为何是 FDE，而不是外包或咨询
你的 AI 项目缺的从来不是模型——是有人对结果负责。这一页讲清楚三件事：企业 AI 为什么总是失败；FDE 和驻场外包、传统实施、咨询顾问的区别；以及我们明确不接的活。
先看一组数据：失败很少是技术问题
全球企业生成式 AI 投入中，没有产生可衡量财务回报的项目占比（MIT NANDA 实验室《The GenAI Divide》2025，访谈 52 家组织、300+ 公开项目）
杀死项目的原因：员工不愿用、质量担忧、体验差、缺高管支持、变革难——没有一条是"模型不够聪明"
同一报告中，与外部专业团队合作的成功率，约为企业内部自建的 3 倍——输不起的人，反而更认真定义问题
这份报告点名的五大路障（按出现频率排序）
- 员工不愿用新工具——而他们每天私下用 AI 用得飞起
- 对模型输出质量的担忧
- 糟糕的用户体验
- 缺乏高管支持
- 变革管理困难
口径说明：该报告将"失败"定义为六个月内无可衡量财务报表影响，方法论存在争议（观察窗口偏短、价值仅认利润/成本/收入三项）；兰德、标普全球等独立调研方向一致。此处取方向，不取精确值。
国家已经把这道题定为「必答题」
时间轴里每一条都附文件号与官方原文链接。政策说什么、以及我们对政策的判断，分开写。
- 2024·03 「人工智能+」行动首次写入《政府工作报告》
此后每年持续推进——AI 进入实体产业的顶层通道已经打通，方向不再是讨论项。
- 2025·08 国发〔2025〕11号：国务院《关于深入实施「人工智能+」行动的意见》
到 2027 年，新一代智能终端、智能体等应用普及率超 70%；并提出培育人工智能应用服务商，发展「模型即服务」「智能体即服务」。（中国政府网原文）
- 2025·12 工信部联科〔2025〕279号：八部门《「人工智能+制造」专项行动实施意见》
到 2027 年「打造一批『懂智能、熟行业』的赋能应用服务商」；第十四条明确培育优质赋能应用服务商，提供行业模型调优、数据治理、安全保障等服务。我方解读：这类服务没有一样能隔着屏幕交付——必须下场，必须懂产线。
- 2026·03 全国人大「部长通道」，工信部部长李乐成
「‘人工智能+制造’是一个必答题，不是一个选择题。」同场披露：我国规上制造业企业人工智能技术应用普及率已超 30%（截至 2025 年底）——您的同行已经过线。（工信部官网实录）
- 2026·07 工信厅联通装函〔2026〕343号：六部门 2026 年度智能工厂梯度培育行动
卓越级智能工厂「应用人工智能技术场景比例」门槛由 2025 年版的 20% 上调至 30%，领航级不低于 60%。我方解读：晚一年起步，要补的不止一年的课。
口径说明：政策条目均为原文转述并附官方链接（gov.cn / miit.gov.cn / 部长通道实录）；标「我方解读」的是蔡宇林的实践判断，不是政策原文。政策回答的是「该不该做」；能不能做成、做成什么样，只看您厂自己的实测基线。
四个方向，区别到底在哪
| FDE（前置部署工程师） | 驻场外包 | 传统实施 | 咨询顾问 | |
|---|---|---|---|---|
| 怎么收钱 | 按阶段交付、按结果验收——每个阶段结束你都可以叫停 | 按工时 / 人天结算，驻得越久收得越多 | 按项目里程碑付款，验收单签完即终点 | 按项目收费，交付物是建议和报告 |
| 带什么进场 | 带着工程底座、评估方法和交付纪律进场 | 从零现写现改，方法论取决于派来的人 | 标准产品加配置，定制另议 | 一套方案、一份 PPT |
| 做完之后 | 做完会走——能力留在系统和你的团队里 | 越驻越久，人走系统停 | 交付即离场，用不用得起来看运气 | 建议交付完毕，执行不归他管 |
| 对什么负责 | 对你的业务结果负责：系统有没有人用、生意有没有变好 | 对出勤和工时负责 | 对功能清单打勾负责 | 对报告质量负责 |
这张表的雏形，来自国内首批打出 FDE 旗号的服务商启盟科技官网的三条区隔（按阶段交付 vs 按工时；带产品底座 vs 从零现写；能力留下 vs 人走系统停），此处按本站实践改写扩写。另一种更直白的说法：售前对签单负责，实施对验收单负责，客户成功对续费负责——FDE 对"你的生意有没有真的变好"负责。
我卖的不是写代码，是拿回 AI 不知道的三样东西
行业共识正在收敛：推理能力可以交给模型，落地者的核心价值在于与您达成信任，把这三样东西从您的厂里带回来。
Objective · 目标
您为什么是现在要做这件事——和老板聊出来，变成整个系统的方向锚点。AI 不知道「为什么要做」，就不知道往哪使劲。
Context · 上下文
流程真实怎么跑、数据在哪、谁在哪个环节做判断——蹲在现场拿回来。模型没有场景知识，输出就只能看着像、用着错。
Taste · 品味
什么样的结果您才认、才肯天天用——在长期合作里观察出来。它决定交付物像「你们厂自己的东西」，还是像「外面买的演示」。
顺便回答一个常见问题：为什么我比普通工程师、外包都贵？
同一份工时里，我在同时扛三层不确定性：模型层——模型升级就可能返工的风险；客户层——需求说不清、中途换决策人的变更代价；产品层——产品、架构、研发三个角色一人扛，方案在现场长出来。您买的不是代码工时，是三层风险的合成承担者。历史镜像：2006 年企业信息化高峰期，能把 SAP 跑进中国央企业务流的顾问日费 3500 元——企业买的从来不是工时，是「把新系统真正跑进自己业务流」的那个人。
口径说明：「三样东西」框架取自明略科技 CEO 吴明辉 2026 年 6 月分析师分享的公开转述（媒体单源，此处取方法论、不引数字）；溢价解释为行业薪资分析的编译口径。具体定价数字以服务页与报价单为准。
我们怎么工作
先问对不对，再问能不能
写第一行代码之前过三关：这是不是某个具体的人的具体痛（不是"提升效率"这种方向）；这个问题每周吃掉多少人时、值多少钱；以你的数据现实，能做到几分。三关不过，直接告诉你。
影子工作法：看你员工真实的一天
不是访谈，是坐在旁边看：打开哪些系统、在哪些表格之间复制粘贴、在哪一步皱眉头、绕过了哪些"官方流程"。真正的痛点藏在变通里，不在流程文件里。
两周最小验证，真实数据、硬截止
只切一个切口（比如只做退换货这一类工单），但做到端到端；验收指标开工前写死；用你提供的真实数据，不用演示数据。达不到就体面收尾，不硬推。
评估体系先行：先定义"好"，再追求"好"
和你的业务专家一起，把"什么叫答得好"变成一套可打分的标准，上线后持续重跑。AI 出错往往不报错，只是悄悄变得不靠谱——等用户察觉，信任已经透支。
我们明确不接的活
拒绝错误的项目，本身就是对客户负责——FDE 的成本是前置的，陷进泥潭拖住的是整个交付节奏。以下四种情况，我们会直接劝退，或建议更轻的方案：
- 场景还没验证、只是想"了解 AI"的——建议先用免费工具和公开资料，不必花钱
- 数据一张表就能导出、轻量服务就够的——这种活请个兼职更划算
- 没有业务负责人署名、只靠信息化部门对接口的——没人对结果负责的项目，大概率烂尾
- 开口就要"覆盖全公司所有场景"的——通常意味着还没准备好做任何一个场景
"宁可你晚一点开始，也不希望你在错的时机开始。"——这句话出自启盟科技的劝退机制，我们照做。
信任机制：先把安全感给你
先验证，再扩大
试点不达标就不进入实施，你拿到的是结果与限制报告；诊断费用可部分抵扣后续合同。
关键动作人把关
邮件外发、报价、订单等对外动作保留人工审批；AI 先当副驾驶，再谈自动驾驶。
数据安全写进合同
敏感字段脱敏、最小权限、本地/私有部署选项，具体措施写入 SOW，先核验数据许可再动手。
参考来源：MIT NANDA 实验室《The GenAI Divide》(2025)；启盟科技官网 FDE 服务页；范冰《前线部署工程师》（fde4.ai，2026 年 8 月，开源版）。本页观点与工作方式为蔡宇林的实践表述，相关服务由广东氢弦科技有限公司提供。
合作前 3 分钟自测：您的场景适不适合上 AI
七道是非题，勾完心里就有数。答「是」越多越值得谈；「否」太多的场景，我会先劝您省下这笔钱——自测不过关的项目，我接了也是浪费您的预算。
自测判读：✅ 勾满 5 项以上——直接预约，我们把「最近一次」摆上桌谈；勾 3–4 项——值得一次免费沟通，先把没勾的题过一遍再决定；勾 2 项以下——建议先收藏本站的公开资料，等条件成熟再谈，现在花钱大概率打水漂。
口径说明：自测题改编自 FDE 行业通行的客户筛选判据与本项目「免费边界」纪律，用于管理预期，不构成正式评估结论。