型公司商业模式的交汇：AI 越强，越需要有人把它嵌入复杂现实，并对结果负责。这也是 FDE 变得稀缺且昂贵的原因。

节目也把 FDE 放进更大的产业变化里看：模型公司、应用层公司、咨询公司和 PE（私募股权）都在争夺企业 AI 落地的关键位置。模型公司有模型能力和品牌，应用层公司更接近客户数据和垂直场景，咨询公司懂组织流程和高层沟通，PE 掌握大量需要改造的投资组合公司。谁能把数据整合、业务理解、Agent 开发、评估体系和组织变革串起来，谁就更可能在企业 AI 下一阶段占据主动。

主要内容

节目首先解释了 FDE 为什么突然升温。Jove 认为，OpenAI、Anthropic 做部署公司，本质上说明模型公司意识到“模型本身不是产品”。客户并不只是想买一个 API（应用程序接口），而是想把 AI 真正用在自己的业务里。模型公司有很强的模型能力，但通常不掌握客户的历史数据、业务上下文和内部流程；应用层公司则可能沉淀了客服、销售、交易或行业数据，因此在某些场景里更容易做深度部署。

Jove 用 Cresta 的实践说明 FDE 的工作形态。Cresta 长期服务客服和销售场景，已有大量合规存储的人类坐席对话数据。进入 AI Agent 时代后，这些数据可以用于设计、测试和迭代新的 Agent。FDE 要做的不只是写代码，而是和客户一起定义目标、接入数据、做第一版 Agent、建立测试集、评估效果，并把前线经验带回产品团队，让产品持续变好。

Jove 把 FDE 类比成迷你 CTO（首席技术官）。FDE 要理解客户现有流程，判断哪些部分适合 AI，哪些必须保留人工，哪些需要先做数据治理；随后还要做出一个可用版本，接工具、写提示词、建立评估标准，并在客户反馈中持续迭代。FDE 不是按小时卖人力的外包，也不是只负责写代码的工程师。Cresta 只有在项目值得投入、能形成可复用经验或产品反馈时，才会让 FDE 深入参与。

节目还讨论了 FDPM（前线部署产品经理）与 FDE 的分工。Jove 认为，一个人如果既懂业务、会沟通、能销售、会判断风险，又能写代码和设计 人工智能系统，当然最好，但这种人很难招。因此 Cresta 采用 FDPM 加 FDE 的组合：FDPM 更像 Forward Deployed CEO（前线部署 CEO），负责客户关系、需求判断、风险上报、推进节奏和追加销售；FDE 更像 Forward Deployed CTO（前线部署 CTO），负责技术实现、测试健康度、最佳实践沉淀和产品反馈。

Palantir 是 FDE 模式的重要来源。Jove 解释说，Palantir 面对军方或复杂机构客户时，很多需求无法在会议室里讲清楚，必须有人到现场看数据、理解行动方式、临时做 API、做数据建模，再把系统接起来。今天 AI 公司借鉴的 FDE，核心同样是让技术人员进入真实业务现场，而不是远程接一个抽象需求。

关于优秀 FDE 的能力，Jove 强调技术基础和独立判断。FDE 要懂 AI Agent 的开发、测试、工具接入和评估，也要能和客户 CTO、业务负责人、运营团队沟通，把复杂问题简化成可执行方案。Cresta 不招非常初级的 FDE，因为一个项目里可能只有一两个人和客户共创，如果 FDE 自己没有判断力，只能依赖 AI 给建议，就很难建立信任。Jove 更偏好有咨询、创始工程师、自由职业或复杂项目经历的人，因为他们更能承受不完美的 API、混乱文档和高压推进。

关于 AI 会不会取代 FDE，Jove 的判断比较明确：AI Coding Agent（AI 编码智能体）会提高 FDE 效率，但短期内不会完全替代 FDE。AI 可以帮忙写代码、整理会议、搜索内部信息、生成方案和利弊表格，让一个 FDE 同时处理更多项目；但 AI 拿不到所有现场信息，也不能替人判断客户真正约束、承担业务责任或说服组织改变。如果某一天 FDE 的 99% 工作都能被 AI 化，那客户公司的很多业务岗位本身也会发生更大的变化。

后半段，Oliver 从 PE 角度解释为什么私募基金积极找模型公司合作。GP（普通合伙人）面对 LP（有限合伙人）募资时，需要证明自己不仅会买公司、卖公司，还能利用 AI 提升投资组合价值和自身运营效率。PE 的 AI 需求包括为被投企业搭 AI 销售助理，把客户数据、历史互动、会前准备和话术生成串起来；在 data room（数据房间）中辅助商业尽调、环境尽调和文档分析；以及改造 GP 自身找项目、评估项目、管理被投企业和向 LP 汇报的流程。

Oliver 的关键观点是，PE 收购一家公司的时候，也买下了这家公司的工作流。AI 能否创造价值，取决于能否进入这些工作流，而不是在旁边放一个聊天机器人。他反对“一个工具一个工具上”的企业 AI 路径：法律工具、会议记录工具或垂直应用有价值，但未必改变公司做事方式。真正的 AI 落地要按工作流拆解，判断哪些步骤必须确定执行，哪些可以交给 AI，哪些需要人工审核，以及如何接入数据、评估结果。

节目也讨论了咨询行业。Oliver 认为未来三到五年咨询需求不会消失，因为企业仍需要有人帮助它们判断从哪里开始、哪些用例值得做、商业模式和激励结构如何变化。但咨询公司也必须转型：Jove 提到，咨询公司、传统软件外包公司、平台公司和模型公司都在用各自方式争夺 AI 落地市场。过去企业可以先找咨询做流程梳理，再找外包开发软件；现在模型公司和应用平台公司可能直接带 FDE 改造流程，并交付可衡量结果。

数据整合被反复强调为第一道门槛。Oliver 说，企业内部常有 ERP（企业资源计划）、Salesforce、Outlook、Gmail、Gong 等多套系统；如果客户成功数据、销售数据和通话记录彼此割裂，AI Agent 很难可靠工作。他介绍 Invisible Technologies 的四个模块：Neuron 做数据层和数据网格，Atomic 梳理和自动化工作流，Synapse 评估 AI 表现，Action 协调不同智能体。其中 Neuron 是起点，因为很多企业甚至不清楚自己的数据长什么样。

节目最后回到市场格局。Yiwen 总结说，模型公司在做部署，咨询公司在转型，应用层公司也在扩张 FDE 团队。Jove 认为，不同公司的 FDE 不会完全一样，Google、OpenAI、Anthropic、应用层公司和咨询公司会根据各自客户入口和能力重新分工，不会由一种角色吃掉整个市场。对个人来说，FDE 像一个创业营：它要求技术判断、客户沟通、资源协调、组织推动和责任承担，对未来创业或承担更大职责都有帮助。

关键 takeaway

  • 模型公司做部署公司，是为了把模型能力转化为真实工作流、业务指标和可验证 ROI，而不只是卖 API。
  • FDE 像迷你 CTO，核心职责是连接客户场景、数据、Agent 开发、测试评估、上线迭代和产品反馈。
  • FDPM 管客户、需求、风险和推进；FDE 管技术、测试、实现和最佳实践，两者互补。
  • 应用层公司更接近客户数据和流程，因此在某些行业场景里比模型公司更容易做深度部署。
  • PE 找模型公司合作，是为了向 LP 证明 AI 转型能力，并改造投资组合公司和基金自身运营流程。
  • 企业 AI 落地不能只采购工具，而要按完整工作流拆解自动化、人工审核和确定性步骤。
  • 数据整合是第一道门槛；分散系统里的数据、权限和对象关系不打通，Agent 很难稳定创造价值。
  • 咨询行业不会立刻消失，但会从“给建议”转向和 AI 部署团队一起交付可衡量结果。
  • AI Coding Agent 会提高 FDE 效率，但不能替代现场信息获取、技术取舍、客户深度沟通和责任承担。
  • FDE 也是高强度职业训练，能锻炼技术、产品、业务、组织推动和复杂商业取舍能力。

目录

大家好欢迎回到《硅谷101》

Yiwen: 大家好欢迎回到《硅谷101》 [00:00:01]

Yiwen: 我是Yiwen

Yiwen: 5月初 OpenAI宣布成立

Yiwen: Deployment Company 部署公司

Yiwen: 背后的投资人包括私募基金

Yiwen: 也有我们熟悉的咨询公司

Yiwen: 同一时间 Anthropic也宣布了

Yiwen: 和包括Blackstone在内的

Yiwen: 金融机构合作

Yiwen: 成立合资企业

Yiwen: 这两家实验室的新动作

Yiwen: 都是在提供同一种服务

Yiwen: 把他们的模型带到企业里

Yiwen: 在真实的工作场景中落地

Yiwen: 来执行这件事的人叫做FDE

Yiwen: 也是硅谷这段时间来最火的新工种

Yiwen: FDE全称

Yiwen: Forward Deployment Engineer

Yiwen: 可以直接翻译成“前线部署工程师”

Yiwen: 为了组建FDE团队

Yiwen: OpenAI收购了一家

Yiwen: 叫做Tomorrow的公司

Yiwen: 打包带走了150个FDE

Yiwen: 许多面向企业市场的初创公司

Yiwen: 最近也在扩建FDE团队

Yiwen: 部署公司的成立和FDE的爆火

Yiwen: 本质上都是在证明Agent时代

Yiwen: 企业需要的不仅是AI工具 [00:01:00]

Yiwen: 而是一套AI-native的工作流

Yiwen: 这具体意味着什么

Yiwen: 在这期播客里

Yiwen: 我们和两位从业者聊了聊

Yiwen: 一位是Cresta的FDE负责人Jove

Yiwen: 另一位是前麦肯锡咨询师

Yiwen: 现任Invisible Technologies

Yiwen: 企业业务VP的Oliver

Yiwen: 其中Oliver的访谈

Yiwen: 原本是用英语录制的

Yiwen: 在这期节目里

Yiwen: 我们用配音的方式呈现

Yiwen: 我们不止聊了FDE在做什么

Yiwen: 也聊了FDE模式和Palantir的渊源

Yiwen: 以及在这波AI浪潮里

Yiwen: 私募和咨询行业正在发生的变化

Jove Zhong: Jove 介绍一下自己

Jove Zhong: 大家好我是Jove

Jove Zhong: 我在这个很神奇的工种FDE

Jove Zhong: 可能算是在硅谷这边

Jove Zhong: FDE相对来说做得声势比较大

Jove Zhong: 我有一个将近百人的团队在招

Jove Zhong: 是做Agent

Jove Zhong: 所以很高兴能够参加这个节目

Yiwen: 分享一下FDE相关的一些看法

Yiwen: 跟大家一些的问题对

Yiwen: 我们之所以要聊这个话题

Yiwen: 是因为5月份的时候

Yiwen: OpenAI成立了一家 [00:02:00]

Yiwen: 叫做Deployment Company

Yiwen: 部署公司的这样一家公司

Yiwen: 它同时收购了

Yiwen: 一家叫做Tomorrow的公司

Yiwen: 拿到了150个FDE

Yiwen: 就是我们说的“前线部署工程师”

Yiwen: Forward Deployment Engineer

Yiwen: 或者“前线部署工程师”

Yiwen: 现在还没有特别好的中文翻译

Yiwen: 我甚至听到有人说法

Yiwen: 这一周是说“AI落地官”

Yiwen: “AI落地官”

Yiwen: 听起来可能更fancy一些

Yiwen: 无论如何

Yiwen: 确实是一个值得被不停定义的工种

Yiwen: 对其实在相同的时间

Yiwen: Anthropic也宣布了类似的消息

Yiwen: 包括你之前也有写到

Yiwen: Google其实也有类似的动作

Yiwen: 你怎么看待这些动作

Yiwen: 能不能说一下

Yiwen: 你看到这些新闻的时候

Yiwen: 你的立刻反应是什么样的

Yiwen: 对我觉得这也是部分原因是

Yiwen: FDE一下子就让大家上头了

Yiwen: 因为这个作为一个工作类型

Yiwen: 可能已经存在十几年的时间

Jove Zhong: 从Palantir开始

Jove Zhong: 但随着OpenAI跟Anthropic

Jove Zhong: 纷纷动手去买公司

Jove Zhong: 和资本去做一些合作

Jove Zhong: 包括我们公司是在去年1月份

Jove Zhong: 差不多整整14 15个月的时间之前

Jove Zhong: 开始做FDE的这样一个部署 [00:03:02]

Jove Zhong: 或者是说

Jove Zhong: 当时没有很明确的一定要招FDE

Jove Zhong: 但是说模模糊糊觉得

Jove Zhong: 需要把一些工程师拿出来

Jove Zhong: 跟客户走得更近

Jove Zhong: 通过这些非常贴身的一些服务

Jove Zhong: 能够了解他们想要什么

Jove Zhong: 然后把我们的产品用到位

Jove Zhong: 但是过去这一两个星期

Jove Zhong: 甚至一两个月

Jove Zhong: 有大量的FDE一些讨论

Jove Zhong: 在中文英文那些媒体的平台

Jove Zhong: 包括像OpenAI Anthropic

Jove Zhong: 我的一个感受就是说

Jove Zhong: 这次事情确实我知道会来

Jove Zhong: 但我没有想到会这么快

Jove Zhong: 来得这么的迅猛

Jove Zhong: 但我觉得这也印证了几个事情

Jove Zhong: 一是大家还是要会承认

Jove Zhong: 模型公司它会意识到

Jove Zhong: 模型本身并不是一个产品

Jove Zhong: 产品要落地还需要做大量的工作

Jove Zhong: 这个是传统的模型公司很容易疏忽

Jove Zhong: 甚至是不屑去做的

Jove Zhong: 但是你没有这样一个

Jove Zhong: 非常紧密的合作

Jove Zhong: 对于有钱想买这个模型的人

Jove Zhong: 他也觉得买了也不知道怎么用

Jove Zhong: 我们发现FDE是一个非常好的形式

Jove Zhong: 还有一个就是说

Jove Zhong: 模型公司跟应用公司

Jove Zhong: 这个边界就变得很模糊 [00:04:00]

Jove Zhong: OpenAI跟Anthropic的做法更多是

Jove Zhong: 我依然招最好的人去训练我的模型

Jove Zhong: 包括像Anthropic

Jove Zhong: 大家可能知道他的模型就特别好

Jove Zhong: 但也特别贵

Jove Zhong: 可以卖得很贵

Jove Zhong: 人效来讲可能会很高

Jove Zhong: 但至于是说我要去向三百六十行

Jove Zhong: 每行去落地

Jove Zhong: 那个需要大量的人

Jove Zhong: 那这块我不见得想要自己找

Jove Zhong: 所以这也是为什么有些是收购

Jove Zhong: 有些是通过资本

Jove Zhong: 来让别的公司来做FDE

Jove Zhong: 所以这个模型公司

Jove Zhong: 跟应用之间的亦友亦敌的关系

Jove Zhong: 就变得更加地纠缠不清了

Jove Zhong: 对这个很有意思

Yiwen: 我们先来给听众解释一下FDE概念

Yiwen: 如果要让你用一句话定义FDE

Yiwen: 你会怎么说

Yiwen: 对 FDE是在跟客户紧密合作

Yiwen: 能够让AI应用

Jove Zhong: 真正跑起来的工程师

Jove Zhong: 且它承担了让产品变得更好的

Jove Zhong: 这样一个职责

Jove Zhong: 所以FDE一是要把AI落地

Jove Zhong: 二是把这些Lesson Learned（经验教训）

Jove Zhong: 能够直接的方式去改变产品

Jove Zhong: 让产品变得更好

Jove Zhong: 就有点甚至像是一个

Jove Zhong: Forward Deployed CTO一样

Jove Zhong: 你是非常全面一个人 [00:05:00]

Jove Zhong: 你是要把单子搞定

Jove Zhong: 你要把AI应用落地

Jove Zhong: 把客户锁住

Jove Zhong: 但是你作为一个CTO

Jove Zhong: 你不光是整天要想着

Jove Zhong: 怎么让产品变得更好

Yiwen: 甚至是你要自我革命了

Yiwen: 所以FDE就做这样一个事情

Yiwen: 就是把AI落地且用这些经验教训

Yiwen: 把产品变得越来越强

Yiwen: 能不能给我们一个具体的例子

Yiwen: 在你接触到的客户里面

Yiwen: FDE是怎么样去改变

Yiwen: 他们现有的工作流的

Yiwen: 其实你们服务的

Yiwen: 这些财富100强的公司

Yiwen: 他们很多都是不同领域的

Yiwen: 不同领域的公司

Yiwen: 对AI智能呼叫中心这件事情

Yiwen: 有不同的需求

Yiwen: 肯定涉及到很多

Yiwen: 他们专业领域的一些

Yiwen: 无论是术语也好

Yiwen: 知识甚至数据也好

Yiwen: 这些客户是怎么样

Yiwen: 跟你们传递他们的需求的

Yiwen: 你们又是怎么样去理解这些需求

Yiwen: 并且去做部署的

Yiwen: 对好问题

Yiwen: 针对客户体验这个领域

Jove Zhong: 因为Cresta的先天优势是在于

Jove Zhong: 我们相对来说是积累比较长

Jove Zhong: 我们2017年就开始做了

Jove Zhong: 所以AI这个浪潮之前

Jove Zhong: 有大量的人与人之间的这些对话

Jove Zhong: 就已经在Cresta这个系统里面 [00:06:01]

Jove Zhong: 当然我们花大量工夫去做合规什么

Jove Zhong: 所以比方说我们可以说的

Jove Zhong: 像Marriott（万豪）这些大的公司

Jove Zhong: 在Agent这个时代之前

Jove Zhong: 人工的Agent大量的

Jove Zhong: 这些文本语音的语料

Jove Zhong: 就是合规的方式在Cresta这边存储

Jove Zhong: 所以你可以想象

Jove Zhong: 一旦AI Agent我们决定去挑几个

Jove Zhong: 用例去做的时候

Jove Zhong: 我们肯定会去分析

Jove Zhong: 哪些用例是量比较大

Jove Zhong: 但是又没有做起来那么复杂的

Jove Zhong: 就是没有很多人工判断的

Jove Zhong: 它相当于说SOP比较清晰

Jove Zhong: 它量比较大

Jove Zhong: 这样有点像是

Jove Zhong: 你可能80%的业务量

Jove Zhong: 是来自20%的一些应用场景

Jove Zhong: 有了大概的一些判断之后

Jove Zhong: 我们可以借助过去的一些历史

Jove Zhong: 能够去抽象出来说

Jove Zhong: 有哪些典型的问题客户在问

Jove Zhong: 作为一个客服

Jove Zhong: 不管是人工的还是AI的

Jove Zhong: 你应该怎么去有效地

Jove Zhong: 跟他解决这个问题

Jove Zhong: 所以这些就避免很多猜的成分

Jove Zhong: 因为我觉得

Jove Zhong: AI跟数据需要做很好的结合

Jove Zhong: 我们是一个蛮好的例子

Jove Zhong: 在我们做一个 [00:07:01]

Jove Zhong: 相对比较大单子的时候

Jove Zhong: 往往他已经用了很长一段时间

Jove Zhong: Cresta别的产品了

Jove Zhong: 我们可以基于他

Jove Zhong: 人工对话的一些数据

Jove Zhong: 能够去提炼出它的一些规律

Jove Zhong: 我们甚至可以用它的数据

Jove Zhong: 来训练一个小的模型

Jove Zhong: 用那个模型来去做更多的模拟

Jove Zhong: 所以FDE就要去作为一个

Jove Zhong: 相对有经验的这样一个AI落地官

Jove Zhong: 去判断哪些用例我们可以先做

Jove Zhong: 用例对应的这些资源

Jove Zhong: 是不是到位了

Jove Zhong: 不到位的话

Jove Zhong: 并不倾向于我们帮他改一批

Jove Zhong: 更多是跟客户共创

Jove Zhong: 包括后续做出一个版本的Agent

Jove Zhong: 也要做大量的测试做优化

Jove Zhong: 这边其实也是花很多的精力

Jove Zhong: 所以FDE还是以技术人的方式

Jove Zhong: 就像一个迷你的CTO

Jove Zhong: 去跟客户培养好关系

Jove Zhong: 了解他具体想要什么

Jove Zhong: 做出一个AI Agent

Yiwen: 而且做出来只是第一步

Yiwen: 你后续有大量的一些优化监控

Yiwen: 这些都是很花精力

Yiwen: 也很花大家的技能点跟经验的对

Yiwen: 我想再回到你刚才说的数据问题

Yiwen: 你讲到你们从2017年开始 [00:08:01]

Yiwen: 就有很多历史数据

Yiwen: 这个对你们来说是一个优势

Yiwen: 甚至说和一些客户相比

Yiwen: 因为你们有的数据

Yiwen: 比有的客户还要多

Yiwen: 你们可以做的事情也会更多

Yiwen: 这个是不是你刚才提到的

Yiwen: 应用层的公司和模型层公司的区别

Yiwen: 像OpenAI Anthropic

Yiwen: 这样做模型的公司

Yiwen: 他们想要把他们的模型

Yiwen: 用在用户的具体使用场景里面

Yiwen: 但是他们没有这些数据

Yiwen: 他们可能也不是那么了解

Yiwen: 客户的具体需求是什么

Yiwen: 所以这个是不是他们的一个劣势

Yiwen: 相当于是

Yiwen: 对大家其实挺矛盾

Yiwen: 模型公司有很强的意愿

Yiwen: 觉得我一方面要把模型变得很聪明

Yiwen: 但是我一定要能够了解

Jove Zhong: 企业到底每天在做些什么事情

Jove Zhong: 它的系统怎么流转的

Jove Zhong: 这些最终在一起工作

Jove Zhong: 模型扮演一个指挥家的作用

Jove Zhong: 但它模型不用什么都做

Jove Zhong: 所以应用这块

Jove Zhong: 我觉得是会越来越重

Jove Zhong: 但是大家不能期望

Jove Zhong: 模型本身就无所不能

Jove Zhong: 因为毕竟每个公司要做的业务

Jove Zhong: 它的很多数据不可能共享 [00:09:02]

Jove Zhong: 它的API千奇百怪

Jove Zhong: 甚至是在内网

Jove Zhong: 就有太多的事情

Jove Zhong: 模型本身是不能控制

Yiwen: 所以为了让AI能够

Yiwen: 更深刻地改变世界

Yiwen: 需要利用FDE这样一些模型

Yiwen: 能够把应用落地得更加扎实一些

Yiwen: 你会需要去现场看

Yiwen: 客户是怎么样进行这些工作的吗

Yiwen: 会对

Yiwen: 前线部署

Jove Zhong: 这个词有点比较抓人眼球

Jove Zhong: 包括我自己包括我的同事

Jove Zhong: 没有一次是超过一个星期

Jove Zhong: 在一个客户那边的

Jove Zhong: 因为我们FDE不需要

Jove Zhong: 做一些初次联系

Jove Zhong: 或者是一些偏售前的事情

Jove Zhong: 更多是说大家已经有很强的意向了

Jove Zhong: 更多是拉我们作为一个专家

Jove Zhong: 看怎么去落地更合适一些

Jove Zhong: 所以我们可能会有一个启动会

Jove Zhong: 大家飞到他的办公室

Jove Zhong: 我们可能闭门地开个两三天的会

Jove Zhong: 把一些高层级的目标能够定下来

Jove Zhong: KPI定下来

Jove Zhong: 把它对应的API能够验证

Jove Zhong: 甚至如果顺利

Jove Zhong: 我们可以在那边做一个小型的PoC(概念验证)

Jove Zhong: 让他们产生兴趣

Jove Zhong: 但是之后我们可能就各回各家

Jove Zhong: 我们可能会每周 [00:10:01]

Jove Zhong: 或者甚至是每天会有一些会

Jove Zhong: 开发都是要么在办公室或在家里面

Jove Zhong: 我们可能会在项目所谓的UAT

Jove Zhong: 用户验收的时候可能会再聚一下

Jove Zhong: 或者是我们谈到要考虑下一波的

Jove Zhong: 用例怎么做的时候

Jove Zhong: 而且面对面

Jove Zhong: 就像我们现在聊天一样

Jove Zhong: 大家会有些眼神交流

Jove Zhong: 大家可以甚至培养一些私交

Jove Zhong: 你早期培养这些私交

Jove Zhong: 有些信任对后续工作是很有用

Jove Zhong: 很多大家不见得很方便

Jove Zhong: 书面化的东西

Jove Zhong: 通过一些聊天和一些沟通

Jove Zhong: 能够培养更多的默契

Jove Zhong: 跟了解更多的背景

Jove Zhong: 这些是往往你不在现场

Jove Zhong: 是很难达到的

Jove Zhong: 但这些目的加在一块

Jove Zhong: 都是为了能够把AI落地

Jove Zhong: 变得更加的扎实

Jove Zhong: 而不是逼客户去学

Jove Zhong: 而是说我们了解你要什么

Jove Zhong: 然后帮你做出来

Yiwen: 做完之后你想自己维护也可以

Yiwen: 但是AI落地这个事情就属于又难

Yiwen: 时间又漫长

Yiwen: 但是FDE会让它变得稍微简单一些

Yiwen: 所以FDE是在什么时候

Yiwen: 进入客户的工作流的

Yiwen: 是在你们产品刚卖出之后吗

Yiwen: 相当于和产品一起打包

Yiwen: 可能送给客户的这样一个套餐

Yiwen: 还是说是在更后面一点

Yiwen: 我们其实比较灵活 [00:11:01]

Yiwen: FDE就在售前售中售后

Yiwen: 都会有参与

Yiwen: 售前有可能是

Jove Zhong: 如果需要做一个功能级

Jove Zhong: 比较全的样本

Jove Zhong: 往往可能我们售前训练

Jove Zhong: 并没有这样一个技能

Jove Zhong: FDE需要帮他做一做

Jove Zhong: 尤其是说当这个单子谈完了

Jove Zhong: 我们可能会有一个期待

Jove Zhong: 是在两个月到四个月内

Jove Zhong: 这个就要上线了

Jove Zhong: 当然上线也是一批一批的

Jove Zhong: 我们挑一批用例作为一期上线

Jove Zhong: 后面再做

Jove Zhong: 在这过程中就会花些时间去做

Jove Zhong: 初期的开发

Jove Zhong: 把它做调试灰度发布

Jove Zhong: 或者是一些监控什么

Jove Zhong: 但一个项目如果它已经上线了

Jove Zhong: 我们会监控这些

Jove Zhong: 比如说客户的满意度

Jove Zhong: 或者电话的时长

Jove Zhong: 或者这个案例有没有解决

Jove Zhong: 这些指标都是在合同里面的

Jove Zhong: 如果已经符合合同

Jove Zhong: 其实是没有必要继续把人放在里面

Jove Zhong: 因为毕竟我们项目比较多

Jove Zhong: 而且你总会有机会可以修改prompt

Jove Zhong: 做些东西

Jove Zhong: 这个其实不见得很划算

Jove Zhong: 所以一个项目

Jove Zhong: 我们可能做个两个月四个月

Jove Zhong: FDE就退出了

Jove Zhong: 后续可能一些小修小补就可以 [00:12:01]

Jove Zhong: 别的同事

Jove Zhong: 没那么AI专家的方式来去做

Jove Zhong: 这样的模型

Jove Zhong: 我们也是在一个尝试的过程中

Jove Zhong: 甚至我们再看是不是有些情况下

Jove Zhong: 即使客户没有花钱

Jove Zhong: 我们是不是给他一个甜头

Jove Zhong: 让他花个

Jove Zhong: 比如说两个月三个月

Jove Zhong: 我们倒贴一些人进去

Jove Zhong: 把这东西做出来

Jove Zhong: 他尝到甜头之后

Jove Zhong: 就像有的时候送货上门

Jove Zhong: 就已经门口放在那边让你试穿了

Jove Zhong: 你说你再退掉也不愿意

Jove Zhong: 所以AI现在这个领域

Jove Zhong: 就属于节奏非常快

Jove Zhong: 可以说是各自在抢山头

Jove Zhong: 所以我们FDE本身

Jove Zhong: 不用操心这些ROI

Jove Zhong: 我们也从来不是以FDE的小时

Jove Zhong: 来收费的

Jove Zhong: 所以一旦团队协作

Jove Zhong: 我们决定要把这个项目放FDE进去

Jove Zhong: 我们就全力以赴把它做出来

Yiwen: 其实我们今天聊FDE这个工种

Yiwen: 它有一个历史背景

Yiwen: 你之前也提到了

Yiwen: 这个模式或者这个概念

Yiwen: 是由Palantir一开始发明

Yiwen: 并且推广的

Yiwen: 我理解最早的时候

Yiwen: Palantir其实是有两个团队

Yiwen: 一个叫Echo 一个叫Delta

Yiwen: 这两个它们放在一起

Yiwen: 成为了一个FDE [00:13:00]

Yiwen: 但是可能Deltas

Yiwen: 更像我们现在理解上的FDE

Yiwen: 就是工程师的这样一个角色

Yiwen: Echo这一批人

Yiwen: 他们更多是熟悉这个专业领域

Yiwen: 这个能不能给我们讲一下

Yiwen: 你觉得当时

Yiwen: Palantir解决的核心问题是什么

Yiwen: 对 Palantir作为这个模式的

Yiwen: 最初的创造者来讲肯定值得尊重

Yiwen: 当然他的业务会非常的神奇

Jove Zhong: 因为不是每个厂商都能够去做

Jove Zhong: 一些军方的业务

Jove Zhong: 在10年 15年前他开始做

Jove Zhong: 我觉得因为很多具体想要什么

Jove Zhong: 他是不高兴说得很明的

Jove Zhong: 你必须是跟他们面对面

Jove Zhong: 跑到同一个军营的帐篷

Jove Zhong: 看到这些数据他才愿意说得很细

Jove Zhong: 而且中间又会涉及到

Jove Zhong: 比如说数据建模

Jove Zhong: 或者是要临时做API

Jove Zhong: 所以他是招了这两个团队

Jove Zhong: 一个团队是

Jove Zhong: 前沿有点像前沿驻场软件工程师

Jove Zhong: 类似的

Jove Zhong: 另外一个是偏业务负责人的

Jove Zhong: 对一些作战

Jove Zhong: 或者是一些抢救之类的他会比较熟

Jove Zhong: 一个是偏技术一个非技术

Jove Zhong: FDE我们通常意义上来讲

Jove Zhong: 还是一个非常技术的工种 [00:14:01]

Jove Zhong: 对Cresta来讲

Jove Zhong: 我们其实也是觉得

Jove Zhong: 这样的方式会比较合适

Jove Zhong: 最理想情形当然是

Jove Zhong: 你一个人什么都会

Jove Zhong: 就像所谓的一人公司一样

Jove Zhong: 你什么都会

Jove Zhong: 你既是CEO又CTO

Jove Zhong: 但毕竟这样的人比较难招

Jove Zhong: 而且大家精力比较有限

Jove Zhong: 所以我们做过一些尝试

Jove Zhong: 比如说我们早期也有所谓的

Jove Zhong: 对话设计师

Jove Zhong: 他更多对人际交互共情

Jove Zhong: 很多细节会比较熟

Jove Zhong: 他不需要技术

Jove Zhong: 我们最近这差不多一年的方式

Jove Zhong: 也是有所谓的FDE和FDPM

Jove Zhong: Forward Deployed Product MenuGen

Jove Zhong: 就不需要那么技术

Jove Zhong: FDE像一个

Jove Zhong: Forward Deployed CTO一样

Jove Zhong: 可以想象FDPM

Jove Zhong: 就是Forward Deployed CEO

Jove Zhong: 就他用他的

Jove Zhong: 人际能力沟通能力协商能力

Jove Zhong: 这些能力能够跟客户耗在一起

Jove Zhong: 花很多时间去培养信任

Jove Zhong: 知道他到底想要什么

Jove Zhong: 包括做一个Agent

Jove Zhong: 你该说什么不说什么

Jove Zhong: 你的测试集应该怎么去创建

Jove Zhong: 很多事情跟编码没有那么直接相关

Jove Zhong: 他也不需要知道

Jove Zhong: 安全应该怎么做网络怎么配

但这个本身是个很扎扎实实

Jove Zhong: 但这个本身是个很扎扎实实 [00:15:01]

Jove Zhong: 就一大块的活

Jove Zhong: FDPM就可以专门对这块做一些把控

Jove Zhong: 就像CEO一样他为整个公司负责

Jove Zhong: FDPM就为整个AI Agent的

Jove Zhong: 智能体行为和能力水准负责

Jove Zhong: FDE就是从技术角度

Jove Zhong: 确保这个实现是合理的

Jove Zhong: 我们对应的测试是健全的

Jove Zhong: 包括FDE还带有

Jove Zhong: 把这些经验教训带回公司

Jove Zhong: 能够把产品变得更好这样一个职责

Jove Zhong: 这样一个FDPM跟FDE合在一块

Jove Zhong: 因为我们很容易一天

Jove Zhong: 你要跟两三个客户要开好多的会

Jove Zhong: 这些会对于FDE来讲

Jove Zhong: 并不是每个都要参加

Jove Zhong: 因为他可能还在讨论

Jove Zhong: 我应该先说什么后说什么

Jove Zhong: 如果大家有个结论

Jove Zhong: 实现来看不是一个很难的事情

Jove Zhong: 所以大家分工不一样

Jove Zhong: FDE就可以更注重这些

Jove Zhong: AI的一些行业最优实践

Jove Zhong: 怎么能够把经常要做的

Jove Zhong: 一些开发的工作

Jove Zhong: 能够把它变成SDK 工具包 CLI

Jove Zhong: 我们更多从技术角度来做贡献

Jove Zhong: 而FDPM

Jove Zhong: 就可以把握具体的一些需求

Jove Zhong: 包括有的时候会有一些风险

Jove Zhong: 你怎么去上报

Jove Zhong: 甚至是你要去追加销售 [00:16:00]

Jove Zhong: 原先你已经做了三个用例

Jove Zhong: 你可能是不是变做成六个

Jove Zhong: 有大量这种

Jove Zhong: 你就把它想象成CEO和CTO的差别

Jove Zhong: 我觉得还是有效的

Yiwen: 这样避免

Yiwen: 要对招聘的人的要求过于高

Yiwen: 而且让一个人每天要花大量时间

Yiwen: 做不同的事情

Yiwen: 这样分开两个之后会好一些

Yiwen: 了解

Yiwen: 每个项目现在都需要

Yiwen: 一个FDPM和一个FDE吗

Yiwen: 还是说有的项目

Yiwen: 它可能有比较多的历史数据

Yiwen: 它的流程更加的标准化一点

Yiwen: 可能就是一个工程师就可以来做了

Yiwen: 我们基本上差不多是以一个FDPM

Yiwen: 配2-3个FDE在一个项目里面

Jove Zhong: 不管这个项目有多大

Jove Zhong: 这样就避免

Jove Zhong: 因为这个项目现在小FDE在里面

Jove Zhong: 如果这个项目变得越来越大

Jove Zhong: 你是不是还要做交接

Jove Zhong: 而且确实你有大量的

Jove Zhong: 你要跟客户沟通的一些事情

Jove Zhong: 所以我们大概在1:2 1:3这样的比例

Jove Zhong: 同时一个FDPM

Jove Zhong: 可能会做好几个项目

Jove Zhong: 而且我们也有意识地去看

Jove Zhong: 能不能找到一些共性

Jove Zhong: 比方说这几个人

Jove Zhong: 比较多的做一些医疗保险

Jove Zhong: 他对这些行业的一些术语一些规范

Jove Zhong: 一些所谓的常识会比较熟 [00:17:02]

Jove Zhong: 这几个人如果做类似的一些项目

Jove Zhong: 他们这块的行业经验会越来越多

Jove Zhong: 会越来越有经验

Jove Zhong: 包括从技术角度来看

Jove Zhong: FDE也会有意识地是说

Jove Zhong: 有这几个人对付款很熟

Jove Zhong: 这几个人对查找很熟

Jove Zhong: 因为毕竟我们要面临的这个世界

Jove Zhong: 是非常复杂的

Jove Zhong: 所以FDE我们慢慢成规模之后

Jove Zhong: 也会培养一些不光是领域的专家

Jove Zhong: 在某个商业领域里

Jove Zhong: 而且也是针对某些技术领域

Yiwen: 也会培养一些专家

Yiwen: 所以总结一下就是

Yiwen: FDE其实本身是一个

Yiwen: 技术性比较强的这样一个职位

Yiwen: FDPM更多是对行业知识的了解

Yiwen: 我理解可能这些人很多是从

Yiwen: 比如说咨询背景或者更多的是

Yiwen: 一个企业运营的背景

Yiwen: 因为你这次正好来纽约

Yiwen: 也是来招人的

Yiwen: 我觉得可以借这个机会说一下

Yiwen: 你觉得什么样的人最适合当FDE

Yiwen: 一个优秀的FDE是什么样的

Yiwen: 我觉得也是逼自己抛出来句话

Jove Zhong: 我要说打造全世界最好的FDE团队

Jove Zhong: 对是个目标

Jove Zhong: 虽然说现在获得一些成绩

Jove Zhong: 但我确实觉得 [00:18:01]

Jove Zhong: Palantir巨大的成功

Jove Zhong: 或者是它的股票往上涨

Jove Zhong: 有多少比例是因为FDE

Jove Zhong: 这个其实很难讲

Jove Zhong: 因为它本身有太多因素在里面

Jove Zhong: 但是它开创这样一个模型

Jove Zhong: 但现在FDE变成很热门

Jove Zhong: 是因为AI落地有太多的困难

Jove Zhong: 而这个复杂性

Jove Zhong: 你不想把它直接抛给客户

Jove Zhong: 而FDE能够把这些复杂的层面

Jove Zhong: 自己消化掉

Jove Zhong: 能够给客户一个很好的方案

Jove Zhong: 而且对于很多产品公司

Jove Zhong: 或者是SaaS或平台公司来讲

Jove Zhong: FDE把在前沿的这些经验教训

Jove Zhong: 直接去改变产品了

Jove Zhong: 因为你想 10年前Palantir的FDE

Jove Zhong: 就算知道产品有很多漏洞又怎么样

Jove Zhong: 他可能回头只能写封信

Jove Zhong: 或者是开一个工单求着别人去改

Jove Zhong: 可能再过半年就改好了

Jove Zhong: 但是因为现在AI Coding特别强

Jove Zhong: 所以我们这些FDE

Jove Zhong: 当然我们招的时候就会门槛比较高

Jove Zhong: 希望是比较好的工程师

Jove Zhong: 但是另一方面

Jove Zhong: 因为有这些AI Coding Agent

Jove Zhong: Claude Code 或者是这些模型

Jove Zhong: 你知道哪里不对

Jove Zhong: 哪里有提升空间

Jove Zhong: 哪里可以做得不一样

Jove Zhong: 哪怕你有5个 10个 [00:19:01]

Jove Zhong: 不同的repo

Jove Zhong: 不同的语言不同的栈

Jove Zhong: 你就可以很容易地

Jove Zhong: 让AI帮你做成这个样子

Jove Zhong: 然后你找个合适的人复盘就可以了

Jove Zhong: 所以这个迭代就很快

Jove Zhong: 除了coding之外

Jove Zhong: 现在skill本身

Jove Zhong: 也是一个很好的模型

Jove Zhong: 就能够有一个方式可以蒸馏了

Jove Zhong: 就原先都是大家留在脑子里面

Jove Zhong: 大家可能要花很多时间做知识转移

Jove Zhong: 现在你可以把它写成skill

Jove Zhong: 有一个很长的markdown

Jove Zhong: 有一些脚本

Jove Zhong: 有一些参考文档

Jove Zhong: 你做了两个三个类似的事情之后

Jove Zhong: 就可以变成一个很好的skill

Jove Zhong: 这个能力就可以在下一个项目里面

Jove Zhong: 很快去用得到

Jove Zhong: 或者是说我们现在30个FDE

Jove Zhong: 又来了20个FDE

Jove Zhong: 那个20FDE

Jove Zhong: 它甚至只要把这个skill装在那边

Jove Zhong: 能够访问就可以

Jove Zhong: 它都不用去学

Jove Zhong: 所以这个就很容易像一个雪球效应

Jove Zhong: 所以FDE现在肯定是很好的

Jove Zhong: 一个比较合适的状态

Jove Zhong: 招更多FDE能够去落地

Jove Zhong: 包括我这次来纽约

Jove Zhong: TechWeek也是希望

Jove Zhong: 能够办一些活动

Jove Zhong: 我们希望招

Jove Zhong: 一是说肯定是一个很合格的工程师

Jove Zhong: 因为这个本身就像个CTO

Jove Zhong: 你肯定不想是一个

Jove Zhong: 很不会写代码的人做CTO

Jove Zhong: 他肯定要技术很强 [00:20:00]

Jove Zhong: 因为我现在招的这个团队

Jove Zhong: 就是局限在AI Agent FDE

Jove Zhong: 我这边对数据工程

Jove Zhong: 对信息安全没有那么强的要求

Jove Zhong: 但是你这个人一定要会AI Agent

Jove Zhong: 我这边很多时候看到一个简历

Jove Zhong: 他说我是个AI工程师

Jove Zhong: 我这不废话吗

Jove Zhong: 就现在你哪个软件工程师

Jove Zhong: 如果不是AI工程师

Jove Zhong: 你都已经很出局了

Jove Zhong: 肯定没有人期待你

Jove Zhong: 每行代码都自己写

Jove Zhong: 你是必须要会用这些

Jove Zhong: Harness framework

Jove Zhong: 你要用Cursor

Jove Zhong: 用Claude Code

Jove Zhong: 但是不是很多人会知道

Jove Zhong: 怎么去开发跟测试AI Agent

Jove Zhong: 这个技能对我们来说是很在乎的

Jove Zhong: 我们不想花个两个月三个月

Jove Zhong: 再培训一个人

Jove Zhong: 可能这个人两到三个礼拜

Jove Zhong: 就应该进一个项目

Jove Zhong: 所以你需要是一个好的开发者

Jove Zhong: 你要是开发跟测试过AI Agent

Jove Zhong: 另外一块就是说他需要有比较过硬

Jove Zhong: 或者比较让人信服的

Jove Zhong: 对接客户的经验

Jove Zhong: 毕竟我们是前沿部署

Jove Zhong: 哪怕你过去都是线上开会

Jove Zhong: 或者是偶尔可能会过去个几天

Jove Zhong: 但你还是要去跟对方的CTO

Jove Zhong: 对方的IT总监

Jove Zhong: 对方资深的人进行沟通的 [00:21:00]

Jove Zhong: 有的时候你也跟一些

Jove Zhong: 非技术人员去沟通

Jove Zhong: 你应该知道

Jove Zhong: 怎么去把一个比较复杂的问题

Jove Zhong: 能够简化

Jove Zhong: 或者是你能够从他表达的过程中

Jove Zhong: 抓到具体一些点能够进行求证

Jove Zhong: 有的时候你要说不

Jove Zhong: 这边有不光是英文层面的沟通

Jove Zhong: 而且是你整个人要比较老练

Jove Zhong: 实际上跟CTO一样的

Jove Zhong: 就CTO也不能是光写代码的一个人

Jove Zhong: 所以这个技能

Jove Zhong: 我就一般是期待他要么做过咨询

Jove Zhong: 或者是他自己就是

Jove Zhong: 作为一个创始工程师

Jove Zhong: 或者是自己有大量的

Jove Zhong: 甚至是自由职业者

Jove Zhong: 我觉得都是挺好的

Jove Zhong: 除了编程

Jove Zhong: 除了这些对接客户之外

Jove Zhong: 剩下可能就是一些

Jove Zhong: 人的要比较靠谱要有韧性

Jove Zhong: 因为FDE就是真的很忙

Jove Zhong: 你同时多线程处理很多事情

Jove Zhong: 你有很多压力

Jove Zhong: 你面对的就是一个很不完美的世界

Jove Zhong: API根本就是纸糊的

Jove Zhong: SOP就跟没有是一样的

Jove Zhong: 文档也是千奇百怪的

Jove Zhong: 压力很大

Jove Zhong: 大家可能会有不切实际一些想法

Jove Zhong: 所以要很强的

Jove Zhong: 能够面临巨大复杂性的一些能力

Jove Zhong: 能够面临巨大不确定的能力

Jove Zhong: 所以有自主决断力去知道 [00:22:00]

Jove Zhong: 我应该怎么去推进

Jove Zhong: 怎么去跳出来做一些事情

Jove Zhong: 所以我是很喜欢招创始工程师

Jove Zhong: 甚至是说经历过很多大风大浪的

Jove Zhong: 能够知道

Jove Zhong: 没有一个事情是有保障的

Jove Zhong: 一定会成功的

Jove Zhong: 你就是要必须是非常努力地去做

Jove Zhong: 才能够到一个稍微好一点的状态

Jove Zhong: 所以这种靠谱韧性

Jove Zhong: 往往也是通过这种方式

Jove Zhong: 我们希望能够看到

Jove Zhong: 我这边是不招任何初级的FDE

Jove Zhong: 因为就像前面讲的

Jove Zhong: 你一个项目也就一两个人

Jove Zhong: 跟对方的CTO在那边在共创

Jove Zhong: 你如果一个很初级的人

Jove Zhong: 就很难达成这样一个信任

Jove Zhong: 你可能很多时候也没有头绪

Jove Zhong: 你总不能打开AI

Jove Zhong: 让AI告诉你怎么做

Jove Zhong: 你自己没有判断的能力也很差

Yiwen: 所以技术的能力肯定是要在位的

Yiwen: 你的对接客户的能力要在那边

Yiwen: 你能够抓很多事情端到端

Yiwen: 其实这也是我下面想问的一个问题

Yiwen: FDE你刚才说

Yiwen: 他们面临的是一个不完美的世界

Yiwen: 面临的还是一些

Yiwen: 现在来说还是比较新的

Yiwen: 这样一些Agent工具

Yiwen: 那么这个职位

Yiwen: 到底会是一个长期存在的职位

Yiwen: 还是一个过渡性的角色 [00:23:01]

Yiwen: 当模型足够强工具足够成熟之外

Yiwen: 我在想这个角色它会消失吗

Yiwen: 而且我们刚才把它

Yiwen: 和Palantir做对比

Yiwen: 因为你也说到

Yiwen: Palantir做军方的业务

Yiwen: 其实这是一个

Yiwen: 门槛还是比较高的这样一个业务

Yiwen: 所以说导致他的客户

Yiwen: 对Palantir提供的工具

Yiwen: 还有提供的FDE

Yiwen: 产生了一个比较强的用户黏性

Yiwen: 但是在AI的时代

Yiwen: 当工具会不断地自我迭代

Yiwen: 不断成熟之后

Yiwen: 你觉得这个角色他会变吗

Yiwen: 还是他会消失

Yiwen: 唯一不变的就是变化

Yiwen: 但我觉得相对

Jove Zhong: 很多别的自营工程师的工作来看

Jove Zhong: FDE要被AI化路还很长

Jove Zhong: 短期来看比如说1到2年

Jove Zhong: 它肯定会有越来越多的工具

Jove Zhong: 能够让FDE的工作变得更高效

Jove Zhong: 比如说我们现在大量的电话

Jove Zhong: 或者是沟通都会有像Gong

Jove Zhong: 能够把它录下来能够做翻译

Jove Zhong: 甚至对着这个录音你可以提问题

Jove Zhong: 对类似我们有些工具像Glean

Jove Zhong: 也是可以搜到最新的一些聊天记录

Jove Zhong: 然后看到一些代码 [00:24:01]

Jove Zhong: 就这些工具的产生

Jove Zhong: 会让我们这些

Jove Zhong: 同时处理多件事的人更高效

Jove Zhong: 而且有的时候

Jove Zhong: 我可能日历上面一个时间段

Jove Zhong: 同时约了两场三场

Jove Zhong: 有些会你肯定会缺席

Jove Zhong: 你就可以通过这些工具

Jove Zhong: 能够让你更加同时出现在不同地方

Jove Zhong: 或者是不至于错过很多

Jove Zhong: 具体的一些点

Jove Zhong: 但这些工具能够让FDE

Jove Zhong: 比如说假设我们现在

Jove Zhong: 平均是两到三个项目

Jove Zhong: 是在一个人身上

Jove Zhong: 再过段时间可能变成5-6个

Jove Zhong: 所以工具的改进

Jove Zhong: 会让我们效率更高

Jove Zhong: 或者是能够做事情更多

Jove Zhong: 但是再远一点会分化

Jove Zhong: 会要求有很多很高端的FDE

Jove Zhong: 做那些很难的事情

Jove Zhong: 你可以用各种工具

Jove Zhong: 但是工具本身并不能解决

Jove Zhong: 还是需要有非常资深的人去做

Jove Zhong: 一方面会有大量的

Jove Zhong: 原本不需要FDE的人会想着

Jove Zhong: 我能不能招一个便宜的FDE

Jove Zhong: 就像大家在说软件工程师这个事情

Jove Zhong: 招聘需求其实反而在上升

Jove Zhong: 因为原先觉得

Jove Zhong: 他没法雇软件工程师的

Jove Zhong: 小的诊所小的个体户觉得

Jove Zhong: 我也可以招一个软件工程师

Jove Zhong: 可以把我的某一个工作流

Jove Zhong: 把它产品化掉 [00:25:01]

Jove Zhong: 所以对应的FDE就会出现有一批

Jove Zhong: 可能针对中小型的

Jove Zhong: 针对这种长轨的

Jove Zhong: 甚至是这种远程的

Jove Zhong: 比方说越南或者哪里

Jove Zhong: 不是很发达的地方

Jove Zhong: 可能就会有很多FDE

Jove Zhong: 永远不能到现场

Jove Zhong: 但他就是结合客户的需求

Jove Zhong: 结合他的AI技能把他东西做出来

Jove Zhong: 如果他自己有一个产品可以沉淀

Jove Zhong: 也是一种模式

Jove Zhong: 所以只要是

Jove Zhong: 客户的这种复杂性还在那边

Jove Zhong: AI能够完全自动化的

Jove Zhong: 总归是有缺口的

Jove Zhong: 这个缺口需要FDE来填

Jove Zhong: 真的到了某一天

Jove Zhong: 比如说有一个完全AI FDE

Jove Zhong: 哪怕现在SDR（销售开发代表）这个事情

Jove Zhong: 都没有很好的AI化

Jove Zhong: 假设真的有一天

Jove Zhong: FDE这个事情99%都可以AI化

Jove Zhong: 不管是你理解客户

Jove Zhong: 写prompt 做测试跟客户沟通

Jove Zhong: 甚至你可能

Jove Zhong: 这个AI跟另外一个客户的AI

Jove Zhong: 做agent to agent的

Jove Zhong: 一些沟通或对齐

Jove Zhong: 但那个时候

Jove Zhong: 其实我们担心的就不是FDE本身

Jove Zhong: 就整个行业世界都已经不一样

Jove Zhong: 就可能人在里面参与的就很少

Jove Zhong: 但我觉得这个会有很长一段路要走 [00:26:01]

Jove Zhong: FDE我还是非常地有信心是

Jove Zhong: 这个工种会越来越丰富

Jove Zhong: 参与的人会越来越多

Jove Zhong: 大家会越来越意识到

Jove Zhong: 它的一个重要性

Jove Zhong: 其实这也是一个很好的过渡

Yiwen: 因为我们一开始提到了

Yiwen: OpenAI做Deployment Company

Yiwen: Anthropic做Joint Venture

Yiwen: 这两家公司

Yiwen: 其实都是在和私募基金合作

Yiwen: 我们知道很多PE的旗下

Yiwen: 有很多可能中型的一些企业

Yiwen: 一些中端市场公司

Yiwen: 他们有的是比较传统的SaaS服务

Yiwen: 有的也是在

Yiwen: 不论是机械重工或者制造业

Yiwen: 这些比较传统的企业里面

Yiwen: 你觉得这些私募去做改变

Yiwen: 去和OpenAI Anthropic

Yiwen: 这些模型公司去做合作

Yiwen: 他们是不是也有

Yiwen: 把自己旗下被投项目的这些公司

Yiwen: 进行转型的这样一个意思

Yiwen: 对大家一开始听到这个新闻

Yiwen: 可能有点诧异的地方

Jove Zhong: 并没有找传统的

Jove Zhong: 像埃森哲这些咨询公司

Jove Zhong: 而是直接去找私募

Jove Zhong: 有一种说法就是说

Jove Zhong: 如果你找一个软件外包公司做

Jove Zhong: 毕竟还是一个工具人

Jove Zhong: 你还要比较长的一个 [00:27:01]

Jove Zhong: 我要找哪个供应商

Jove Zhong: 然后填一个工期

Jove Zhong: 但如果你的投资人是说

Jove Zhong: 如果你用这个FDE的模型

Jove Zhong: 我帮你有些投资会做得更快一些

Jove Zhong: 所以你直接是给一个诱饵

Jove Zhong: 给一把手的话

Jove Zhong: 这个推进会快很多

Jove Zhong: 所以我觉得

Jove Zhong: 很多VC现在对AI的加速

Jove Zhong: 是抱有很大的期待的

Jove Zhong: 他希望通过资本的力量

Jove Zhong: 能够直接给CEO一个指标

Jove Zhong: 所以说你就是要用FDE

Jove Zhong: 把你行业的东西能够AI化

Jove Zhong: 过程中也会用到

Jove Zhong: 更多模型的token

Jove Zhong: 这个要比我安排给你一个咨询公司

Jove Zhong: 你跟咨询公司慢慢谈

Jove Zhong: 谈个项目范围要更加地简单粗暴一些

Jove Zhong: 所以PE在里面扮演的角色

Jove Zhong: 也会非常的神奇

Jove Zhong: 另外一方面

Jove Zhong: 这些咨询公司本身

Jove Zhong: 也会有这种危机感

Jove Zhong: 因为他们原先做了一些相对比较

Jove Zhong: 国内说CRUD工程师

Jove Zhong: 就是你数据库

Jove Zhong: 做一些增删改查的事情

Jove Zhong: 原先没有AI可能大家会找外包

Jove Zhong: 现在外包针对这个领域

Jove Zhong: 也会有一些忐忑

Jove Zhong: 因为客户来讲他不见得非要找外包

Jove Zhong: 他自己也能做

Jove Zhong: AI这块也是一样 [00:28:00]

Jove Zhong: 到底AI让客户自己学

Jove Zhong: 还是找外包公司来做

Jove Zhong: 还是说像我们这种平台公司

Jove Zhong: 直接帮你做掉

Jove Zhong: 所以这些咨询公司

Jove Zhong: 传统的这些软件外包公司也在一个

Jove Zhong: 不能说是生死存亡

Jove Zhong: 但是对他们来说

Jove Zhong: 也是一个很大的转折点

Jove Zhong: 各方势力都是希望能够

Jove Zhong: 一起把AI的这个饼越做越大

Jove Zhong: 就是以各自的方式想把这个饼做大

Jove Zhong: 但是每家都是需要非常努力

Jove Zhong: 才能够在这个市场里拿到它的份额

Yiwen: Jove提出的这个疑问

Yiwen: 其实也是我的问题

Yiwen: 第一部署公司做的事

Yiwen: 包括深入企业改造流程

Yiwen: 帮他们用好AI

Yiwen: 其实和传统咨询的逻辑很相似

Yiwen: 咨询行业会被这波浪潮取代吗

Yiwen: 第二就像Jove说的

Yiwen: 模型公司为什么要找PE合作呢

Yiwen: 我们知道Blackstone

Yiwen: 这样的机构手里

Yiwen: 握着大量投资组合公司

Yiwen: 很多是运营了几十年的传统企业

Yiwen: 对PE来说

Yiwen: 这个合作到底有什么吸引力

Yiwen: Jove从他的角度聊到了一部分

Yiwen: 接下来我又和有咨询背景 [00:29:01]

Yiwen: 有长期服务PE客户的Oliver

Yiwen: 从行业变化的角度

Yiwen: 聊了聊这两个问题

Oliver Søe: Hello Oliver 你好

Oliver Søe: 给我们的听众简单介绍一下你自己

Oliver Søe: 和你目前所在的公司

Oliver Søe: 谢谢Yiwen 我叫Oliver

Oliver Søe: 是Invisible Technologies

Oliver Søe: 企业业务的VP

Oliver Søe: 我的工作是帮企业客户落地AI

Oliver Søe: 使用我们的解决方案

Oliver Søe: 在这之前

Oliver Søe: 我在麦肯锡做私募股权咨询

Oliver Søe: 我所在的团队叫Rewired

Oliver Søe: 专门帮企业重新思考商业模式

Oliver Søe: 变得更技术驱动和AI驱动

Oliver Søe: 你说你们帮公司落地解决方案

Oliver Søe: 具体是什么样的解决方案

Oliver Søe: 好简单介绍一下我们在做什么

Oliver Søe: 我们的公司叫

Oliver Søe: Invisible Technologies

Oliver Søe: 也就是隐形技术

Oliver Søe: 我们的名字来自于一个理念

Oliver Søe: 就是当技术做得足够好的时候

Oliver Søe: 它是隐形的

Oliver Søe: 也就是说你是感受不到的

Oliver Søe: 我们的做法和很多软件公司不一样

Oliver Søe: 我们在日常生活里都会用AI工具

Oliver Søe: 这些工具非常好用 [00:30:01]

Oliver Søe: 但问题也就在这里

但问题也就在这里

Oliver Søe: 但问题也就在这里

Oliver Søe: 个人AI使用率和企业采用率之间

Oliver Søe: 有巨大的落差

Oliver Søe: 这个落差很大程度上

Oliver Søe: 是市场的供给造成的

Oliver Søe: 你想想看现在市场上

Oliver Søe: 是怎么服务企业的

Oliver Søe: 要么是大模型厂商自己卖

Oliver Søe: 要么是套壳产品

Oliver Søe: 比如做法律的Harvey

Oliver Søe: 或者做会议记录的Granola

Oliver Søe: 都是很好的工具

Oliver Søe: 但它们没有改变你做事的方式

Oliver Søe: 只是在已有的方式上做了增强

Oliver Søe: 结果就是很多公司部署了AI

Oliver Søe: 却感受不到变化

Oliver Søe: 所以我们走了一条不同的路

Oliver Søe: 我们不是一个工具一个工具地上

Oliver Søe: 而是一个工作流一个工作流地切入

Oliver Søe: 为每家公司量身定制软件

Oliver Søe: 我们会把一个工作流拆开来看

Oliver Søe: 比如说如果有十个步骤

Oliver Søe: 判断其中五个步骤必须是确定性的

Oliver Søe: 因为涉及数学计算

Oliver Søe: 合规要求不能出错

Oliver Søe: 三四个步骤可以用AI来做

Oliver Søe: 允许有一定的弹性

Oliver Søe: 还有两个步骤需要人工审核

Oliver Søe: 确认一切没有问题

Oliver Søe: 这才是真正使用AI

Oliver Søe: 改变业务的正确方式 [00:31:00]

Oliver Søe: 但要做到这一点

Oliver Søe: 必须针对每家公司定制

Oliver Søe: 因为每家公司

Oliver Søe: 每个部门的流程都不一样

Oliver Søe: 所以如果你想把

Oliver Søe: 那些“前AI时代”的公司

Oliver Søe: 变成AI原生公司

Oliver Søe: 你必须给他们搭一套

Oliver Søe: 适配他们工作流的定制软件

Oliver Søe: 这就是我们在做的事

Oliver Søe: 我们搭了一个模块化平台

Yiwen: 所以可以做得很快

Yiwen: 听起来你们在做的事情

Yiwen: 其实跟OpenAI前段时间宣布的

Yiwen: "Deployment Company"

Yiwen: 部署公司还蛮像的

Yiwen: 他们也是在帮企业落地

Yiwen: 你怎么看待他们这个动作

Yiwen: 你觉得他们为什么要这样做

Oliver Søe: 我觉得他们做得非常正确

Oliver Søe: 过去半年你能明显感觉到

Oliver Søe: CFO们和企业高管们

Oliver Søe: 越来越多地在谈压缩成本

Oliver Søe: 与此同时

Oliver Søe: MIT 斯坦福的研究报告也显示

Oliver Søe: 真正把AI跑通

Oliver Søe: 跑到规模化的企业

Oliver Søe: 其实寥寥无几

Oliver Søe: 这个落差是不可持续的

Oliver Søe: 不能一直这样

Oliver Søe: 所以大模型厂商

Oliver Søe: 必须推动企业侧的真实采用

Oliver Søe: 必须证明ROI

Oliver Søe: 光卖一个聊天机器人 [00:32:00]

Oliver Søe: 是做不到这件事的

Oliver Søe: 他们想打开这扇门

Oliver Søe: 就必须走跟我们一样的路

Oliver Søe: 所以我觉得这步棋踩得很准

Oliver Søe: 当然了他们有大量资本

Oliver Søe: 也有很强的技术能力

Oliver Søe: 肯定能做成

Oliver Søe: 只是他们原来的打法非常横向

Oliver Søe: 虽然有一些垂直应用

Oliver Søe: 但本质上他们是做通用大模型的

Oliver Søe: 现在突然要转去

Oliver Søe: 给企业搭定制化工作流

Oliver Søe: 这是完全不同的市场动作

Oliver Søe: 完全不同的销售方式

Oliver Søe: 跟他们以前熟悉的打法很不一样

Yiwen: 我相信他们能够想清楚

Yiwen: 但需要一些时间

Yiwen: 我想先从私募股权

Yiwen: 这侧聊一下这个问题

Yiwen: 因为你说你服务了

Yiwen: 很多金融机构的客户

Yiwen: 我感觉这里有两条线

Yiwen: 一条是这些机构自己内部在用AI

Yiwen: 另一条是他们投资的公司

Yiwen: Portfolio companies

Yiwen: 是很多传统SaaS公司

Yiwen: 他们都是PE去投资的

Yiwen: 可能也需要转型

Yiwen: 你觉得他们现在最需要什么

Yiwen: 他们在怕什么

Yiwen: 而这是不是他们跑去

Yiwen: 和OpenAI Anthropic

Oliver Søe: 合作投资的原因

Oliver Søe: 我觉得PE和私募资本机构

Oliver Søe: 有三个核心诉求 [00:33:00]

Oliver Søe: 第一个是信号价值

Oliver Søe: 我跟PE公司打交道有一段时间了

Oliver Søe: 三年前大家还在问

Oliver Søe: 能不能来讲讲AI是怎么工作的

Oliver Søe: 两年前变成了

Oliver Søe: 能不能帮我想想

Oliver Søe: 怎么在整个投资组合里推AI

Oliver Søe: 今年彻底变了

Oliver Søe: 他们来找我说的是

Oliver Søe: 我要去向LP募资向养老金

Oliver Søe: 向我的出资人募资

Oliver Søe: 我必须证明我站在AI的最前沿

Oliver Søe: 我需要有案例

Oliver Søe: 能展示我通过AI创造了价值

Oliver Søe: 否则LP不会把钱给我

Oliver Søe: 这是完全不同的逻辑

Oliver Søe: 现在对GP来说

Oliver Søe: 能不能展示AI

Oliver Søe: 已经关系到募资的存亡

Oliver Søe: 跟行业里最响亮的名字建立合作

Oliver Søe: 是一个非常好的背书方式

Oliver Søe: 所以信号价值非常高

Oliver Søe: 第二个是投资组合的价值创造

Oliver Søe: 这也是非常真实的需求

Oliver Søe: 用对了AI

Oliver Søe: 真的能够创造很大的价值

Oliver Søe: 细节比较复杂

Oliver Søe: 但这一块确实是真实的

Oliver Søe: 第三个是投资回报本身

Oliver Søe: 这些合作的结构设计相当的诱人

Oliver Søe: 本质上是让GP们进入一个

Oliver Søe: 高回报赛道 [00:34:01]

Oliver Søe: 获得高增长资产的敞口

Oliver Søe: 从这个角度看逻辑也完全说得通

Oliver Søe: 我觉得你说的第一点很有意思

Oliver Søe: 你觉得是什么在让LP推动AI

Oliver Søe: 跟大多数公司在推AI的原因

Oliver Søe: 是一样的

Oliver Søe: 从普通消费者的角度

Oliver Søe: 你能读到多少相关内容

Oliver Søe: 你就能感受到AI能做多少事

Oliver Søe: 就比如说叫

Oliver Søe: The Daily AI的播客

Oliver Søe: 之所以每天都有新的东西可以讲

Oliver Søe: 是因为变化真的快得吓人

Oliver Søe: MCP协议去年才出来

Oliver Søe: 感觉一切都在以疯狂的速度推进

Oliver Søe: 所以每个人都意识到

Oliver Søe: AI能做的事太多了

Oliver Søe: 如果你没有在认真做AI

Oliver Søe: 你就在落后

Oliver Søe: 站在LP的角度

Oliver Søe: 我把钱投给一个GP

Oliver Søe: 我当然想确保

Oliver Søe: 他也在用AI改造被投企业

Oliver Søe: 这是非常真实的需求

Oliver Søe: 再说一个点

Oliver Søe: 因为你也提到了SaaS

Oliver Søe: 过去五到十年

Oliver Søe: PE最大的两个资产类别

Oliver Søe: 是医疗和软件

Oliver Søe: 几乎所有的PE

Oliver Søe: 都有软件公司的敞口

Oliver Søe: 今年“SaaS已死”的论调闹得很凶 [00:35:00]

Oliver Søe: LP们和GP们都高度紧张

Oliver Søe: GP们都在努力证明

Oliver Søe: “我们没有问题”

Oliver Søe: 所以信号价值进一步放大

Oliver Søe: 但话说回来

Oliver Søe: 你看Anthropic和Coatue那些合作

Oliver Søe: 合作对象不是纯软件投资人

Oliver Søe: 因为你说得很对

Oliver Søe: AI创造价值最大的地方

Oliver Søe: 往往恰恰不是软件公司

Oliver Søe: 对就是那些传统企业

Oliver Søe: 包括工业制造业之类的

Oliver Søe: 商业服务工业医疗

Oliver Søe: 特别是医疗这个太大了

Oliver Søe: 基本上所有原来软件

Oliver Søe: 不太能帮上大忙的行业

Oliver Søe: 现在都可以用软件

Oliver Søe: 做出非常有意思的事情

Oliver Søe: 还有一个很好的例子就是GP自身

Oliver Søe: PE公司是干什么的

Oliver Søe: 找项目估值投钱管资产

Oliver Søe: 这是非常人力密集的工作

Oliver Søe: 要用到非常贵的人

Oliver Søe: 不管是内部团队还是外部顾问

Oliver Søe: 这套工作流

Oliver Søe: 恰恰是最适用AI改造的

Oliver Søe: 我有一个大客户

Oliver Søe: 是一家非常大的资产管理公司

Oliver Søe: 我们能帮他改造这些工作流 [00:36:00]

Yiwen: 效果非常惊人

Yiwen: 能不能给我们举几个具体的例子

Yiwen: 我感觉现在跟很多金融从业者聊

Yiwen: 他们都还是在用AI做研究摘要

Yiwen: 就还是那套和大语言模型

Yiwen: 比较相关的这个用法

Yiwen: 我还蛮好奇你们是怎么做到

Yiwen: 真正自动化工作流的

Oliver Søe: 可以有很多可以讲的

Oliver Søe: 如果把一个投资基金的业务

Oliver Søe: 拆开来看

Oliver Søe: 大概有几个模块

Oliver Søe: 募资投资管理

Oliver Søe: 合规财务和基金运营

Oliver Søe: 我挑几个工作流举例子

Oliver Søe: 先说募资这一块

Oliver Søe: 我有一个大客户

Oliver Søe: 一家非常大的资产管理公司

Oliver Søe: 他们想跟一家规模较小的资管合作

Oliver Søe: 对方帮他们

Oliver Søe: 把产品纳入自己的产品线

Oliver Søe: 收一部分佣金

Oliver Søe: 听起来不错

Oliver Søe: 但对方说每次开客户会议

Oliver Søe: 都要配一个你们的销售经理

Oliver Søe: 大资管当然不接受

Oliver Søe: 因为这样利润就没了根本不可行

Oliver Søe: 所以他们来找我们

Oliver Søe: 说能不能搭一个AI销售助理

Oliver Søe: 让它参与这些对话

Oliver Søe: 这个工作流是这样的 [00:37:00]

Oliver Søe: 首先他们大概有一千款产品

Oliver Søe: 所以你得先搭数据基础设施

Oliver Søe: 把这一千款产品整合进来

Oliver Søe: 然后搭一个输入层

Oliver Søe: 让另一方能够输入客户数据

Oliver Søe: 同时权限要隔离

Oliver Søe: 再搭一个计算模块

Oliver Søe: 算出针对这个客户的最优产品组合

Oliver Søe: 这部分是确定性的

Oliver Søe: 因为本质上是数学

Oliver Søe: 然后生成销售话术供会前准备

Oliver Søe: 再有一个会中使用的工具

Oliver Søe: 最后会后根据会议记录

Oliver Søe: 自动更新产品方案

Oliver Søe: 整个是一个反馈闭环

Oliver Søe: 大概七个步骤

Oliver Søe: 这套系统让这家大资管

Oliver Søe: 能够服务更大范围的客户

Oliver Søe: 这是一个典型案例

Oliver Søe: 还有一个我很感兴趣的

Oliver Søe: 就是投资决策流程本身

Oliver Søe: 做尽调的时候

Oliver Søe: 你通常要跑十条工作线

Oliver Søe: 雇法律雇各类顾问

Oliver Søe: 什么商业尽调环境尽调

Oliver Søe: 跟这么多人协调

Oliver Søe: 对投资团队来说压力很大

Oliver Søe: 我们在为他们搭一个平台

Oliver Søe: 让他们能够跟所有顾问交互

Oliver Søe: 把问题推给顾问

Oliver Søe: 自动扫描整个数据房间

Oliver Søe: 你可以看到一个实时界面 [00:38:00]

Oliver Søe: 追踪所有顾问的进展

Oliver Søe: 还能调取这家基金在类似项目里

Oliver Søe: 曾经提过的问题

Oliver Søe: 借鉴过往投资的经验教训

Oliver Søe: 这样他们既能用上机构的历史知识

Oliver Søe: 又能大幅精简跟外部顾问的沟通

Oliver Søe: 最后文件的输出也是自动的

Oliver Søe: 这本来也是一个很大的负担

Oliver Søe: 我见过太多投资人

Oliver Søe: 周末也要加班做这些

Oliver Søe: 能帮他们省掉这些我很高兴

Oliver Søe: 还有一个是基金运营

Oliver Søe: 比如净资产值计算或者账户对账

Oliver Søe: 每个月甚至每天收盘后

Oliver Søe: 都要确认账户的余额是对的

Oliver Søe: 我的第一份工作就是做簿记

Oliver Søe: 非常耗时

Oliver Søe: 但这套流程完全可以自动化

Oliver Søe: 好我讲了很多

Oliver Søe: 就是希望给你展示一些有用的场景

Yiwen: 基于你刚才说的我其实想知道

Yiwen: 你觉得AI时代的PE收购这件事情

Yiwen: 有没有改变

Yiwen: 因为过去我们谈到

Yiwen: PE收购一家公司的时候

Yiwen: 我们可能想到的是

Yiwen: 比如说投后公司之间会有一些并购

Yiwen: 一些roll-up整合

Yiwen: 现在感觉我们几乎是进入了一个

Yiwen: 所谓AI roll-up的时代 [00:39:01]

Yiwen: 表面上你是在买这些公司

Yiwen: 但实际上你买下的是他们的工作流

Yiwen: 我们再把他们改造成一家

Oliver Søe: AI-native的公司

Oliver Søe: 你觉得这会改变

Oliver Søe: PE本身的运作方式吗

Oliver Søe: 我看到过很多不同的打法

Oliver Søe: 但主要可以分为两类

Oliver Søe: 第一类投资人会说

Oliver Søe: 凡是AI颠覆风险太大的领域

Oliver Søe: 我们都不能投

Oliver Søe: 这其实是很多人的直觉反应

Oliver Søe: 第二类

Oliver Søe: 则是更主动拥抱这件事情的投资人

Oliver Søe: 他们会说

Oliver Søe: 现在其实是一个

Oliver Søe: 非常有意思的时间点

Oliver Søe: 可以通过AI来创造价值

Oliver Søe: Amex GBT那笔交易

Oliver Søe: 就是一个很好的例子

Oliver Søe: 还有很多类似的交易

Oliver Søe: 投资人会去收购一些

Oliver Søe: 过去技术含量并不高的企业

Oliver Søe: 非常激进地用技术

Oliver Søe: 用AI去赋能它们

Oliver Søe: 所以这显然正在成为

Oliver Søe: 一种新兴的打法

Oliver Søe: 一些走在前面的GP

Oliver Søe: 已经在这样做了

Oliver Søe: 而且我认为

Oliver Søe: 他们能够创造的规模价值

Oliver Søe: 是真实存在的

Oliver Søe: 但要真正创造出这种价值

Oliver Søe: 并不是一件简单的事

Oliver Søe: 现在我看到的一个问题是 [00:40:01]

Oliver Søe: 很多人想象中自己能做到的事情

Oliver Søe: 和真正能落地的现实结果之间

Oliver Søe: 存在很大差距

Oliver Søe: 我想强调一个核心观点

Oliver Søe: 很多人容易犯的错误

Oliver Søe: 是只把AI理解成一个

Oliver Søe: 降低成本的工具

Oliver Søe: 但实际上

Oliver Søe: AI真正的价值

Oliver Søe: 很多时候在于创造收入

Oliver Søe: 打开新的收入机会

Oliver Søe: 所以我经常会问客户一个问题

Oliver Søe: 如果现在免费给你一万个

Oliver Søe: 受过大学教育的员工

Oliver Søe: 你会做什么

Oliver Søe: 你过去想做但做不了的事情是什么

Oliver Søe: 因为某种程度上

Oliver Søe: 这就是AI现在带来的能力

Oliver Søe: 就像我刚才举的

Oliver Søe: 两个资管公司的例子

Oliver Søe: 对他们来说

Oliver Søe: 这意味着可以进入一个

Oliver Søe: 全新的客户或业务细分市场

Oliver Søe: 这一个过去

Oliver Søe: 他们根本无法触达的市场

Oliver Søe: 所以这不是在降低成本

Oliver Søe: 而是在增加收入

Oliver Søe: 我觉得这才是很多公司

Oliver Søe: 真正应该走的方向

Oliver Søe: 但现在大家还是非常关注

Oliver Søe: AI带来的成本削减

Oliver Søe: 我认为这并不是最有力的切入点

Oliver Søe: 真正该想的应该是

Oliver Søe: 哪些事情是我过去做不了

Oliver Søe: 而现在可以做的

Oliver Søe: 也就是收入创造 [00:41:00]

Oliver Søe: 它可以有很多种形式

Oliver Søe: 我再给你一个例子

Oliver Søe: 我们有一个客户是一家乳制品公司

Oliver Søe: 他们有很多农场和奶牛

Oliver Søe: 我们和他们讨论的时候问

Oliver Søe: 如果你有一万个人你们会做什么

Oliver Søe: 他们说这个问题很有意思

Oliver Søe: 我们会给所有账户都写报告

Oliver Søe: 因为他们希望减少这些报告的时间

Oliver Søe: 而把更多时间用来维持奶牛的健康

Oliver Søe: 所以我们帮他们做了一整套

Oliver Søe: 数据整合和定制AI系统

Oliver Søe: 用来为所有奶牛生成健康报告

Oliver Søe: 这样一来

Oliver Søe: 他们就可以把更多时间拿回来

Oliver Søe: 真正去维持奶牛健康状况

Oliver Søe: 而这在过去并不可行

Yiwen: 听起来你们做的事情

Yiwen: 和咨询公司做的事也很像

Yiwen: 这也是我之前想提的另一个话题

Yiwen: 传统咨询公司以前是帮客户去搞定

Yiwen: 他们自己不熟悉的领域

Yiwen: 但现在

Yiwen: 你们这样的科技公司和AI公司

Yiwen: 好像在替代这个角色

Yiwen: 用AI去改造流程

Yiwen: 你觉得咨询行业会不会因此过时

Yiwen: 还是说咨询本身会变成AI转型咨询

Yiwen: 我觉得未来三到五年 [00:42:00]

Yiwen: 咨询会迎来一波增长

Oliver Søe: 因为所有企业在谈AI的时候

Oliver Søe: 都需要重新思考商业模式

Oliver Søe: 最简单的一个例子就是律师事务所

Oliver Søe: 以前按小时收费现在越来越难了

Oliver Søe: 如果要转成按结果收费

Oliver Søe: 整套激励结构都变了

Oliver Søe: 这种转型你是要找人来聊的

Oliver Søe: 你想知道别人是怎么做的

Oliver Søe: 有没有经验可以借鉴

Oliver Søe: 需要有人带你走这段路

Oliver Søe: 所以我认为咨询在未来三到五年

Oliver Søe: 会有一个明显的需求增长

Oliver Søe: 但真正释放价值的

Oliver Søe: 是那些最终留下了一套

Oliver Søe: 转型后的业务的人

Oliver Søe: 所以我觉得AI实验室

Oliver Søe: 和像我们这样的公司

Oliver Søe: 这种做完就走

Oliver Søe: 但留下一套改造好的业务的模式

Oliver Søe: 才是真正创造价值的方式

Oliver Søe: 而不是只聊怎么转型

Oliver Søe: 但话说回来

Oliver Søe: 现在市场上不确定性很高

Oliver Søe: 大家都处于观望状态

Oliver Søe: 所以对咨询的需求是真实存在的

Oliver Søe: 大家不知道该怎么做

Oliver Søe: 从哪里入手

Oliver Søe: 这也是我工作的很大一部分

Oliver Søe: 就是坐下来跟客户聊

Oliver Søe: 先搞清楚哪些事情值得先做

Oliver Søe: 这个必须是具体问题具体分析

Oliver Søe: 你有没有遇到过公司以为 [00:43:02]

Oliver Søe: 它自己可以用AI搞定某个工作流

Oliver Søe: 但实际上却根本行不通的情况

Oliver Søe: 比如说大家有的时候

Oliver Søe: 是不是对AI太乐观了

Oliver Søe: 或者说对AI的运作方式有误解

Oliver Søe: 最常见的问题就是什么都想AI化

Oliver Søe: 但现实是这条路走不通

Oliver Søe: 你必须把几件事做好

Oliver Søe: 最关键的一点是好的数据平台

Oliver Søe: 它的价值是复利式增长的

Oliver Søe: AI再聪明

Oliver Søe: 没有足够的信息和知识

Oliver Søe: 什么都做不了

Oliver Søe: 我们有一个叫Neuron的数据模块

Oliver Søe: 专门帮你整合数据

Oliver Søe: 把数据映射清楚

Oliver Søe: 确保数据可以被使用

Oliver Søe: 这是大多数公司的第一道坎

Oliver Søe: 而且代价不小

Oliver Søe: 因为他们之前根本没有做过这种事

Oliver Søe: 第二个常见的错误是

Oliver Søe: 一个十步的工作流

Oliver Søe: 不是每一步都应该用AI

Oliver Søe: 你可以用AI来优化整体流程

Oliver Søe: 厘清逻辑

Oliver Søe: 划定哪些步骤是确定性的

Oliver Søe: 但不是所有步骤都该交给AI

Oliver Søe: 比如账目对账这种财务流程

Oliver Søe: 你不会想让AI来做的

Oliver Søe: 你想要的是确定性的结果 [00:44:01]

Oliver Søe: 所以可以用AI

Oliver Søe: 帮你梳理工作流逻辑

Oliver Søe: 但具体执行的很多步骤

Oliver Søe: 应该是硬编码的

Oliver Søe: 确定性的数学计算

Oliver Søe: 我觉得最大的两个坑

Oliver Søe: 一是数据

Oliver Søe: 二就是把本该确定性的东西

Oliver Søe: 也让AI来做

Yiwen: 你觉得整合数据这件事情难不难

Yiwen: 我理解每个公司

Yiwen: 都有自己的私有数据仓库

Yiwen: Proprietary Data

Yiwen: 但这些数据是不是比想象中的

Yiwen: 要更加难用

Oliver Søe: 在麦肯锡的时候

Oliver Søe: 每次去一个新的客户

Oliver Søe: 我都会把七个不同的数据集

Oliver Søe: 扔给一个分析师

Oliver Søe: 让他把它们合并起来找洞察

Oliver Søe: 我当时就觉得很不可思议

Oliver Søe: 为什么还要这个分析师

Oliver Søe: 来干这件事

Oliver Søe: 但这就是现实

Oliver Søe: 数据不是只有结构化数据

Oliver Søe: 还有非结构化的

Oliver Søe: 你的Outlook邮件 Gmail

Oliver Søe: LinkedIn ERP系统 Salesforce

Oliver Søe: 这些散落在各种各样的系统里

Oliver Søe: 如果你真的想要搭一套

Oliver Søe: 能够改变业务的系统

Oliver Søe: 就必须把这些数据汇聚起来

Oliver Søe: 我们有四个数据模块

Oliver Søe: 第一个叫Neuron [00:45:00]

Oliver Søe: 是一个数据层和数据网格

Oliver Søe: 不会打乱你原有的数据架构

不会打乱你原有的数据架构

Oliver Søe: 不会打乱你原有的数据架构

Oliver Søe: 把结构化和非结构化的数据

Oliver Søe: 整合起来

Oliver Søe: 并映射不同对象之间的关系

Oliver Søe: 让你真正能够消费这些数据

Oliver Søe: 第二个叫Atomic

Oliver Søe: 帮你梳理和自动化工作流

Oliver Søe: 第三个叫Synapse

Oliver Søe: 评估AI在工作流中的表现

Oliver Søe: 第四个是Action

Oliver Søe: 协调工作流中的不同智能体

Oliver Søe: Neuron是起点

Oliver Søe: 因为数据整合往往是第一道门槛

Oliver Søe: 而数据就散落在

Oliver Søe: 各种各样不同的系统里

Oliver Søe: 对而且有的时候

Oliver Søe: 公司自己都不清楚

Oliver Søe: 自己现有的数据长什么样

Oliver Søe: PE收购来的公司就是这样

Oliver Søe: 可能跑着四套不同的ERP系统

Oliver Søe: Salesforce在这边

Oliver Søe: Outlook在那边 Gmail又在另一边

Oliver Søe: 然后你想做销售转型

Oliver Søe: 说想搞清楚为什么客户在流失

Oliver Søe: 结果发现

Oliver Søe: 客户成功的数据在这个系统里

Oliver Søe: Salesforce的数据在那边

Oliver Søe: 销售电话记录又在Gong里

Oliver Søe: 先把这些整合起来才是第一步

Oliver Søe: 好的谢谢Oliver

Oliver Søe: 谢谢

Oliver Søe: 可以说现在这个赛道 [00:46:01]

Yiwen: 已经有太多玩家了

Yiwen: 模型公司在自己做部署

Yiwen: 咨询公司在转型

Yiwen: 应用层公司在快速扩张FDE团队

Yiwen: 在播客最后我们回到和Jove的对谈

Yiwen: 聊聊这个市场最终会怎么演变

Yiwen: 你觉得现在有那么多玩家

Yiwen: 参与到这个赛道里面

Yiwen: 从一开始我们说的模型公司

Yiwen: 到你们这样的应用层的公司

Yiwen: 再到这些咨询公司

Yiwen: 他们都开始去做类似于FDE的业务

Yiwen: 这个市场之后会怎么样演变

Yiwen: 它会变得像你说的那样

Yiwen: 更加地去专注一个垂直赛道

Yiwen: 会有更多的

Yiwen: 比如说专精领域的这样一个产品

Yiwen: 还是说我们会看到模型公司

Yiwen: 提供出一个更加通用型的产品

Yiwen: 但是可以用在每个不同的企业里面

Yiwen: 对还是比较难

Yiwen: 就是在OpenAI跟Anthropic宣布

Yiwen: 它跟FDE公司合作

Yiwen: 或者自己建FDE公司的同时

Yiwen: 或者之后

Jove Zhong: 可能Google也宣布它有FDE团队

Jove Zhong: 我们跟Google的渊源还是蛮强的

Jove Zhong: 很多人其实是Google过来的 [00:47:00]

Jove Zhong: 我们的工程文化也比较接近

Jove Zhong: 所以Google的FDE其实跟OpenAI

Jove Zhong: 跟Anthropic就不一样

Jove Zhong: 他们也是说

Jove Zhong: 我这些工程师帮你做应用的落地

Jove Zhong: 且过程中遇到我们产品的不足

Jove Zhong: 我需要把它修复掉

Jove Zhong: 也是像我们这样

Jove Zhong: 有很强的产品的洞察

Jove Zhong: 帮客户去落地

Jove Zhong: 但我觉得反过来说

Jove Zhong: 毕竟它是Google

Jove Zhong: 它是很不高兴去用别人家东西的

Jove Zhong: 就比如说它语音

Jove Zhong: Google自己的语音

Jove Zhong: 它不高兴用

Jove Zhong: ElevenLabs Cartesia DeepGram

Jove Zhong: 这些第三方的厂商

Jove Zhong: 或者是模型

Jove Zhong: 它可能想推Gemini

Jove Zhong: 这个领域就很卷的

Jove Zhong: 所以它不见得像我们这种

Jove Zhong: 比较独立的AI应用公司来讲

Jove Zhong: 会比较自由

Jove Zhong: 就我们往往一个谈话中

Jove Zhong: 可能用二十几个不同模型

Jove Zhong: 哪里最好

Jove Zhong: 或者哪里最经济有效

Jove Zhong: 就我们不见得挑最贵最好的

Jove Zhong: 因为我们最后是卖成果的

Jove Zhong: 我们并不是卖token的

Jove Zhong: 所以我们有很强的动力是说

Jove Zhong: 我们挑哪个模型刚好够用

Jove Zhong: 价格又合适

Jove Zhong: 那我们去挑

Jove Zhong: 而且要保证它要合规要一直在线

Jove Zhong: 有些情况下 [00:48:00]

Jove Zhong: 你可能还要用一些自己部署的模型

Jove Zhong: 确保如果网络瘫掉你能用

Jove Zhong: 我们会在这样一个中间状态

Jove Zhong: 我们有机会挑最好或最合适的

Jove Zhong: 而这种选择的自由度

Jove Zhong: 对大厂其实都是没有的

Jove Zhong: 明白

Jove Zhong: 最后我的观点还是说

Jove Zhong: FDE是一个

Jove Zhong: 对人的要求会很高的一个职位

Jove Zhong: 但是也是作为工程师来讲

Jove Zhong: 是非常令人激动的

Jove Zhong: 我还是认为会有很多工程师

Jove Zhong: 需要做技术专家

Jove Zhong: 比如他是某些网络安全的专家

Jove Zhong: 他是一个基础设施的专家

Jove Zhong: 他是一个安全的专家

Jove Zhong: 甚至是说他能够做出一些很好的

Jove Zhong: 全端组件的模型

Jove Zhong: 诸如此类

Jove Zhong: 就不是说所有工程师

Jove Zhong: 都需要转成FDE

Jove Zhong: 但是对于那些对自己的技术有自信

Jove Zhong: 你也很开放去学新的技术

Jove Zhong: 而且你不讨厌跟客户沟通

Jove Zhong: 甚至是你喜欢

Jove Zhong: 今天跟这个餐馆

Jove Zhong: 明天跟这个牙医

Jove Zhong: 了解到他们怎么运作的

Jove Zhong: 因为你自己不可能

Jove Zhong: 一年换个三四次工作

Jove Zhong: 去不同公司去做

Jove Zhong: 但是你做FDE

Jove Zhong: 其实是有机会跟这些具体的行业

Jove Zhong: 具体的负责人能够有细聊

Jove Zhong: 哪些东西可能不见得很技术 [00:49:00]

Jove Zhong: 但是对你作为个人来讲

Jove Zhong: 你会对这个世界

Jove Zhong: 会有一个很近的认识

Jove Zhong: 如果你不讨厌出差

Jove Zhong: 不讨厌跟客户沟通

Jove Zhong: 这是一个很不错的方式

Jove Zhong: 能够让你利用人这样一个价值

Jove Zhong: 因为到最后我们自己也是

Jove Zhong: 百分之九十几的代码都是AI写的

Jove Zhong: 但是我们还要花点时间去

Jove Zhong: 比如说你要调提示词

Jove Zhong: 你不能完全信任AI来调

Jove Zhong: AI调AI

Jove Zhong: 很多时候就会进入一个过分拟合

Jove Zhong: 或者这样一个状态

Jove Zhong: 所以人在里面扮演的角色更多是

Jove Zhong: 我们是AI的触手

Jove Zhong: 我们可能白天跟客户开会

Jove Zhong: 甚至吃饭喝咖啡

Jove Zhong: 你可能到晚上了

Jove Zhong: 你自己对电脑一顿输出

Jove Zhong: 把他的东西说出来

Jove Zhong: AI知道了

Jove Zhong: 变成AI的上下文

Jove Zhong: 但你是不能指望

Jove Zhong: 一个人跟AI喝咖啡

Jove Zhong: 跟他聊些有的没的对吧

Jove Zhong: 所以我们人在里面扮演的角色

Jove Zhong: 就变成一方面能够获得很多

Jove Zhong: AI本身不能获得的信息

Jove Zhong: 另外肯定AI很容易出各种方案

Jove Zhong: 但你需要有这个判断力

Jove Zhong: 因为到最后

Jove Zhong: 我们是为这个事情负责的人

Jove Zhong: 切身利益绑定

Jove Zhong: 所以你有五六个不同的选择

Jove Zhong: 每个选择一大堆的利弊

Jove Zhong: 你出来个表格也好

Jove Zhong: AI可以帮你做这些 [00:50:00]

Jove Zhong: 看起来很全面的一些分析

Jove Zhong: 但是它不能帮你做决定

Jove Zhong: 还是要人在里面挑一个决定

Jove Zhong: 然后你要为这个决定负责

Jove Zhong: 不管是简化流程

Jove Zhong: 还是做一个大而全的方案

Jove Zhong: 或者你意识到哪些有风险

Jove Zhong: 就这边这个决定能力还是要比较强

Jove Zhong: 包括你要去说服别人做一些改变

Jove Zhong: 所以FDE锻炼人的层面会比较多

Jove Zhong: 如果有人甚至以后想自己创业

Jove Zhong: 我觉得FDE是一个创业营一样

Jove Zhong: 因为这是公司给你一个

Jove Zhong: 可能不是一个很舒服的工作状态

Jove Zhong: 肯定有很多活要做

Jove Zhong: 很多事情要学

Jove Zhong: 但是你通过FDE

Jove Zhong: 可以锻炼出很多技能

Jove Zhong: 这个对你后续的

Jove Zhong: 不管创业或者是怎么样

Jove Zhong: 都会很有帮助

Yiwen: 是的好我觉得非常好

Yiwen: 那我们今天的播客就到这里了

Yiwen: 谢谢Jove

Yiwen: 谢谢Yiwen 谢谢《硅谷101》

Yiwen: 各位拜拜

Yiwen: 拜拜

Yiwen: 好了以上就是我们这期播客的

Yiwen: 全部内容了

Yiwen: 国内的听众

Yiwen: 可以通过小宇宙苹果播客

Yiwen: 网易云音乐喜马拉雅 QQ音乐

Yiwen: 蜻蜓FM 荔枝FM来关注我们

Yiwen: 海外的听众

Yiwen: 可以通过苹果播客和Spotify [00:51:00]

Yiwen: 或者在YouTube上

Yiwen: 搜索《硅谷101》播客来关注我们

Yiwen: 我们部分的文字稿还会收录在

Yiwen: 《硅谷101》的微信公众号上

Yiwen: 谢谢大家我们下次再见了

返回该播客 打开原文