AI 公司开始往你的办公室派人，这才是真正的护城河

我平时在博客管线上跑着 Claude Code、Windsurf 这些工具，亲眼看着它们把”从想法到原型”的周期从几天压到半小时。所以读到 Caffein Chen 这篇 The Return of the Deployment Company 的时候，第一个感觉是确认。这些工具的效率提升，正在改变一件很多人还没意识到的事：AI 公司的商业模型本身。

2026 年 5 月，OpenAI、Anthropic、Google 在同一周宣布各自押注 FDE（Forward Deployed Engineer，前线部署工程师）模式。OpenAI 搞了一个 $10B 估值的 DeployCo，承诺给 PE 投资人 17.5% 的年化回报；Anthropic 拉上 Blackstone、Goldman Sachs 组了一个 $1.5B 的合资公司；Google Cloud CEO Thomas Kurian 在 LinkedIn 上宣布要招”数百名” FDE。

不是巧合。是同一套底层逻辑在三家公司的不同表达。

SaaS 那套数学在 AI 这里不成立了

过去十五年 SaaS 之所以是一门暴利生意，靠三个前提同时成立：写一次代码服务无限客户的零边际成本、产品核心逻辑几年不变带来的 R&D 摊销红利、以及用户学会界面后的高转换成本。

AI 产品把三个都拆了。

每次调用都在烧 GPU——复杂推理、长上下文、多步 agent 工作流，单次成本是传统 SaaS 查询的数百倍。AI 产品的毛利率已经掉到 50-60%，比 SaaS 的 70-80% 低了整整 20-30 个百分点。OpenAI 自己 2026 年预计亏 $14B，毛利率从 40% 跌到 33%。

工具的生命周期也在加速缩短。2024 年的主流 coding agent 是 GitHub Copilot，2025 年换成 Cursor，2026 年轮到 Claude Code 和 Windsurf。品类领导者每 12-18 个月换一轮。当产品的生命周期从五年压缩到一年，“重投研发、五年摊销”的账就算不成了。

我自己就有体会。去年用 Copilot 搭的一套代码辅助流程，今年换了 Claude Code 之后发现，新模型的基础 prompt 能力已经能覆盖掉之前大半年的定制工作。产品护城河被”能力通胀”直接冲淡了——这不是你的产品变差了，是基线变高了。

至于高转换成本，当”用户”变成一个能读文档、调 API、跨工具操作的 AI agent 的时候，基于人类 UI 习惯的锁定确实在弱化。但数据迁移的耦合、组织惯性、API 语义层的标准化缺口，这些更深层的壁垒还在。

简单画个对比：

SaaS 经济模型（2010s）
  零边际成本  +  产品寿命长  +  UI锁定
  = 高毛利    +  高留存      +  高估值

AI 经济模型（2026）
  真实推理成本 +  快速迭代   +  Agent削弱UI锁定
  = 毛利被压缩 +  R&D无法摊销 +  护城河需要重建

三家公司的三种赌法

三家都在搞 FDE，但各自押的东西不一样。

OpenAI 赌的是能力差距套利——它相信前沿模型和其他所有模型的差距会持续存在甚至拉大。把工程师派到客户办公室，让客户亲身体验这个差距，然后他们就愿意付溢价。“前沿模型租金”。DeployCo 收购 Tomoro 不是买人头，是买已经在 Virgin Atlantic、Supercell、Tesco 这些复杂生产环境里跑过的 credentialed experience。Tesco 四千多家店的实时库存系统、Virgin Atlantic 几十年历史的航班调度软件，这些不是套个 wrapper 就能搞定的。

Anthropic 赌的是行业 know-how 比模型绝对性能更重要。它选的 JV 合作伙伴很有意思——Blackstone 是全球最大 PE，手上有数百家 portfolio 公司；H&F 行业渗透很深；Goldman Sachs 懂金融、制造、零售的运营逻辑。它的赌法是”很多客户不想要最强模型，想要最懂我行业部署的人”。不正面拼前沿能力，抓中段市场。

Google 最省事——分发胜过一切。不成立独立公司，不做大 JV，直接把 FDE 塞进 Google Cloud 现有的销售体系。客户已经在用 GCP、Workspace、BigQuery，不需要”赢”新客户，只需要”加深”已有客户。

OpenAI  →  能力差距套利      →  "你用了就知道为什么值这个价"
Anthropic → 行业know-how     →  "模型够用就行，关键是懂你"
Google  → 分发渠道            →  "你本来就在我这儿"

a16z 有一篇 Trading Margin for Moat，从投资人角度说 FDE 是”用毛利换护城河”的正确策略。这话对了一半——对 AI 公司来说确实如此。但对企业买方来说，这句话翻译过来是：这家公司的商业模型就是要把你变成它护城河的一部分。

被忽略的东西：你的隐性知识正在被搬走

Caffein Chen 这篇文章点出了一件很多人没注意到的事：FDE 模式下企业买方正在失去的东西，不是数据，不是代码，是 tacit knowledge（隐性知识）。

每个公司都有一堆”不成文规定”。保险理赔怎么处理、什么样的客户可以走快速通道、哪种 dispute 需要 escalation。这些东西不在任何 SOP 里，全在老员工的脑子里。FDE 的核心工作就是把这些东西从人脑里挖出来，编码进 evaluation set。

问题来了：这个 evaluation set 归谁？

传统咨询里，顾问走的时候知识在他脑子里，带不走系统。FDE 模式里，你公司的业务逻辑坐在 AI 公司的系统里，作为 evaluation set 被系统化存储、可能复用。

前 SAP 高管 Thomas Otter 说得尖锐：“很多标为 FDE 的角色只是换了个好听名字的实施工师。“但即使他们真是工程师，问题也不在于技术水平，在于知识流向。

我想到一个类比。你请装修队来家里做定制柜——他们走的时候留下的是柜子，不是你家户型的详细图纸。但如果这个装修队同时也在给你的邻居、你隔壁小区的其他业主做柜子，而你家的户型细节、收纳偏好、生活习惯全被他们记下来了，用来优化给别人的方案——那”定制”的受益者到底是谁？

更实际的：合同终止后 evaluation set 怎么办？默认答案是 AI 公司留着。你拿不走——它不在你的系统里，你甚至不确定它长什么样。

被锁定的 18 个月

FDE 锁定不是一天发生的。它是一个温水煮青蛙的过程：

Month 1:  "还行，但离我们要的有距离"
Month 3:  "开始像我们了，边缘 case 还差点"
Month 6:  "有点东西了，开始依赖它"
Month 12: "这是我们的基础设施了"
Month 18: 竞品降价 30% 想进来——
          重建 evaluation set 要几个月
          工作流要重新对齐
          员工要重新培训
          过渡期服务质量可能下滑
          → 结论：除非降幅够大，否则不换

这就是”通过隐性知识的 vendor lock-in”——比 SaaS 时代的锁定更隐性、更深、更难解绑。SaaS 锁定靠的是”你学了三个月的界面不想重新学”，FDE 锁定靠的是”你整个业务流程的运行逻辑已经被这个系统重塑了”。

而且很多企业在依赖加深之后会发现，供应商开始调合同价格了。议价能力从你手里溜走，不是因为合同条款改了，是因为你实际上走不了了。

中小企业在哪里？

聊了这么多大公司的棋局，回到我自己更关心的视角：中小企业怎么办？

原文花了不少篇幅讲 on-premise 部署在 2026 年已经成熟了——开源模型（Llama 4、Qwen 3、DeepSeek V3.2、Mistral Large 3）在多数企业任务上已经够用；HPE、Dell、Lenovo 的交钥匙方案 4-8 周能上线；vLLM、Ollama、LoRA 这些工具让一个普通 IT 团队就能搞定。

但这话对中小企业来说有点奢侈。on-premise 要雇 AI 运维架构师，2026 年的人才市场里这种岗位”供给有限、薪资很高”。第一年 ROI 也不好看——Y1 打基础、Y2 验价值、Y3+ 才开始加速。不是每个公司都有三年耐心。

我自己的判断是：中小企业的护城河不在硬件，在速度。

AI coding tools 已经让一个工程师的效率翻了数倍。用 Claude Code 这种工具，一个人可以同时在多个项目上快速出原型、快速验证、快速迭代。这本身就是一种”微型 FDE”——你不需要派人到客户办公室待三个月，你可以今天拿到需求，明天拿出 v1，后天跟客户一起迭代。

中小企业不应该去跟 DeployCo 拼部署深度，也不应该去搞自己负担不起的 on-premise 基础设施。有几件事值得做：

把自己的 AI 工具链练到极致。coding agent、RAG 框架、evaluation set 的构建能力，这些是”微型 FDE”的基本功。

保持模型无关性。今天用 Claude，明天可以用 Qwen，后天可以用 Llama。evaluation set 握在自己手里，随时可以迁移。

用了 FDE 服务的话，合同里写清楚 evaluation set 的所有权和交接条款。这是你在牌桌上唯一的筹码。

不是反 AI，是别闭着眼睛跳

这篇文章不是在说 FDE 是邪恶的。对一些企业、在一些场景下，接受 FDE 是合理选择。

我想说的是：如果你只看到 FDE 的上手快、定制深、部署快，没看到权力结构在合同签下的那一刻就开始转移，那你签完字种下的是三到五年的长期风险。

AI 公司的商业逻辑和我们的商业逻辑不同。它们押注 FDE 是因为利润率被推理成本压得喘不过气，需要找一条咨询利润率的出路。正常的商业选择。但作为企业买方，你需要搞清楚：这笔交易到底在交换什么。

Caffein Chen 的原文给企业买方列了五个问题。我把它们翻译成更直接的版本：

你的不成文规定，你打算交给谁保管？

当 FDE 走的时候，你能带走什么？

你能接受你的业务逻辑变成别人优化给竞争对手的”最佳实践”吗？

这三个问题没有标准答案。但你至少应该知道自己不知道什么。

你公司里有哪些”只有老员工知道”的隐性知识？如果有一家 AI 公司说帮你自动化这些流程，你愿意交出去到什么程度？

原文参考

Caffein Chen (陳穎漢). “The Return of the Deployment Company.” Medium, 2026-05-19. https://medium.com/@caffein.chen/the-return-of-the-deployment-company-b1e41c615ed1