從Palantir到FDE熱潮，AI如何真正進入企業組織 | 筆記

最近美國AI御三家，Anthropic、OpenAI和谷歌云，都成立了一個專門向企業部署AI智能體的公司和團隊，這些前置部署工程師（forward deployed engineers），是派駐到客戶內部的軟件施工隊，挖掘組織內部知識，再用AI智能體構建出組織的操作系統。

這一套做法，來自Palantir，從美國的軍方和情報部門的大數據分析起家，形成了一套嵌入政府部門的獨有的方法，在復雜的運營環境中幫助建立決策系統，并用AI進一步構建出“組織孿生”。

Palantir 的工作方法， 核心不是單純的數據集成，也不是傳統咨詢，而是幾樣能力的組合。

第一，從具體決策出發，而不是從數據表出發。Palantir方法的基石，是本體（Ontology） 這一概念：它不是簡單代表企業數據，而是代表企業中的決策。也就是說，它要回答的不是有哪些數據，而是這個組織如何做決定，決定依賴哪些事實、規則和動作。Palantir 把每個決策拆成三部分：數據，邏輯，執行，也就是相關事實、組織規則和最終行動。

第二，用Ontology把組織建模為對象、關系和動作。Ontology 把數據整合成對象和連接，使現實運營復雜性能夠被人和 AI 理解；它還定義組織真正能做的動作，例如批準、派單、調度、寫回外部系統、觸發流程。

第三，把AI接入業務閉環。Palantir的AI平臺（AIP）將生成式 AI 與運營連接起來，并把模型、業務規則、權限、應用開發和安全治理放在同一平臺中。

第四，用現場部署軟件工程師入駐客戶現場。Palantir 的 FDE 不是普通實施人員，而是直接嵌入客戶環境，配置 Palantir 現有平臺來解決客戶最難的問題；傳統軟件工程師往往為許多客戶開發一個能力，而 FDE 是為一個客戶啟用許多能力。

所以，Palantir 的實質不是數據平臺公司，也不只是AI 公司。它更像是AI 時代的組織工程公司，用軟件和工程方法，把客戶組織的決策系統重新建模、重新連接、重新部署。

它之所以有效，是因為企業 AI 的最大瓶頸往往不在模型，而在最后一公里：數據不通、語義不統一、流程不能閉環、權限復雜、責任不清、AI 輸出無法寫回系統。Palantir 的辦法正是把這些問題整體解決。

（Palantir的Ontology。來源：官方網站）

AI 落地進入了一個新階段，要讓智能體在企業中真的干活，AI需要掌握企業內部的“深度知識”：

• 客戶數據系統；

• 權限系統；

• ERP、CRM、MES、交易、風控、工單系統；

• 審批流程；

• 業務規則；

• 審計與合規體系；

• 一線員工的日常工作流。

這就產生了 FDE 的必要性。OpenAI最近成立 OpenAI Deployment Company，要把FDE嵌入組織，幫助企業識別高價值 AI 場景，重構關鍵工作流。OpenAI 將收購 Tomoro，馬上帶來約 150 名 FDE 和部署專家。

Anthropic 在招聘FDE、應用AI崗位，在客戶系統中構建 Claude 的生產應用，交付 MCP 服務器、子智能體、智能體技能，并把可重復部署模式反饋給產品和工程團隊。

谷歌云的 GenAI FDE 職位更直白：把 FDE 稱為嵌入構建者（embedded builder），負責彌合前沿 AI 產品與客戶生產現實之間的差距，并解決集成復雜性、數據就緒、狀態管理等問題，幫助AI達到企業級成熟度。

FDE成為硅谷最熾手可熱、爆發增長的職位， 因為AI 公司已經意識到，模型能力不會自動轉化為企業生產力。必須有人把模型部署到組織深處。而Palantir的經驗此時就派上了用場：

首先，它證明了 現場工程可以成為企業AI的核心商業模式。過去企業軟件更強調標準化產品和遠程銷售，而 Palantir 證明，在復雜組織中，客戶現場的工程化交付本身就是壁壘。AI 公司現在也發現，企業客戶不是買一個模型就能完成轉型，必須有一支能理解客戶流程、數據、權限和組織的工程隊伍。

其次，它證明了客戶現場可以反哺產品研發。Palantir 的 FDE 不只是交付項目，還會把現場形成的解決方案沉淀回平臺。FDE 有責任把現場技術經驗反饋給業務開發和產品開發團隊，一些有價值的產品新增能力就是從現場產生的。Anthropic 的 FDE 崗位描述也幾乎復制了這一邏輯：識別并編碼可重復部署模式，把洞察反饋給產品和工程團隊。

第三，它重塑了AI公司的組織邊界。OpenAI原本更像模型和產品公司，現在建立了一個部署公司；Anthropic 從模型提供方變成要交付 MCP、子智能體、技能的生產應用伙伴；谷歌云則把 Gemini、Vertex AI、ADK 等產品通過FDE 直接推進客戶現場。

AI 公司的商業化組織正引入Palantir 的元素：研究團隊負責產生能力，產品團隊負責封裝能力，FDE 負責把能力部署成客戶組織里的真實生產力。

那么，要向一家AI原生組織轉型，這場“革命”究竟需要在靈魂多深處發生？真正的企業 AI 不是員工使用 AI 工具，而是組織流程被 AI 重新編排，至少要嵌入五層：

• 數據層：AI 要能訪問企業內部可信數據，而不是只讀互聯網知識。

• 語義層：AI 要知道什么是訂單、客戶、設備、合同、頭寸、敞口、供應商、任務、風險。

• 流程層：AI 要知道一個任務從發起到審批、執行、復核、留痕的完整流程。

• 動作層：AI 不能只建議，還要能夠在權限允許下創建工單、修改記錄、提交申請、觸發流程。

• 治理層：AI 的每一次讀取、判斷、建議和動作都要有權限、審計、回滾、人工接管和責任邊界。

這就是為什么 Palantir 強調行動和允許（permissions）。它不是讓 AI自由行動，而是把 AI 放進一個有對象、有動作、有權限、有審計的控制平面中。Palantir 明確規定，行動的權限決定哪個用戶或智能體在什么條件下可以執行動作，從而為安全、可審計、透明的控制奠定基礎。

如果說AI+ 企業是 AI 技術供給方，+AI 企業是各行各業的采納方。FDE 熱潮會同時改變雙方。

對 AI+ 企業來說，組織會從模型中心變成模型 + 產品 + 部署 +行業的復合結構。以前模型公司最重要的是研究員、訓練工程師、推理工程師和產品經理。現在還必須有：

• FDE；

• 企業解決方案架構師；

• 行業專家；

• 安全與合規專家；

• 評測團隊；

• 智能體工作流程工程師；

• 客戶成功與變革管理團隊。

也就是說，AI+ 企業不能只會生產模型，還要會把模型變成組織能力。

對 +AI 企業來說，組織也會發生變化。傳統企業不能只把 AI 當作 IT 部門采購的工具，而要形成自己的AI 轉化能力。最理想的組織形態，是外部 FDE 幫助啟動，內部 AI 平臺團隊接管。企業內部需要出現一批類似內部 FDE的角色：既懂業務流程，又懂數據和 AI，能把模型能力持續裝進組織工作流。

未來 +AI 企業的核心競爭力之一，不是用了哪個模型，而是組織吸收 AI 的速度和深度。

譬如Anthropic ，內部正在發生這幾類組織變化。

第一，研究與產品之間的距離縮短。模型能力要快速轉化為 Claude Code、Claude for Work、Skills、MCP 這樣的產品和工具鏈。

第二，產品與客戶現場之間的距離縮短。FDE 進入客戶現場后，客戶的真實問題會反向定義產品路線。例如哪些 MCP服務器最常用，哪些子智能體最穩定，哪些技能最容易復用，哪些評測和護欄是企業必須要的。

第三，工程師的工作方式會智能體化。Anthropic 內部如果廣泛使用 Claude Code 和智能體工作流，組織會從人寫代碼轉向人設計目標、規范、評估、審查和合并結果。這會改變研發組織的分工：更多人做架構、任務拆解、評估、代碼審查、產品判斷；更少人做重復性實現。

第四，安全團隊和產品團隊會更深耦合。因為智能體一旦進入客戶生產系統，就會涉及工具調用、權限、數據訪問和動作執行。Anthropic 的優勢之一是安全敘事，但企業部署會迫使它把安全從原則變成產品機制，例如權限邊界、可解釋日志、評測、沙箱、人在環中，等等。

第五，企業銷售會從賣席位變成賣工作流轉型。這與 Palantir 十分類似：客戶買的不只是 Claude 的訪問權，而是希望 Claude 改造客服、研發、法務、金融分析、運營等流程。

大量 SaaS 和垂直軟件公司正處在AI+ 與 +AI 之間。它們既不是底層模型公司，也不是最終行業客戶，而是行業流程和軟件入口的擁有者。

智能體給它們帶來的生存威脅主要有三類。

第一，界面被AI繞過。如果用戶未來通過 ChatGPT、Claude、Gemini直接發出自然語言命令，傳統軟件的 UI 價值會下降。很多SaaS 如果只是表單、菜單和報表，可能被通用 agent 變成后臺工具。

第二，工作流被平臺吸收。OpenAI、Anthropic、Google、Microsoft 如果掌握了企業智能體入口，就可能把許多輕量 SaaS 功能變成模型或平臺的內置能力。

第三，差異化消失。如果軟件公司只是給舊產品加一個聊天框，那么很容易被更強模型、更便宜API、更深平臺集成取代。

但它們所具備的一些固有的優勢，有可能在AI時代持續下去，甚至會放大：

第一，它們掌握行業語義。金融軟件公司知道什么是交易、頭寸、保證金、敞口、異常交易、反洗錢、外規內化。醫療、制造、能源、法律軟件公司也各自掌握行業對象和流程。

第二，它們掌握客戶系統入口。很多行業軟件已經部署在客戶核心業務系統里，比通用 AI 公司更接近真實工作流。

第三，它們掌握信任和合規經驗。尤其在金融、醫療、能源、政務等行業，客戶不會輕易讓通用AI智能體直接進入核心系統。垂直軟件公司如果能把 AI 安全地嵌入已有系統，就有很強優勢。

所以它們的機會是從軟件供應商升級為行業 AI 操作系統。

軟件企業不能只做 Copilot，而要做三件事。

第一，把自身業務對象Ontology化。每家垂直軟件公司都應該把自己行業中的對象、關系、規則、動作抽象出來。例如金融軟件要把客戶、賬戶、訂單、持倉、風險敞口、合規條款、審批流程、交易動作建成 AI 可理解、可調用、可審計的對象模型。

第二，把AI嵌入工作流，而不是停留在聊天框。AI 要能觸發流程、生成報告、提交審批、引用規則、寫回系統、留下審計記錄。

第三，模型多供應商化，行業流程自己掌控。垂直軟件公司不應該把命運押在單一模型上，而應兼容閉源和開源等多種模型。它真正的護城河不是模型，而是行業數據、行業語義、流程閉環、權限和客戶關系。

成功案例中，Salesforce 是最典型的 SaaS 轉型樣本。它的 Agentforce 和 Data 360 年化收益已接近 14 億美元，同比增長 114%；Agentforce ARR 超過 5 億美元，同比增長 330%；Agentforce已有超過 9500 個付費交易。它的邏輯不是簡單加 AI，而是把 CRM、客戶數據、銷售、客服、營銷和工作流重構為“Agentic Enterprise”。

ServiceNow 也是一個典型案例。它原本就是企業工作流平臺，現在把 AI agents 嵌入 IT、HR、客服、風險、安全、財務、供應鏈等流程。ServiceNow 稱其內部 AI Agents 已帶來超過 3.25 億美元的年化價值，釋放約 300 萬小時，并覆蓋 IT 支持、客戶支持、開發者生產力、訂單管理等場景。

這兩個案例說明：成功的軟件公司不是被 AI 替代，而是把自己變成 AI智能體的運行環境。

AI 落地的真正戰場，是組織深處

[1]:https://palantir.com/docs/foundry/platform-overview/overview/ "Platform overview ? Overview ?Palantir"

[2]:https://blog.palantir.com/a-day-in-the-life-of-a-palantir-forward-deployed-software-engineer-45ef2de257b1 "A day in the life of a Palantir engineer | Palantir Blog"

[3]:https://openai.com/index/openai-launches-the-deployment-company/ "OpenAI launches the OpenAI Deployment Company to help businesses build around intelligence | OpenAI"

[4]:https://job-boards.greenhouse.io/anthropic/jobs/4985877008 "Job Application for Forward Deployed Engineer, Applied AI at Anthropic"

[5]:https://www.google.com/about/careers/applications/jobs/results/87580366008656582-forward-deployed-engineer-iii/ "Forward Deployed Engineer III, GenAI, Google Cloud — Google Careers"

[6]:https://investor.salesforce.com/news/news-details/2025/Salesforce-Delivers-Record-Third-Quarter-Fiscal-2026-Results-Driven-by-Agentforce--Data-360/default.aspx "

[7]:https://www.servicenow.com/au/standard/resource-center/infographic/info-how-ai-agents-are-driving-value-accross-sn.html "AI Agents are driving $355M+ of value across ServiceNow"