FDE陷阱：AI公司正在沦为传统卖人头外包公司？

01. FDE陷阱：AI公司正在沦为传统卖人头外包公司？

AI SaaS ToB 行业产品老兵，创业者，欢迎关注并理性讨论。

关注一下 AI 公司的招聘页面，一个岗位正在疯狂扩张——FDE（Forward Deployed Engineer），前置部署工程师。腾讯/阿里/火山都在大量招FDE，那些拿了 A 轮的 AI 应用层创业公司也在招。JD 描述出奇一致：驻场客户现场，理解业务需求，定制化部署 AI 解决方案。

翻译成人话：派人去客户那里，帮他们把 AI 用起来。

我的第一感觉，FDE越来越像传统软件公司的实施顾问，像咨询公司的驻场团队，像外包公司的交付人员。

前段参加过一个企业 AI 项目。七八家供应商来 pitch，方案出奇一致——“部署大模型 + 搭建知识库 + 定制 Agent”三件套。区别只是谁家派来的工程师更贵、更资深。那一刻我突然意识到：AI 软件公司的竞争壁垒，正在从”模型能力”滑向”FDE密度”。

02. FDE模式 vs 传统软件开发

传统软件开发的工作逻辑是：拿到需求文档 → 写代码 → 测试 → 交付。核心能力是编程。一个中级软件工程师，国内年薪 30-50 万人民币。一个项目可能需要 8-10 个这样的工程师，加上架构师和项目经理，团队规模 10-12 人。

FDE 的工作逻辑是：进驻客户现场 → 理解业务痛点 → 判断哪些能用 AI 解决 → 用现成的模型和工具链快速搭建原型 → 迭代到客户满意。核心能力不是编程，而是”翻译”——把业务问题翻译成技术方案，把 AI 能力边界翻译给业务部门。

干这个活，FDE得同时懂三样东西：模型能力边界（知道什么能做什么不能做）、企业业务流程（知道客户的痛点在哪）、工程落地（知道怎么把 API 接进客户系统）。这种复合型人才，国内年薪 60-100 万人民币起步。

但好处是，项目上不需要 10 个 FDE。因为 AI 承担了大部分编码工作。

03. 成本账怎么算

FDE 模式的核心优势不是省钱，是快——而快，本身就是省钱。

以一家大型金融机构部署 AI 合规风控系统为例。需求包括对接核心交易系统、实时监控异常交易模式、自动生成监管报告、自定义风险规则引擎。客单价 300-500 万。

先算月均成本：

传统开发模式 ——10 人团队：

• 8 个开发工程师 × 25 万/年 ÷ 12 = 16.7 万/月
• 1 个项目经理 × 30 万/年 ÷ 12 = 2.5 万/月
• 1 个架构师 × 50 万/年 ÷ 12 = 4.2 万/月
• 月均合计：23.3 万/月

FDE 驱动的 AI 开发模式 ——4 人团队 + Token：

• 2～3 个 FDE × 80 万/年 ÷ 12 = 20.0 万/月
• 1 个项目经理 × 35 万/年 ÷ 12 = 2.9 万/月
• Token/API 费用（模型调用、原型测试、持续推理）：2 万/月
• 月均合计：24.9 万/月

月均成本差别不大——FDE 模式 24.9 万，传统模式 23.3 万。但项目周期天差地别。

以客单价 400 万的中位数计算：

FDE 模式虽然月均成本更高，但因为交付周期只有传统的 1/4，总成本反而只有传统软件开发的 1/3。 项目毛利率可以做到接近 70%——这是 SaaS 级别的毛利。

04. 单项目很赚钱，但规模化呢？

到这里，看起来FDE模式是个好生意——70% 的单项目毛利率，比传统开发快 3-4 倍。但FDE 模式再快，3-6 个月还是 3-6 个月，每个客户还是得有人去现场。FDE数量变成了交付瓶颈。

第一个客户做完，第二个客户呢？

如果第二个客户是另一家金融机构，同样需要合规风控系统，能复用多少？理想情况下，数据管道和监管报告模板可以复用，FDE 只需要做适配和定制——可能 2 个 FDE，2-3 个月。成本降到 60-80 万，毛利率爬升到 75%+。

但现实是，每个企业的核心交易系统、数据格式、合规流程都不一样。你上一个客户用的是abc家的系统，下一个客户用的是自研系统。你的 FDE 没法直接复用——他得重新对接、重新理解、重新适配。这时，交付资源要从3个FDE降到2个已经有点勉强了。

换句话说，FDE 模式的 边际成本下降速度 取决于一个关键变量： 现场交付定制程度 。产品越定制，复用越少，导致边际成本没法下降。

这就是 FDE 模式跟 SaaS 的根本区别。SaaS 天然就是标准化的——你用的 Salesforce 跟隔壁公司用的 Salesforce 是同一套代码。但 FDE 交付的 AI 方案，天然就是半定制的——每个客户的数据不同、流程不同、预期不同。FDE 的工作就是把标准化的 AI 能力适配到非标准化的企业环境中。

所以 FDE 模式的毛利率曲线是这样的：

• 第一个客户：70%（3 个 FDE，6 个月，零复用）
• 第二个客户：~75%（2.5 个 FDE，4 个月，部分复用）
• 第十个客户：~75%（复用率见顶，稳定在这个水平）
• 第一百个客户：~75%

毛利率起点很高，但上不去。SaaS 的毛利率随着规模从 60% 爬到 85%，FDE 模式没有这个爬坡——它一上来就是高毛利，但边际改善微乎其微。从第一个客户到第一百个客户，毛利率只涨了 5 个百分点。

更麻烦的是，70% 这个数字本身可能就站不住。

以上所有计算都基于一个假设：客户愿意按传统开发模式的预算来支付——400 万。这个假设成立的前提是，市场初期FDE 团队交付的东西有不可替代性。但当市场竞争充分，FDE充分供应时，会发生什么？

如果客户按成本加成来压价——“你 3 个月 100多万就做完了，凭什么收我 400 万？“——按 30% 加成，价格会落到 159 万，毛利率从 70% 断崖到 23%，跟 传统外包 没区别。

更现实的场景是市场竞争拉低价格。第一家 FDE 团队收 400 万，赚 70% 毛利。第二家看到机会，同样方案报 300 万。第三家报 200 万。价格最终稳定在 200-250 万——这时候毛利率 39-51%。仍然是好生意，但不再是”SaaS 级别”的 70% 了。

换句话说，FDE 模式的单项目高毛利，本质是 先行者窗口期红利 ，不是结构性优势。当竞争对手也能招到同样水平的 FDE、用同样的基座模型、做同样的三件套方案时，价格会向成本回归。这个回归速度，取决于两个因素：客户对交付质量的敏感度（越高，降价越慢），和 FDE 人才的供给弹性（越大，竞争越激烈）。

05. 三种估值模型

回到几个月前我写的那篇《AI公司的估值新锚点：算力成本的物理约束》。核心论点：AI 公司不能套用 SaaS 的 P/S 估值，因为 SaaS 的”零边际成本”建立在代码复制上，而 AI 的每一次推理都要消耗实打实的物理成本。

当时只想到了算力成本。现在把 FDE 的人力成本也放进来，才是完整的，对比一下这三种截然不同的估值模型。

模型一：纯 SaaS。

SaaS模式。代码写一次，卖给一万个客户。毛利率 75-85%，而且随着规模扩大持续上升。每新增 1 元收入，COGS 增加不到 0.2 元。市场给 10-20 倍 P/S，因为今天的营收增长几乎等同于明天的自由现金流。

模型二：传统软件开发/系统集成。

软件开发模式。每一个项目都是一组人马驻场交付。毛利率 25-35%。每新增 1 元收入，至少 0.65 元是人力成本。收入增长和成本增长是锁死的。市场给 1-3 倍 P/S，因为你赚的是人力套利的钱，不是软件杠杆的钱。

模型三：FDE 驱动的 AI 开发。

单项目毛利率 60-70%，看起来很漂亮，但这个数字有双重欺骗性。

第一，它是先行者窗口期红利，不是结构性的。当竞争对手也能招到同样的 FDE、用同样的基座模型、做同样的三件套方案时，价格会向成本回归。我们刚才推演过——竞争充分后，毛利率可能从 70% 滑到 39-51%。

第二，即使毛利率扛住了竞争，关键指标也不是它，而是 边际毛利率 ——每新增一个客户，毛利率是上升、持平还是下降？如果边际毛利率是平的（每多一个客户，成本等比增加），你就是披着高毛利外衣的模型二。如果边际毛利率是上升的（每多一个客户，成本递减），你才在往模型一的方向走。

三种模式的对比：

这个问号，就是我想讨论和推演的。

市场目前的定价是混乱的。有的 AI 公司用单项目 70% 的毛利率讲 SaaS 的故事（“你看，我们的毛利跟 Salesforce 一样高！”），但闭口不谈边际毛利率是平的还是升的。有的 AI 公司坦诚地按软件外包模式运营，但被投资人嫌弃增速不够性感。

这个混乱不会持续太久。当市场学会区分”单项目毛利率”和”边际毛利率”时，估值会重新排序。

06. SaaS 是怎么扛住价格竞争的？FDE 能学吗？

在 SaaS 的世界里，价格战从来不是新鲜事。SaaS 扛住价格竞争，靠的不是比别人便宜，是 让价格比较变得无关紧要 。具体有四招：

第一招：切换成本。 你的数据在系统里，你的流程围绕系统搭建的，你的员工只会用这个系统。竞争对手说”我便宜 30%“，客户算的不是价格差，是迁移的隐性成本——培训、数据清洗、流程重构、停工天数。这通常远超价格差。

第二招：网络效应。 插件市场、数据生态合作连接带来的网络效应是 SaaS 最强的护城河——直接让竞争对手无处下嘴。

第三招：流程锁定 先卖一个部门、一个功能，用起来之后再扩展到全公司。竞争对手低价来撬的时候，撬的不是一个系统，是几十个部门、上百个流程节点的既定事实。

第四招：产品深度。 竞争对手可以抄80%的“外在”功能，但抄不了十年迭代积累的底层平台、边界情况处理、异常流程、集成兼容性。这些是时间壁垒，不是技术壁垒。

这四招，FDE 驱动的 AI 公司能学哪些？

切换成本？有可能。一旦你的 AI 方案嵌入了客户的合规流程、风控规则、监管报告体系，客户换供应商的成本不低。

网络效应？目前看不到。FDE 模式的困境——客户 A 的成功案例可以说服客户 B，但不会让客户 A 的系统本身变得更好。没有网络效应，FDE 公司永远在打一场一场的独立战争。

流程锁定？这是 FDE 模式最有可能复制的一招。Palantir 就是这么做起来的——先从一个部门的反欺诈项目切入，然后扩展到整个机构的情报分析，再扩展到其他机构。FDE 的驻场模式天然适合，因为人在现场，能看到下一个机会在哪。

产品深度？这是 FDE 模式应该主攻的方向，也是核心——把 FDE 的隐性知识蒸馏成skill，外化为 Agent 的能力，让产品自己会”驻场”。

总结一下：SaaS 应对价格竞争的四招，FDE 目前能用的只有流程锁定，产品深度是正在建的，切换成本是半成品，网络效应是空白。这个差距，就是 FDE 模式和 SaaS 模式在估值上的真实距离。

07. 卖人头不是一个贬义词，它是一个估值陷阱

这里我得澄清一下：说 AI 公司”卖人头”不是在骂人。Palantir 靠 FDE 模式做成了几百亿市值的公司，卖人头本身不是问题。

问题是，你在用什么估值模型来估值？

如果认为说”我们是 AI 原生公司，边际成本趋近于零，毛利率 80%+“，然后转头招了 200 个 FDE 去客户现场驻场——单项目毛利率确实可能 70%，但你的边际毛利率上不去。这是一场迟早要爆的估值错配。

现在大家都公认：AI公司的护城河不在模型本身。模型在快速商品化，API生意是当下最没有用户忠诚度的生意。不断发布的新模型已经证明了用户花10秒时间切换一个API Key就把老供应商一脚踢飞。真正的护城河，是”在泥沼里把事办成”的能力——也就是 FDE 的核心价值。

但问题在于：这种护城河不具备软件的经济学特征。客户关系和工程经验是线性增长的——每多一个客户，大概率还是需要增加 FDE。它没有网络效应，没有规模效应。你的成本结构不会因为客户数量从 100 变成 1000 而出现质变。

这就是为什么传统软件的毛利率只有 30% 左右，而SaaS的毛利率是 76%。两者都赚钱，但赚的是两种完全不同性质的钱。前者赚的是人力杠杆的钱——雇佣聪明人，高价卖给客户。后者赚的是软件杠杆的钱——代码写一次，卖给一万个客户。

如果你用软件开发公司的成本结构去套SaaS的估值倍数，来作为AI创业公司的估值模型，市场迟早会纠正你。

08. 有没有出路？三条路径

悲观地说清楚了，但这不是终点。AI 公司要跳出”卖人头”陷阱，我的个人判断有三条路径。其中第一条是真正的范式跃迁，后两条是在范式跃迁未完成时的务实选择。

路径一：SaaS 底座 + AI Agent。这是唯一能真正实现 SaaS 估值的路径。

FDE 做的所有事情——理解业务需求、对接系统、调 prompt、写胶水代码、测试迭代——本质上是三件事： 理解、配置、集成 。这三件事，AI Agent 正在快速学会。

想象一下这个架构：

SaaS 底座提供标准化的多租户架构、数据连接器、工作流引擎、权限体系、合规框架。这是”边际成本趋近于零”的部分——代码写一次，所有客户共用。

通过蒸馏FDE能力建立的FDE Agent 层坐在 SaaS 底座之上，扮演 FDE 的角色。客户接入时，Agent 自动访谈业务人员，理解需求。Agent 自动调用预置连接器对接客户系统，遇到缺口时自己写胶水代码。Agent 自动配置模型、调 prompt、跑测试、生成文档。人类 FDE 从”做这件事的人”变成了”批量复制产出的人”。

为什么这是能实现 SaaS 估值的路径？因为只有FDE Agent替代人类FDE，才能同时解决两个问题：单项目成本（Agent 比人便宜得多）和边际毛利率（Agent 的能力随使用量提升，边际成本递减）。SaaS 底座解决标准化，AI Agent 解决定制化——两者结合，FDE 模式才真正有了向 SaaS 估值靠拢的数学基础。

这条路的风险也明显：今天的 AI Agent 还没到能独立完成企业级交付的水平。它需要多久？三年？五年？不知道。但努力的方向不能赌”FDE会变便宜”，而是想办法让”Agent变成FDE”。

路径二：选高价战场，让 FDE 成本在数学上可忽略。

如果路径一暂时走不通——Agent 还没强到能独立交付——这是退而求其次的选择。

我在旧文里写过，AI 只有在替代昂贵人力时，高昂的推理成本才能被忽略。同样的逻辑适用于 FDE 成本。如果你的 AI 产品帮客户省的是 30 块/小时的客服，养一个 FDE 都养不起。但如果你的 AI 产品帮客户省的是 3000 块/小时的律师，养一个FDE覆盖 1 个客户就回本，剩下的全是利润。

所以垂类 AI 公司的关键不是”降低 FDE 成本”，而是”选对战场”。这条路有一个隐忧：在高价市场赚到的钱，本质上是目标市场的人力溢价，不是技术溢价。当 Agent 能力成熟到可以进入你的市场时，人类FDE模式会被用Agent FDE碾压，成本不在一个数量级。

路径三：承认自己是服务公司，按服务公司估值。

如果路径一走不通，路径二的市场不够大，那就别假装自己是高毛利了。按服务公司的标准运营——控制人力成本率、提高人效比、追求高毛利项目而非高营收增长。然后按服务公司的估值倍数融资和退出。

09. 终局：

SaaS 时代的估值锚点是 P/S——营收增长即价值。

我认为——AI 时代的估值锚点： FDE的Agent替代率 ——实际项目交付中，Agent 做了多少，人类做了多少？

如果 Agent 替代率在上升，是一个正在形成的”SaaS 底座 + AI Agent”公司，估值朝 SaaS 看齐。如果 Agent 替代率不高，那就是一个数字雇主，估值朝外包服务公司看齐。如果 Agent 替代率是零但看不到，那然后就没有然后了。

10. 原文来源

原文发表于微信公众号“中老年叨叨”（2026年7月23日 18:09）。查看微信公众号原文。