过去几年，很多企业开始意识到：AI 真正困难的部分，不是模型本身，而是如何进入真实业务。

模型越来越强，Agent 越来越多，生成能力越来越便宜。但大量企业项目仍然停留在演示阶段：能聊天、能问答、能生成内容，却无法真正进入组织流程，无法稳定改变业务结果。

这也是为什么越来越多人重新关注 Palantir。

相比“AI 公司”这个标签，Palantir 更像一家长期研究“企业如何把软件变成实际行动能力”的公司。而它内部一个非常关键、但长期被外界低估的角色，就是 FDE（Forward Deployed Engineer）。

很多人把 FDE 理解成驻场工程师、实施顾问或者高级售前。但如果真正理解 Palantir，会发现它背后其实是一整套关于企业软件、组织系统和 AI 落地的哲学。

而这些理念，对于今天所有做企业 AI 的公司，都有非常强的现实意义。

---

FDE 的本质：不是交付角色，而是“现场研发”

大多数企业软件公司，会把客户现场视为交付环节。

需求已经定义好。
产品已经设计好。
研发已经完成。
现场只负责部署、培训、上线和支持。

但 Palantir 的理解完全不同。

它认为：复杂企业的软件需求，并不真正存在于 PRD、流程图或者会议纪要里。真正决定系统是否有效的，往往是那些“文档之外”的东西：

• 组织之间的协作摩擦
• 历史系统遗留
• 权限与治理约束
• 非正式沟通链路
• 一线人员的实际操作习惯
• 管理层与执行层之间的信息断层

这些内容，只有进入现场才能看到。

因此，Palantir 的 FDE 不是“帮客户安装软件”，而是进入客户真实业务环境，理解组织如何运转，再把产品能力压进业务流程。

从这个角度看，客户现场本身就是研发的一部分。

现场不是研发之后的阶段，而是研发发生的地方。

这也是为什么 Palantir 在很多公开材料里，会把 FDE 明确定义为研发体系的一部分，而不是传统意义上的实施团队。

---

真正的目标：不是上线功能，而是改变操作结果

传统企业软件容易陷入“功能交付逻辑”。

上线了多少模块。
完成了多少需求。
接入了多少模型。
生成了多少报表。

但 Palantir 更关心另一件事：

系统是否真正改变了一线行动。

这是一个非常大的差异。

在很多 AI 项目里，“生成答案”本身已经被视为成功。但在 Palantir 的语境里，一个 Dashboard、一个 Agent、甚至一个模型，都不具备天然价值。

只有当它进入真实操作循环，才有意义。

也就是说：

数据进入系统 → 系统理解业务对象 → 用户采取行动 → 行动产生结果 → 结果重新反馈系统 → 系统持续优化。

这也是 Palantir Foundry Ontology 的核心思想之一。

企业软件不应该停留在“提供信息”或“展示洞察”，而应该真正参与组织行动。

因此，FDE 的 KPI 从来不只是“做了什么功能”，而是：

• 响应是否更快
• 判断是否更准确
• 流程是否更稳定
• 风险是否更可控
• 一线任务是否真正被改善

这也是远锦长期强调的一件事：

企业 AI 的价值，不在于模型能力展示，而在于是否真正进入业务闭环。

---

FDE 为什么特殊：它站在四个边界之间

Palantir 的 FDE 很难被归类。

它既不是传统咨询顾问，也不是普通实施工程师，更不是单纯售前。

因为它同时跨越四个边界。

工程边界

FDE 必须能处理真实生产环境问题：

• 数据管道
• 系统集成
• 权限治理
• 平台配置
• 接口调用
• 生产级代码

它不是“懂业务但不懂技术”的角色，而是真正能进入复杂系统现场的工程师。

产品边界

FDE 还需要判断：

哪些需求值得产品化？
哪些只是一次性定制？
哪些能力应该沉淀为平台？
哪些问题本质上属于组织流程问题，而不是软件问题？

这决定了现场经验能否真正反哺平台能力。

业务边界

很多 AI 项目失败，并不是模型不够强，而是对业务理解过于表面。

企业真正复杂的部分，经常是：

• 审批责任
• 风险分级
• 权限结构
• 组织协同
• 历史流程惯性
• 人工兜底机制

FDE 的重要价值之一，就是把这些“隐性规则”结构化。

战略边界

Palantir 还要求 FDE 能判断：

哪些客户值得长期投入？
哪些问题具有平台扩展价值？
哪些行业经验可以复制？
哪些能力应该成为未来产品方向？

这使 FDE 更像“带着产品进入现场的工程型创业者”。

---

Palantir 真正卖的，不是工具，而是组织级操作系统

很多 SaaS 软件，本质上是工具：

CRM、工单系统、知识库、BI、自动化流程。

但 Palantir 的目标并不是提供更多工具，而是成为组织级操作系统。

这意味着，它试图统一：

• 数据
• 权限
• 业务对象
• 流程
• 模型
• 审计
• 行动
• 反馈机制

因此，FDE 的工作也不是“帮客户使用工具”。

而是：

帮助客户把组织运行方式映射进系统。

这也是今天很多企业 AI 项目最大的断层。

大量 AI 系统仍然停留在“问答层”：

能回答问题。
能生成内容。
能调用模型。

但无法真正进入企业核心流程。

因为真正复杂的问题从来不是“模型是否能生成”，而是：

• AI 能看到哪些数据？
• 能调用哪些系统？
• 权限如何控制？
• 哪些动作允许自动执行？
• 哪些必须人工确认？
• 如何保留审计记录？
• 如何评估结果？
• 如何持续优化？

这些问题，本质上都属于“企业操作系统”问题。

---

AI 时代，为什么现场能力反而更重要了

很多人以为，大模型时代会降低企业实施复杂度。

但现实恰恰相反。

模型能力越强，企业越会发现：真正困难的部分，不是生成，而是落地。

因为企业 AI 真正的瓶颈始终存在：

• 数据分散
• 系统割裂
• 权限复杂
• 流程不可见
• 责任链条模糊
• 风险难以审计
• 行动无法闭环

这也是为什么，今天越来越多企业开始重新重视“现场”。

真正有效的 AI 项目，往往不是从模型开始，而是从业务结果开始。

先进入一个真实场景。
先解决一个具体问题。
先建立可验证的价值。
再逐步扩展数据域、组织范围和流程深度。

这其实也是远锦长期坚持的工作方式。

我们不会先讨论“大模型能做什么”，而会先讨论：

• 哪个流程最耗时
• 哪个岗位重复劳动最多
• 哪些环节最依赖经验
• 哪些动作风险可控
• 哪些结果可以量化

然后围绕真实业务目标，逐步建立：

• 流程机制
• 权限控制
• 知识结构
• 系统连接
• 人工审批
• 日志审计
• 效果评估
• 持续优化

最终交付的，不是一个“机器人”，而是一套能够长期运行的业务机制。

---

对国内企业 AI 公司最大的启发

Palantir 最值得学习的，并不是“驻场工程师”这件事本身。

而是它对企业软件本质的理解。

它意识到：

企业真正的问题，不是缺少工具，而是数据、决策和行动之间长期断裂。

因此，对今天做知识库、智能客服、AI Agent、工单系统、文档系统的企业来说，更重要的可能是这几个原则：

不要只卖功能，而要对业务结果负责

企业最终买的不是模型能力，而是：

• 响应速度
• 服务质量
• 流程稳定性
• 风险可控性
• 人员效率

不要把交付和研发切开

现场问题不应该停留在项目里，而应该持续反哺产品和平台能力。

不要让 AI 停留在问答层

真正的企业 AI，必须进入：

• 业务对象
• 权限体系
• 审批流程
• 系统动作
• 结果反馈

不要一开始就追求完全标准化

很多复杂场景，必须先在真实业务里做深，才能逐步抽象出平台能力。

不要把客户当“需求来源”

而要把客户现场当成产品真正的实验室。

---

企业 AI 的竞争，最终是“进入真实业务”的竞争

今天的大模型能力正在快速趋同。

但企业 AI 的真正壁垒，越来越不只是模型，而是：

谁能真正进入复杂组织现场；
谁能理解业务如何运转；
谁能把 AI 接入真实流程；
谁能建立长期可运行的机制。

从这个角度看，Palantir FDE 的核心价值，其实可以浓缩成一句话：

优秀企业软件，不是被销售出去的，而是在真实现场与用户共同锻造出来的。

而这，也可能是未来所有企业 AI 公司都必须重新学习的能力。