案例 · 中国现场：火山引擎 / 安永 / 启盟 / 钱拓
本页你会看到：中国的平台厂商、咨询公司、服务商、企业 AI 团队与个体从业者，分别在怎么理解 FDE；哪些说法有多个来源，哪些只是公司自述或播客里的个人判断。
一句话：中国的 FDE 不是 Palantir 的翻版，它要在私有化、数据不出域、项目制采购与集成商生态这四道约束里找形状。
为什么中国现场要单独一页
同一套 FDE 方法，在中国会遇到四个不同的约束（作者综合归纳，D；另见第 10 章）：
- 私有化与信创：客户要求本地部署、国产软硬件适配，云端 API 往往不是默认选项。
- 数据不出域：金融、医疗、国企把数据留在自己的机房或专有云里。
- 项目制采购：按项目立项、按阶段验收、预算年度化，而不是按订阅续费。
- 集成商生态：大项目常由集成商总包，FDE 团队可能是分包方或产品供应商。
因此，读中国案例时不能只看「效果数字」，还要看它是怎么被卖出去、怎么被验收的。下面分供给侧、需求侧、人才市场三组看。
供给侧：平台厂商与集成商
火山引擎：云厂商里的 FDE 团队
事实。 火山引擎成立了 FDE 团队，按行业覆盖客户；其大模型平台的公开数据包括豆包日均 tokens 超过 180 万亿，第三方 IDC 统计的份额为 49.5%（B，界面新闻 2026-06-23；财联社、蓝鲸财经 2026-06-24；火山引擎官方）。
启示。 云厂商把 FDE 当作「模型能力 → 客户场景」的转化接口：卖的不只是 API，还有把 API 接进客户系统的工程能力。对大客户意味着「平台 + 驻场交付」打包。
口径。 B（多源）；tokens 与份额为公司及第三方机构口径，具体统计范围以原始发布为准。
安永 × 火山引擎：咨询公司的 FDE 改造
事实。 双方达成战略合作，组建千人级 FDE 团队，并依托 TRAE 工具平台交付（B，中国日报网 2026-07-23；DoNews 2026-07-22；火山引擎公众号）。
启示。 这是「伙伴型 FDE」的典型信号：咨询公司用 FDE 改造交付模式，从「顾问出方案」转向「工程师进现场交结果」。对个人而言，咨询背景转 FDE 的通道正在变宽。
口径。 B（多源）；「千人级」为合作方口径，未披露具体编制与客户数。
启盟科技：把「不是驻场外包」写进定位
事实。 启盟科技在官网 FDE 服务页明确提出「FDE ≠ 驻场外包」，给出三条区隔，并设置了「三种客户不接」的劝退机制（C，公司自述，官网 aipm.cn/workshop/fde）。
启示。 中国服务商开始主动做「边界管理」：不接什么，比接什么更能定义一家 FDE 公司的定位。这也是对客户预期的一次筛选。
口径。 C（公司自述）；三条区隔与三类客户的具体内容以官网原文为准，本书不做转述。
钱拓科技：金融现场的三阶段与数据不出域
事实。 钱拓科技面向金融行业提出 FDE 三阶段方法论，并在官网 FAQ 中强调数据不出域（C，公司自述，官网 aioai.cc）。
启示。 金融现场的硬约束决定了方案形态：模型与数据必须在客户可控环境内闭环，FDE 要能接受「不能连公网」的开发条件。三阶段方法论，本质是对项目制采购的适配。
口径。 C（公司自述）；未公开客户案例与量化结果。
需求侧：企业 AI 团队在做什么
得物：共识、场景、知识
事实。 得物（一家万人规模公司）的 AI 转型被概括为三步：「共识、场景、知识」，并提出了团队容错的「四象限」框架（C，极客公园 Founder Park 圆桌 2026-07-22，任喜亮）。
启示。 组织内转型的顺序很重要：先统一认知，再选场景，最后沉淀知识。容错机制决定一线敢不敢真实使用。
口径。 C（圆桌发言转录）；未披露具体指标与落地范围。
特赞 atypica：用智能体做全员访谈
事实。 特赞的 atypica 用智能体对企业全员做自主访谈，替代传统的结构化问卷（C，同上圆桌，丁鑫栋）。
启示。 AI 原生玩法可以从「研究与洞察」这类低风险、高信息密度的环节切入，先证明价值再扩场景。
口径。 C（圆桌发言）；未给出样本量与效果数据。
百道数据：两种出海客户的对照
事实。 百道数据分享了两个对照鲜明的客户：一个做机顶盒「陪看剧 Agent」，另一个还在用纸质合同，开口就要「先买 100 个 Gemini 账号」（C，同上圆桌，吴光宇）。
启示。 客户成熟度差异巨大。FDE 要分清客户是「要一个工具」还是「要一个结果」；前者可以标准化，后者必须进现场。
口径。 C（圆桌发言）；案例未具名，细节不可外推。
申悦：千万级国企项目的「真空层」
事实。 申悦复盘了一个千万级国企 AI 项目：真正的难点是「真空层」与「汇报逻辑」——一线价值与验收链条之间存在断层（C，《增长黑客 AI 周报》EP#63，作者 newsletter）。
启示。 中国大项目里，把事做成和把事证明成，是两种能力。FDE 要提前设计证据链：谁看、看什么、什么时候看。
口径。 C（单一来源）；项目方与客户均匿名。
广东民营家装：替代的是任务，不是岗位
事实。 一家广东民营家装企业的厂二代提出把员工从 6,000 人裁到 3,000 人；从业者的判断是「AI 替代的是任务，不是岗位」（C，同上 newsletter）。
启示。 老板的诉求可能是降本，FDE 的价值是把「裁员目标」翻译成任务重构、流程改造与再培训。只按指令做「替代人」的工具，会带来伦理与落地风险。
口径。 C（单一来源）；企业匿名，数字为访谈转述。
人才市场：个体怎么进场
Cresta：FDE 必须绑定平台
事实。 Cresta 的 FDE 团队从 30 人扩到 100 人；其 FDE 方法强调「必须绑定 AI 平台」，招人的硬标准之一是「不会代码就像文盲」（C，课代表立正 YouTube 对谈 2026-07，Jove）。
启示。 平台绑定既是护城河，也是防止 FDE 沦为纯定制外包的机制。对个人，编码能力是底线，不是加分项。
口径。 C（视频转录与转述），具体表述以原视频为准。
Kuse.ai：「FDE 很难成为好的商业模式」
事实。 Kuse.ai 的吴显昆在圆桌中直接质疑：FDE 很难成为好的商业模式，解法是「拥有业务结果」（own the business）（C，Founder Park 圆桌）。
启示。 纯人力交付毛利低、难规模化。FDE 团队要尽早回答「交付之外，我们留下了什么可复用的资产」。这个质疑与 Palantir 的平台化路径互为印证。
口径。 C（圆桌发言）。
SAP 原欣：组织惯性才是最大挑战
事实。 在晚点聊 LateTalk EP174（2026-07-28）中，SAP 原欣谈到 FDE 与 ERP 顾问角色的融合，并判断「AI 落地最大的挑战是组织惯性，而不是技术」（C，播客访谈）。
启示。 存量企业软件厂商会用 FDE 重构顾问体系；对转岗者来说，懂业务流程 + 会用 AI 工具的复合背景，比纯算法背景更稀缺。
口径。 C（播客访谈，个人观点）。
上海 FDE 培训班：人才供给开始机构化
事实。 2025 年 12 月，上海出现全国首个政府主导的 FDE 培训班，六家单位联办，配套「百千万」工程；2026-02-25 首期转型工程师专班开班，首期报名 200 多人，全年计划三期（B，上海创智学院官网、上观新闻 2026）。
启示。 人才供给开始机构化，这是岗位真实存在的信号之一。但培训班解决的是入门与网络，不能替代现场经验。
口径。 B（官方 + 媒体）；报名人数与班次为组织方口径。
薪酬报道：把标题和口径分开看
事实。 多家媒体报道中国 FDE「年薪百万，招聘需求涨 42 倍」（C，36 氪 2026；财联社 2026；新浪财经 2026-05-18）。
启示。 这是招聘平台挂牌价的媒体汇总，不是实际到手薪资；「涨 42 倍」是增长率且基数很小。可以据此判断趋势，不能据此做职业决策。
口径。 C（单一来源簇，多家媒体转引同一类平台数据）。
中国案例的共性
| 约束 | 现象 | FDE 该做的动作 |
|---|---|---|
| 私有化 / 信创 | 本地部署、国产芯片与模型适配 | 交付前确认环境与依赖，预留适配工期 |
| 数据不出域 | 金融、医疗、国企数据留在客户侧 | 设计成数据不动、模型靠近数据，或本地推理 |
| 项目制采购 | 阶段验收、年度预算、回款周期长 | 拆阶段交付物，把价值指标写进验收条款 |
| 集成商生态 | 总包 + 分包，界面多 | 提前约定分工与数据接口，保留产品反哺通道 |
| 组织惯性 | 汇报逻辑、真空层、KPI 不变 | 找到经济买家，设计能被看见的证据链 |
这张表是作者归纳（D），约束清单参考第 10 章的框架；具体项目仍需逐案核实。
一个绕不开的背景：定制化诅咒
据 36 氪 2024-08、DolphinDB 博客 2026-01 与《硬地骇客》EP54 的讨论，中国 SaaS 长期受困于定制化与亏损式增长（C/D）。FDE 在这里既是解药也是风险：它能帮公司拿下大客户，但如果不把定制沉淀成产品，就会把公司拖回项目制。Kuse.ai 对「FDE 很难成为好商业模式」的质疑，正是这个问题的另一种说法。
常见误区
- 把 FDE 卖成人天。 一旦按人天报价，客户就会按工时报账，团队失去产品反哺的动力。
- 只讲技术，不接采购与验收逻辑。 中国大项目里，验收标准往往在立项时就已经写好。
- 忽视数据不出域。 方案画得很美，最后卡在「数据不能出机房」。
- 把「替代岗位」当卖点。 短期好卖，长期引发抵触与伦理争议。
- 用媒体薪酬标题做承诺。 挂牌区间与真实 offer 是两回事。
本章小结
- 中国的 FDE 供给正在快速机构化：云厂商、咨询公司、服务商、培训班同时出现。
- 需求侧的组织惯性、汇报逻辑与项目制采购，是比模型能力更硬的约束。
- 中国案例的可信度整体偏低（多为 C：公司自述、播客、圆桌），读的时候先看谁在说、为什么说。
- 对个人而言，编码能力 + 业务理解 + 证据链意识，是三条可积累的护城河。
给读者的 5 条启示
- 先判断客户在哪个成熟度。 要工具、要方案、要结果，是完全不同的三种生意。
- 把合规约束前置到方案设计。 数据不出域不是交付时才发现的问题，而是架构前提。
- 学会写「验收证据链」。 一线价值要能被中间层、审计层和高层分别看懂。
- 不要用裁员叙事卖 AI。 讲任务重构与再培训，比讲替代岗位更能走远。
- 对媒体数字保持距离。 增长率、挂牌价、公司口径，都要先问「谁统计的」。