起源与经济账

这场押注，用 Palantir 自己的数字来看

这个角色的历史之所以重要，只有一个原因：它先是一个经济决策，后来才成为一个职位名称，而这笔经济账至今仍在塑造你将参与的每一次交付。要看清这个决策，最容易的地方，是一家公司亲自公布了自家数字的那唯一一处。

关于这场押注，最好的公开记录是 Palantir 2020 年的 S-1 招股文件（Palantir S-1；T2，公司在监管文件中的自报数据）。它直接点出了这个角色：“我们的前线部署工程师（‘FDE’）曾远赴阿富汗的基地和美国中西部工业区的工厂，部署我们的平台。”它也说明了公司派他们去能得到什么：“在 FDE 帮助客户充分利用我们软件的过程中，他们亲眼观察到用户面临的难题。”文件在别处把它的平台归功于“系统性地吸纳我们在一线工作的软件工程师所发现的改进”。随后，文件把每个客户归入三个阶段之一，并报告了每个阶段在 2019 年的收益。

PALANTIR, 2019, BY CUSTOMER PHASE (S-1, contribution margin)

Phase     Defined by                        Revenue   Contribution
Acquire   under $100K revenue that year     $0.6M     loss of $65.4M
Expand    over $100K, margin negative       $176.3M   (43)%
Scale     over $100K, margin positive       $565.7M   55%
  top 25% of Scale, ranked by margin        $110.7M   87%
All customers                               $742.6M   21%

从上往下读这几行，就能看出这场押注的形态。在获客（Acquire）阶段，Palantir 开展“免费或低成本的软件平台短期试点部署”，并且“在这些短期试点期间，我们以亏损状态运营这些客户”。在扩展（Expand）阶段，它继续有意亏钱：“以贡献利润率衡量，我们处于亏损运营，以推动未来的收入增长和利润率扩张。”到了规模化（Scale）阶段，客户变得“更加自给自足”，利润率随之扭转。规模化客户中排名前四分之一的那部分，利润率达到 87%。“交付开始之前”已经讲过获客阶段的亏损对试点定价意味着什么。这一章讲的是整条曲线。

87% 是这张表里被引用最多的数字，所以值得弄清它不是什么。有四点限制了它，而且全都写在文件里。

• 它是按结果挑出来的。它是按贡献利润率排序后排在前 25% 的规模化客户，所以从构造上说，它就是最好的那四分之一。这些客户带来了 1.107 亿美元收入，占规模化阶段收入的 20%。
• 阶段本身是由结果定义的。扩展阶段的客户，是当年利润率为负的客户；规模化阶段的客户，是利润率为正的客户。规模化客户之所以盈利，是因为“规模化”的定义就是如此，所以这张表无法告诉你有多少客户从一行移到了下一行。
• 没有给出转化率。文件警告说，“无法保证我们能够把客户从获客阶段推进到后续阶段”，而且从未说明有多少客户做到了。
• 贡献利润率漏掉了一些成本。它的定义是“收入减去收入成本及销售和营销费用（不含股权激励），再除以收入”。研发不在其中，一般管理费用也不在。这是一个非 GAAP 指标，而 2019 年全公司的数字是 21%。

这些都不会让 87% 变成假的，只会让它成为最好的情况，你也应该这样读它。对 FDE 更有用的，是文件给出的同一批客户六个月之后的数字。2019 年底处于扩展阶段、利润率为 (43)% 的客户，在 2020 年上半年做到了 35%。规模化客户从 55% 升到了 68%。2019 年的获客阶段客户在这半年里带来了 1,880 万美元收入，仍然亏损 1,390 万美元。半年不是一年，公司在上市途中自己选择了披露什么，而且依然没有给出移动了阶段的客户数量。但它显示了事情发生的顺序：亏损在先，而且是有意为之；利润率在那些部署工作不再比收入增长得更快的客户身上扭转。文件自己的预测，“我们相信，从长期看，我们所有的客户都会进入规模化阶段”，是一种信念，不是一个测量结果。

招股文件之前的历史更单薄，也是二手的。Pragmatic Engineer 报道说，“直到大约 2016 年，Palantir 的 FDE 都比‘普通’软件工程师多”（Pragmatic Engineer，2025 年 8 月；T3）。一篇关于 Bob McGrew 做客 Y Combinator 的 Lightcone 播客的文章，描述了两类团队的分工：一类是由领域专家组成的“Echo 团队”，成员“往往是退役军官或医疗从业者”；另一类是由“快速原型开发者”组成的“Delta 团队”（StartupHub，2025 年 9 月；T3，对一期播客的二手总结）。同一篇文章把这种模式放在“产品探索”阶段，即“问题本身都还没有定义清楚”的时候。这是作者的概括，不是 McGrew 的原话，但它说得对：前线部署，是一家公司弄清该造什么的方式。关于 Palantir 的历史，本书需要的就这么多。

它为什么能赚钱：产品吸收了服务

一家公司如果向每个客户派驻工程师，并按工时收费，那它就是一家咨询公司。Palantir 的利润率来自别处，而最清楚的叙述来自 Nabeel Qureshi，他于 2015 年以 FDE 身份加入 Palantir，2023 年离开（Reflections on Palantir，2024 年 10 月；T4，一位前员工的回忆）。

按他的说法，一线工程师手工做那些“杂活”，产品工程师则造出工具把它们自动化。“反哺产品”完整引用了这段话。这些工具后来长成了一个平台：“如今它带来了公司 50% 以上的收入，它叫 Foundry。”他的结论是：“Palantir 完成了一次罕见的从服务公司到产品公司的转型：2016 年，说它是一家硅谷服务公司并非完全离谱，但到了 2024 年，这种说法就大错特错了。”那一章讲的是这个闭环在一次交付内部怎样运转。这里要说的经济学要点更窄：部署工作之所以有回报，是因为它不再被重复。每个客户的杂活都变成了一个工具，于是下一个客户的部署成本更低，于是这个客户更早地从扩展阶段跨入规模化阶段。

批评者把这家公司斥为“一家伪装成软件公司的咨询公司，往好了说，也不过是一种精巧的人才套利”。Qureshi 的回应是一组利润率对比：“2023 年毛利率 80%。这是软件的利润率。对比一下埃森哲：32%。”他没有给出这两个数字的来源。把它们看作一位前内部人士在复述公司自报的数字，而不是一次独立核验。同一个“80% 以上”的数字，又出现在一份中国智库对这个角色的总结里（川观新闻，2026 年 9 月；T3），那是一个回声数字，不是第二个来源。S-1 为趋势方向提供了一个一手锚点：2019 年毛利率 67%。趋势是真实的，但 2023 年的确切数字，本书没有核实过。

这种模式有两项成本，在各种转述里很少出现，Qureshi 却都点了名。第一是差旅：先飞过去、再问问题的习惯，“导致差旅开支在很长一段时间里失控”。第二是薪酬：“公司付的薪水低于市场水平，而待上 5 年以上是常事。”他补充说，“多亏了股价的表现，大多数早期员工都过得很好。”早期经济账的一部分，是工程师提供的补贴：以薪水的形式付出，再以股权的形式收回。一家照搬一线模式、却没有股权上行空间的公司，是在要求同样的补贴，给出的回报却更少。

实验室为什么照搬它，以及当产品变成模型时，什么变了

实验室采用前线部署，是因为它们最初的做法失败了。OpenAI 前线部署工程负责人 Colin Jarvis 这样描述 ChatGPT 之后的那几年：“我们确实能让客户上线生产，但结果很不稳定，而且每一次都要花大量时间。”稳定奏效的做法，“其实就是嵌入到他们当中，非常深入地理解他们的领域”。他的结论是：“我们以前那种不深度介入、类似技术支持的模式，根本没法可靠地把这些客户带到生产环境，这在某种程度上促使我们决定建立前线部署模式”（Altimeter 访谈，2025 年 11 月；T2，供应商高管谈自己的组织，引自自动生成的字幕）。这正是 Palantir 遇到过的那最后一公里：能力已经存在，客户却仍然无法靠自己拿到结果。

经济账在三个方面有所不同，而每一点都改变了实验室里的 FDE 是为了什么。

实验室已经有产品可卖。Palantir 的 FDE 是一边做一边造平台的。实验室的 FDE 到场时，模型已经在售了。一篇关于 OpenAI 部署业务的报道把这个落差说得很直白：“拥有模型访问权和拥有能用的 AI，是两个不同的采购决定。”它认为，大多数企业只做了第一个（MarketScale，2026 年 7 月；T3，转述《华尔街日报》）。实际上，一次进入生产环境的交付，是把客户已经买下的访问权变成实际使用。这和 Palantir 的回报方式不同，在 Palantir，交付本身往往就是那笔销售。

实验室瞄准的是更少、更大的问题。Jarvis 说，团队瞄准的问题价值“几千万，有时到十几亿、几十亿的量级”，这样“到最后它会产生大的经济影响”。他明确表示，不认为这个职能会变成“成千上万人的队伍”（同一访谈；T4，这是战略表述，不是测量结果）。按这种规模配置的团队，不可能靠收费养活自己。它必须靠学到的东西来回本。

反哺回来的东西比一个工具更宽。在 Palantir，一线反哺的是平台。在实验室，它还可以反哺模型。Jarvis 描述了把团队的产能“按这两根杠杆”来分配：一类客户是为了检验某个明确的产品假设而选的；另一类客户的问题价值极高，即使最后没有产品，“至少也会有一些研究上的收获”（同一访谈；T4，这是战略表述，不是测量结果）。他的复用目标，在“反哺产品”中有完整引用，是对回报方式最清楚的表述：第一次交付后大约 20% 可复用，再做两次后达到 50%，之后这项工作就转入“业务里规模化的那部分”。他也说，团队“在这条路上还处在非常早的阶段”。这是一个目标，不是一个结果。

下面是本书的推断，不是有出处的发现。实验室 FDE 的工作，可能比 Palantir FDE 的工作贬值得更快。Palantir 的一线工具变成了经久不衰的平台功能。实验室 FDE 写的提示词变通方案和针对特定模型的脚手架，可能在下一次模型发布时就变得多余。能留下来的，是模式、评测，以及对模型错在哪里的描述。这又是一个理由，说明评测和现场日志比代码更重要。“评测”和“反哺产品”分别讲了这两者。

风投的论证，以及它所依赖的条件

在实验室之外照搬这种模式，最响亮的论证来自一家风投机构。Andreessen Horowitz 的《以利润率换护城河》（Trading Margin for Moat）认为，伟大的企业软件公司都是从服务业务起步的：“上市时，ServiceNow 的毛利率是 63.2%，Workday 只有 54.1%，远低于软件理想的约 80%。”它说，到 2024 年，ServiceNow 达到 79%，Workday 达到 75%。由此，它为 AI 应用公司得出一条规则：“为了 80% 的毛利率去优化是短视的。企业今天唯一应该优化的，是尽可能快地增长总毛利。”它甚至建议创始人“设计激励结构，让服务可以按成本价出售”（a16z，2025 年 6 月；T4，投资者的论证）。掂量一下来源。一家以投资这类公司为业的风投机构，希望投资者接受早期的低利润率，这符合它的利益。这并不会让论证出错，只是说明它是在为自己的立场发声。

这个论证只在一个条件下成立，而这篇文章自己也说了：服务必须让这家公司成为客户的工作系统，也就是工作流运行、数据录入的地方。文章的说法是“生成、捕获并存储有价值的公司数据的工作系统”。按它的叙述，一旦工作流确立下来，在位者就“拥有‘护城河’，可以提价并建立实施生态”，利润率随之而来。按成本价出售、却没有留下工作系统的服务，仍然只是服务。只有当产品吸收了工程师手工完成的工作，利润率才会回来，这又是 Palantir 的教训，只是换了说法。

应用公司对自己的员工也是这么说的。Sierra 为其旗舰部署招聘策略师的一则职位描述，要求入职者“随着时间推移降低服务成本，提升利润率”（Sierra 职位描述，2026 年 9 月；作为雇主要求什么的一手证据，就工作如何完成而言属 T4）。在应用公司，服务成本包括你的时间，以及你构建的智能体的运行成本。本 wiki 的智能体成本控制一页讲的是后者。前者要靠你自己管。如果一位 FDE 第二次部署同一个模式，花的时间和第一次一样长，那他就是在把利润率往错误的方向推。

2026：服务有了自己的公司

2026 年，OpenAI 和 Anthropic 各自把前线部署能力转移到一家独立的企业，引入外部投资者，配备自己的人员编制。这些事实很新，也会变化，所以放在方框里。下面的论证并不依赖它们。

这一举动有两种解读，而迄今为止的证据两者都支持。

善意的解读：拆分保护了实验室自己的 FDE。如果服务工作放在一家独立的公司里，实验室的内部团队就可以保持精干，专注于产品和研究上的押注。TechCrunch 报道说，“Anthropic 的内部团队将继续专注于具有战略意义、与使命一致的部署”（T3，一位发言人的表态）。这与 Jarvis 说的“不是成千上万人的队伍”相吻合。按这种解读，部署公司是一个模式被验证之后工作的去处：正是他的复用目标所指向的“业务里规模化的那部分”。

怀疑的解读：陷阱如今有了自己的公司。Jarvis 自己的警告，在“反哺产品”中引用过：那些本想成为产品公司的咨询公司，会被“服务收入的短期诱惑”拽回服务的方向。一家以服务收入为主业、投资者指望数十亿美元投入有所回报的独立公司，并不能免于这股拉力。它存在的意义，恰恰就是借这股拉力增长。有三个细节指向这一点。

• 投资者同时也是客户。“支持 Ode 的私募股权公司会把自己的投资组合公司作为潜在客户输送给这家合资企业”（TechCrunch，T3）。ERP Today 把 DeployCo 的支持者描述为“一个由私募股权和机构投资者组成的财团”。一条自带的客户管道降低了获客成本。它也意味着需求有一部分是安排出来的，而不完全是挣来的。
• 雄心的尺度是按服务市场来量的。Ode 的首席执行官对 TechCrunch 说：“如果我们执行得好，不难想象它有朝一日会成为一家万亿美元的公司。”他自己担心的是：“怎样度过那个超高速增长的阶段，又不失去对质量的重视？”（T3）。这正是每一家咨询公司在扩张时都要面对的问题。
• 竞争对手是咨询公司。TechCrunch 点名的 Ode 竞争对手是“德勤和埃森哲这样的咨询巨头，它们已经组建了自己的 FDE 团队”。当大型 IT 服务公司也用上你的头衔，这个头衔就再也无法向任何人说明你不是它们中的一员。

留意三件事。一线工作是流回实验室的产品和模型，还是留在每个客户那里？部署公司报告的是结果，还是只有人数和融资？它们的工程师做的是本书描述的工作，即从需求挖掘到交接都对结果负责，还是换了个新名字的人员外包？截至 2026 年 10 月，没有任何公开证据能回答这三个问题中的任何一个。两家公司都才成立几个月，而在 7 月那篇报道发表时，DeployCo 还在挑选它的第一批客户。

认真对待怀疑者

关于这个角色的文字，大多出自招聘这个岗位的雇主和卖课的人。怀疑的观点理应得到同样的倾听。它有三种形式。

“这就是咨询。”这是针对 Palantir 的标准指控，用 Qureshi 自己转述的话说：“一家伪装成软件公司的咨询公司”（T4）。Palantir 后来的利润率回答了针对 Palantir 的指控，但对任何别的公司都什么也没回答。每个雇主都得拿出自己反哺产品的那个闭环，而 S-1 那张表说明，即便在成功了的那家公司，这也花了多长时间：在尚未自给自足的客户身上亏损多年。

“工程师不想要这份工作，或者做了就后悔。”“FDE 是什么，不是什么”列出了这方面的证据，一位招聘者的猜测和两位失望的入职者，都不是测量结果。这一章补充的是经济学的解读：当一个雇主出售 FDE 的时间、却没有留下任何学到的东西时，这份工作就会变成这样，而工程师会比财务报表更早察觉到。

“这些数字比看上去要弱。”这一条是本书自己提出的，而且适用于本章。支持前线部署的最有力的经济证据，是一家公司关于自己的申报文件，而它的标志性数字，是按利润率挑出来的前四分之一。没有人公布过有多少获客阶段的客户进入了规模化阶段。没有哪个实验室公布过其 FDE 团队的单位经济效益、有多少次交付进入了生产环境，或者复用率最终是多少。部署公司宣布的是融资和人数，不是结果。这种模式说得通，Palantir 的历史也表明它行得通。但它对正在招聘你的那家公司是否行得通，是关于那家公司的问题，公开记录回答不了。“FDE 是什么，不是什么”处理的是怀疑者论证中关于定义的那一半，即许多被称为 FDE 的工作其实是别的东西。

中国：职位族告诉你谁在买单

在中国，这笔经济账出现在一个不寻常的地方：雇主把这个角色归入哪个职位族。这决定了由哪块预算出钱，由哪位管理者来评判它。“FDE 是什么，不是什么”引用了爱范儿一篇经 36氪转载的文章中的归类：腾讯的前线部署工程师岗位归在产品类，字节跳动的归在研发类，而字节跳动的 FDE 实习岗位则归在“销售-销售支持”下（爱范儿，经 36氪转载，2026 年 8 月；T3）。同一家公司，两种归类。同一个头衔，可以是一项产品投资，也可以是一项销售成本，取决于那份招聘需求。

同一篇文章直接点出了其中的经济矛盾：“软件公司追求一次开发、重复销售，FDE 却把昂贵的工程师重新放进每一个客户项目。”在总结腾讯的职位描述时，它列出了常见的门槛：三年或以上的工程经验，或“toB 交付”经验，所以企业交付背景也算是进入这个角色的一条路。中新经纬采访过一位从业者，他做过实施工程师、售前、产品经理和项目经理，他这样形容这个新角色：“这个岗位刚好整合了售前、产品、项目三个环节”（中新经纬，经 36氪转载，2026 年 6 月；T3，一位化名受访者）。这是对这份工作的公允描述。它也揭示了风险：一个融合了售前、产品和项目的角色，可能滑回三者中的任何一个。

关于市场的形态，证据是一项预测，不是一个测量结果。智库霞光智库的一份 FDE 行业报告，经川观新闻总结，称中国市场目前主要由字节跳动、阿里巴巴和腾讯的内部团队驱动，对外的专业服务仍处于早期，并预计 2027 年之后，随着大厂把能力产品化，对外交付会加速（川观新闻，2026 年 9 月；T3，转述一份未说明方法的报告）。同一份总结还重复了 Palantir 80% 的利润率，以及美国职位数从 643 增至 5,330 的数字，两者都是回声数字。如果这项预测成立，中国碰到部署公司这个问题会比美国晚，而且是从相反的方向：平台先产品化，服务后拆分出来。中国的职位名称和薪资，与其余职业方面的证据一起，放在第 IV 部分的“FDE 在哪里工作”一章中。

在雇主的模式看穿你之前，先看穿它

你改变不了雇主的经济账，但可以在它让你措手不及之前弄清它是什么。五个问题就够了，答案通常在终面或入职第一个月就能拿到。就用这些话来问。招聘经理怎么回答，本身就是证据。

决策规则：如果有三个或以上的回答落在右边一栏，你拿到的就是一份服务工作。按服务的标准来评判它（薪酬、利用率指标、差旅和退出路径），而不是按它给不了你的产品影响力。这些回答还能把你的雇主归入三种经济模式之一。真实的公司会混合使用，但每一家都会偏向其中一种，而这种偏向会告诉你，你的工作为了什么，以及该提防哪个陷阱。

三者都不是错误的工作地点。它们是同一个头衔下的不同工作，而下一章的技能地图，会因你身处哪一种而看起来不同。错误在于，在一种模式里接下一份工作，却期待另一种模式的职业路径。