国庆假期前，入行不久的 FDE 世龙，向咨询公司提了离职。
这个念头，在他入职第一周就冒出来了。煎熬了许久，他最终迈出了这一步。
虽然差点被这波洪流掀翻在地，但他并没有打算离开 FDE 这一行，还是想紧紧拽住其中的机遇。很快，他入职了第二家公司。
在 AI 落地的风口下，旺盛的市场需求让 FDE 成了炙手可热的行当。
但真到了落地环节，又是另一种现实：没有人说得清，AI 落地到底值多少钱。有人拿下了千万级大单，有人却只拿到够买 WorkBuddy 账号、做数据接口改造的钱，FDE 交付本身没卖上价。
" 需求真实存在，白嫖也真实存在。"两个月前，高峰开始创业做 FDE。两个月折腾下来，最大的心得是：赚钱心累，市场一片混沌。
一边是不断涌入的 FDE，一边是还没形成标准的市场——第一批 FDE，正在混沌中艰难求生。
AI 落地的荒诞现实
市场的混沌，从报价就能看出来。
有的 FDE 今年已经拒了 4 个需求，因为每个需求只报价 3000 块，所以只能用 " 拒单 " 来保护自己。" 不是不想接，是接了连 Token 成本都覆盖不了。"
但也有人愿意啃硬骨头，" 哪怕倒贴钱都行 "。为了尽快做出拿得出手的 case，以后更好接单，他们不得不接受极不合理的预算。
百万级项目，缩水成 10 万
一线销售张阳，过去两个月谈下了一个 10 万预算的单子。
但他原本是按百万级 AI 算法项目的规模来谈的，为了拿下项目，他甚至准备找一位曾在大厂操盘过大规模算法项目的专家。
客户是一家跨境电商贸易公司，需求和痛点都很明确：补货预测，但这件事本身就有不小的难度。
补少了会断货，补多了又会增加仓储成本，而且从生产、出关、清关到本地仓上架，整个链条要经历 100 多天的海运周期。
随着沟通深入，张阳发现，这个看起来很适合用 AI 算法解决的问题，实际上还没到算法能发挥作用的阶段。他原本眼中的百万大单，根本落不了地。
首先是客户认知上的偏差。对方最初的想法很简单：" 把数据直接丢给 AI，AI 就可以全搞定了。"
更麻烦的是，客户连发货数据都没理清。几十个 SKU（库存量单位，如不同型号、规格的产品）混装发货，运营人员只能人工拆解、匹配，逐一确认各个 SKU 发了多少、有没有发全。
张阳这才意识到，当务之急是回到最基础的数据治理上，解决数据匹配和统计问题。
谈了四五轮后，这个原本预计达到百万级别的 AI 预测项目，最终只能降级。客户敲定的单子是 10 万元，而这笔预算，缩水到只够买 10 个 WorkBuddy 账号，再加上数据接口改造。
800 万报价，溢价十几倍
" 老外的钱也挺好赚的。" 某厂商负责 AI 产品商业化的刘强，看到的却是另一面。
他曾听闻，国内一家友商接下了某跨国科技巨头的供应链 FDE 项目，报价 800 万元。了解情况后，他更觉得 " 离谱 "：项目主要就是做数据加工，再 " 问几个数 "，方便员工直接查询销量、库存等数据。
按照刘强自己的项目经验，这类工作通常两个月左右就能完成，项目金额一般在 40 万至 60 万元。
800 万元的报价，比他了解的项目价格高出十几倍。
但他也能理解，服务商可能要从零建能力，也可能客户数据底子太差、得做大量脏活累活。不过关键还是因为 " 他们老板关系不错，所以才能卖进去 "。
在 AI 落地市场，FDE 项目的报价就像薛定谔的盒子：打开之前，很难判断它究竟值多少钱。
跟客户周旋久了，做 FDE 交付的郑涛发现，FDE 项目跟以前做 SaaS 有很大不同。SaaS 是标准化产品，收费方式相对明确，但 FDE 交付的往往是一套需要根据客户情况不断调整的解决方案。
" 这里面有很多主观判断，有时候说不清 80% 和 90% 的差别在哪里。"
经历了 " 百万级项目大缩水 " 的荒诞现实后，张阳立了两条 " 规矩 "：非熟客的项目不做，非 " 一把手 " 要的项目不接。
原因很简单，" 不好定义交付规则，最终就不好验收 "。
一线 FDE 的角色错位
对刚入行的 FDE 来说，难关不只在客户现场，也在公司内部。
" 大家都在摸着石头过河。"抱着憧憬入行的世龙，成为 FDE 后才发现，新行当里没有现成的路，领导、前辈也没有成熟的经验可以传授。
职业价值感被一点点消磨，他陷入了自我怀疑：我到底算不算 FDE？怎样才算 FDE？
被边缘化，沦为 " 赠品 "
入行前，世龙曾扎进一家服装工厂的车间一线，用 AI 帮厂里做 ERP 系统。那段经历让他确信，AI 能够帮助传统制造业转型。
也正因如此，他一直觉得，FDE 至少得先到客户业务一线去——这个角色离 AI 落地最近，价值就在于省掉层层转述的翻译成本。
但在这家咨询公司做 FDE，他 " 还不够格直接接触客户，只能跟着领导做 "，连客户现场都没去过，简直活成了外包。客户的意思要经过咨询顾问、领导层层转述，信息不断损耗。" 有时候，连领导自己也未必清楚客户到底想要什么。"
组织内部也没形成成熟的 FDE 工作方法，分工更像传统软件团队：一个人梳理业务规则，另一个人搭系统，再靠开会和代码合并拼起来，沟通成本极高。
入职未满一个月，世龙就开始考虑去留。他始终找不到自己在组织里的位置：既不在客户现场，也无法参与公司的核心业务。
他所在的公司主要卖华为方法论，先出方案，客户点头了才签单进场。业务的基本盘是咨询顾问和客户之间的信任。" 他们靠这个赚钱，而不是靠 FDE 对业务的理解，然后把 Coding 做出来。"
他做的 Demo，不过是丢给客户白嫖，用来证明 " 我们有 AI 落地能力 "。他常自嘲为 " 赠品 "，甚至是 " 没人要的赠品 "。
下定决心离开后，世龙很快就收到了飞书代理商递来的 FDE offer，但他没多犹豫就拒了。在他看来，这个岗位本质上还是在卖工具，跟他做 FDE 的出发点不一样。（AI 办公厂商的 FDE，是在卖工具还是做落地？欢迎添加作者微信skylar_12_14，交流一线见闻）
最后，他选择去一家专门做 FDE 的初创公司。
入行难，" 老带新 " 也难
但 AI 在企业落地，比想象中复杂得多。
张阳在 To B 行业摸爬滚打多年，发现 To B 经验不多的新人，时常低估 AI 落地的难度。
之前有个客户想做市场动态分析的 Agent，一位刚入行的年轻人顺口就说 " 这个很简单，我们之前也搞了一个 "。张阳提醒他，别把自己能做的 Demo，当成能企业落地的 AI 系统。
" 这中间的鸿沟非常大。"
根据他的经验，个人做的 Demo 和企业级系统，功能看着差不多，工作量和复杂度完全不在一个量级。他曾用 2 万多行代码搭建过一个知识库，但要做成企业级知识库，可能得写到 25 万行。
不过，这类年轻人懂 AI 技术，有想法，也带着一股热情，团队一般也愿意用 " 老带新 " 的模式帮他们入行。
这种 " 老带新 " 的配置，在 FDE 团队里并不少见。
智构新擎 CEO 崔晋瑜正在组建 AI Native 的 FDE 团队：一个 FDE 项目通常配两三个人，由一位对 AI 理解更深的资深业务专家担任 pod leader（项目小组负责人），带一两个 junior（经验较浅）负责落地执行。
但这种模式很考验组织的工作方式。在传统分工体系下，FDE 新人很难有足够的施展空间。
咨询公司如此，软件公司也不例外。有业内人告诉雷峰网，大部分号称做 FDE 的软件公司，往往还是先搭一个超复杂的 SaaS 中台，功能堆了一大堆，用户点进去却发现还是老一套。
" 他们的人员（FDE）也是这么训练出来的。" 在历史包袱和做事惯性下，FDE 很容易沦为驻场外包，被放到边缘位置。
创业者的生存博弈
不愿被旧体系束缚，有人选择出来单干。FDE 创业，最要紧的是 " 先让公司活下来 "。
创业者们总有操不完的心：一开始盯着获客拿单，拿到单子后要解决转化，转化跑通了就沉淀方法论，单子多起来又要忙着招人、扩团队，后来发现 B2B 还是得做渠道、做生态。
但要活下来，还有一件更长远的事：怎么在一个被外界质疑的行当里，证明自己站得住脚。想要立足，就免不了博弈、妥协，也免不了借力。
白嫖，防不胜防
高峰每次见客户，几乎都要斗智斗勇：对方一上来，可能既要方案，又要培训。
让企业掏钱并不容易。FDE 创业的第一课，就是直面被白嫖的现实：花一小时聊完，最后只落一句客套。过去两个月，高峰被白嫖的次数，少说也有十几次。
一开始，他也不知道该怎么防御。这需要划定一个适当的边界，怎样算商务投入，怎样算被白嫖，但这很难界定。
有些需求，在客户看来不过是顺手的事。可他们的问题就像机关枪一样扫过来，等他全部答完，对方只留下一句：" 很专业，谢谢你，下次一起吃饭。"
高峰常常要花半天甚至一天去应付这些 " 顺手 " 的请求。这样的时间成本，对创业者来说相当奢侈——忙起来，他一天要轮番见客户、应聘者、合作伙伴，最忙时至少要见六拨人。
后来他摸索出一些经验，先用二十分钟快速聊完业务需求。要是对方有意向，就让商务经理先介入进来，" 让他在前面帮我挡一道 "。
这也是不少 FDE 吃了亏之后悟出的生意经：" 让纯搞技术的人直接去搞客户，迟早被白嫖到死。"但拒绝客户的事，又不能交给技术人员来做。技术人员一旦拒绝，关系可能就难以修复；换成销售出面拒绝，即便客户生气了，技术人员还有机会挽回。
但高峰把被白嫖当成摸清这门生意要交的学费。
" 怕的是将来公司被大量白嫖。"在他看来，一个人被白嫖值不了多少钱，还能攒点认知和经验；可一旦公司规模做大、大家都被白嫖，情况就不一样了。
新玩家，旧规矩
但能不能活下来，有时候不是个人或团队能决定的。
另一家 FDE 创业公司负责人赵磊则切身感受到，市场很大、需求在涨，但竞争激烈，还有相当一部分客户资源仍攥在老牌软件公司手里。
更难的是，传统厂商在 FDE 项目里仍在沿用人天计价等做法，这容易把 FDE 框在 " 高级外包 " 的定位里。一旦客户习惯了这套标准，新玩家们再想自证，就更费劲了。
FDE 创业者们逐渐意识到，行业标准不能落在别人手里，得先把话语权抢过来。
在崔晋瑜看来，FDE 不该是人力服务。" 如果最后做成一家软件公司、外包公司，活得很累、很辛苦，还不如回大厂上班。"
他设想的是一种 FDEaaS（FDE as a Software）模式：让 AI 一步步接手传统咨询和工程师的活——做方案、写代码，最后这些活完全由 Agent 接管，" 人 " 退到幕后。
这中间仍有很长的碎石路要走。现在能做的，还是先靠 " 人 " 去挖可复用的 AI 落地方法论。
也有创业者开始考虑借助渠道商的力量：先帮渠道商沉淀出自己的 FDE 团队、把交付能力补起来，再一起把客户资源打开。
代价是渠道商要分走一部分收入，而且分成不低，会侵蚀毛利。但对初创公司来说，早期只能先接受。
" 毕竟要先活下来，后面才有定价权。"（FDE 怎么跑通商业模式？有哪些成功经验或前车之鉴？欢迎添加作者微信skylar_12_14交流）
有人换道，有人硬闯
" 谁能先从混沌里开出一条路，谁就更有机会活得更久。"FDE 这个新行当，既火热又混沌。
有人选择换道，重新出发。在新公司做 FDE，世龙回到了熟悉的制造业，忙着帮工厂搭建一个高度自动化的 Agent 系统。
他日常奔波在公司和客户工厂之间，过着 "807" 的日子——上午 8 点到晚上 12 点，一周 7 天。但干的终于是自己理解的 FDE 该干的事，也找到了在团队里的位置：至少不再是边缘的 " 赠品 "。
有人坚持硬闯，不下牌桌。崔晋瑜选择先稳住。在他看来，" 虽然不能一蹴而就，但必须一开始就埋下一颗种子，等它发芽。"
但新行当里，今天都说不准明天的事。就像世龙常自我调侃的那样：" 做得好就是先驱，做不好就是先烈了。"
雷峰网原创，本文作者关注大厂 AI To B，欢迎添加作者微信skylar_12_14交流探讨。
注：文中高峰、张阳、刘强、郑涛、赵磊皆为化名。
