一人公司 下一步是 FDE.
硅谷最火的新职业 FDE（Forward Deployed Engineer，前线部署工程师），正在重写 AI 公司的交付方式：不进写字楼，进驻客户现场；不卖功能，交付结果。 而对一人公司来说，这件事的真正含义是——下一步不是做产品，是成为 FDE。
31.2304° N · 121.4737° E · GEN: NANO-BANANA-2
不卖软件，卖结果.
FDE 是 Forward Deployed Engineer——前线部署工程师。这个词由 Palantir 造出： 工程师不坐在总部写标准产品，而是进驻客户的真实业务现场，在泥泞的数据和组织里把系统跑通， 为最终的业务结果负责，再把前线学到的东西反哺成产品。
进驻现场
不是在办公室里猜需求，而是坐进客户的工厂、律所、作战指挥室。Palantir 的 FDE 甚至跟着悍马进过战区——部署的字面意思。
↗交付结果
合同上写的不是功能清单，而是业务指标：拦截率、研发周期、成本线。做不出来就不收钱——这是和传统外包最狠的区别。
↗反哺产品
前线的 dirty work 不是成本，是情报。每一次部署都把真实 know-how 沉淀回平台，让下一次部署更快——护城河由此长成。
↗We do not lead with product. We want to work with you. We want to understand your problems.—— PALANTIR FDE 文化自述 · 我们从不以产品开场，先理解你的问题
Dev — 平台工程师
在总部写可复用的核心平台，把 FDE 从前线带回来的模式抽象成产品能力。
Delta — 前线部署工程师
Palantir 内部对 FDE 的代号。进现场、改数据、写定制逻辑，对结果负责。
Echo — 现场可靠性
让已经部署的系统在客户环境里长期稳定运行，守住交付的下半场。
硅谷正在疯抢 FDE.
2025 到 2026 年，硅谷最头部的 AI 公司几乎同时把赌注押在同一个岗位上。 职位发布量一年暴涨 +729%，总包开到 $170k–$400k—— 一个三年前还不存在的职业，成了 AI 军备竞赛的第二战场。
这轮抢人不是 HR 行为，是战略行为。OpenAI 在 2026 年 2 月发布企业级 Agent 平台 Frontier，5 月又成立独立业务单元 DeployCo 并收购咨询公司 Tomoro——一次性吃进 150 名 FDE，专门把 ChatGPT 部署进世界 500 强。 与零售巨头 Target 的 AI 合作一单就是 $4B 量级。
Anthropic 把 Applied AI 团队统一为 Forward Deployed Product Engineering， 把 Claude 部署进金融与医疗的核心系统。a16z 则把整件事总结成一句投资纲领： AI 正在让"服务主导增长"（services-led growth）复活。
最激进的是法律 AI 公司 Harvey：销售人员必须有法学学位， FDE 的标准是客户提出需求后 10 分钟内做出可演示的原型， 工程师凌晨三点登机飞客户现场是常态——这套打法被业内称为 "The Harvey Way"。
Palantir
EST. 模式源头FDE 一词的创造者。用 Dev / Delta / Echo 三角色把"咨询的脏活"工业化，二十年把定制部署沉淀成平台——它是所有后来者的母版。
OpenAI
2026 全面建制化Frontier 平台 + DeployCo 业务单元 + 收购 Tomoro 吃下 150 名 FDE。从卖 API 转向"把 Agent 部署进 500 强"，与 Target 的合作达 $4B 量级。
Anthropic
2026 产品化整合将 Applied AI 整合为 Forward Deployed Product Engineering，让部署工程师与产品团队同组，把 Claude 嵌进金融、医疗的关键工作流。
Harvey
WAY 极致打法法律 AI 独角兽。销售必须懂法律，FDE 必须 10 分钟出演示，凌晨三点登机是文化而非段子——用最重的服务换最深的客户绑定。
国内半年内烧成风口.
2026 年上半年，FDE 成了中国 AI 公司互相挖人的第二个风口岗位——第一个是模型研究员。 从材料研发到金融，从央国企到教育，一批公司开始用"部署工程师进现场"的方式啃 AI 落地的最后一公里。
争议 A：服务 还是产品？
晚点在《上市前，为什么 FDE 越来越多》里点破了尴尬：AI 公司一边靠 FDE 拿单冲收入，一边要向资本市场解释"我们不是咨询公司"。Palantir 背了二十年同样的质疑——直到平台毛利替它回答。
争议 B：按 工时 还是按结果？
计费工时的重担依然存在：人天报价会被甲方压价，AI 提效反而让收入缩水。知未智能的做法是按"帮客户省了多少钱"分成——把 AI 提效的红利留给自己，而不是让给客户。
模型过剩，落地饥饿.
模型能力两年翻了几倍，企业里的真实渗透却远远没跟上。 这条越来越宽的鸿沟，就是 FDE 存在的原因——也是它的定价权来源。
高管们曾以为模型越强，AI 就越能"自我服务"。现实是：瓶颈从来不在技术，在最后一公里。（Financial Times）
软件吃掉世界用了二十年；AI 直接去做服务本身。交付结果的公司，拿走的是服务的预算，而不是软件的预算。
到 2028 年，三分之一的企业软件将内置 Agentic AI（2024 年不足 1%）。谁来把它们部署进业务？——FDE。
一人公司 4.0 = 人人皆 FDE.
一人公司 1.0 是一个人硬扛；2.0 和 3.0 解决的是"产能"和"产品"问题，但红利人人有份，终局一定是同质化。 4.0 解决的是"结果"问题——而结果，永远是稀缺的。
工具放大产能
- 用 AI 把内容、设计、开发一个人做完
- 单位时间产出 ×10，成本结构重置
- 收入本质：卖时间 × 杠杆
标准化产品
- 把能力封装成课程、模板、订阅、小工具
- 脱离时间出售，开始有了"睡后收入"
- 软肋：标准品被平台和同行双向碾压
前线部署
- 带着你的 AI 栈进驻客户现场，交付业务结果
- 按结果定价：天花板从日历变成价值
- 壁垒：行业 know-how + 可复用部署资产
企业为"工具"付的钱有上限，为 "结果" 付的钱没有。 大模型公司派 FDE 进 500 强，一人公司就派自己进中小企业—— 同样的打法，更小的体量，恰恰是大公司看不上、也够不着的市场。
一个人，六层武装.
个人 FDE 的武器不是某个单一工具，而是一套可复用、可携带、可部署的技术栈。 点击左侧任一层，查看它装的是什么、为什么必须自己掌握。
五步，走到客户现场.
从一人公司到个人 FDE 不需要辞职、融资或招人。 需要的是按顺序做完这五步——点击任意一步查看验收标准。
从卖时间，到卖结果.
收费模式是这场转型里最锋利的一刀。AI 提效之后，按时间计费的人收入下降， 按结果计费的人利润上升——同一股力量，两种命运。切换开关，对比两种模式。
卖时间
天花板 = 你的日历- 人天报价，甲方年年压价，议价权在对方
- AI 让你快 10 倍 → 同样工作收费变 1/10
- 收入随不出工归零，手停口停
- 越做越像外包，案例无法沉淀为资产
卖结果
天花板 = 你创造的价值- 按节省成本 / 增量收入分成，议价权在自己
- AI 让你快 10 倍 → 同样的结果利润率 ×10
- 部署资产可复用，第二单成本趋近于零
- 知未智能样本：按"帮客户省多少钱"收费
i.规模化难题
服务收入线性增长，这是 Palantir 背了二十年的质疑。个人的解法：只做能沉淀为可复用资产的部署，拒绝纯体力单。
ii.现场成本高
驻场是重投入。解法：先用 10 分钟演示标准筛客户——愿意为结果付费的客户，才值得你登机。
iii.结果归因难
"业绩变好是你的功劳吗？"解法：合作前白纸黑字定义基线指标与归因口径，先小人后君子。