FDE在用发动机高效养马，而他想造一辆真正的汽车。

图由 AI 生成

文 | 崔强

采访刚开始，张帆（元理智能创始人，原智谱COO）的第一句话就让我有点意外。

“对于FDE，我是有一点反共识的，我个人不太认可这个概念。”

这是我围绕FDE采访的第12位创业者。前面11位，不管是否使用FDE这个名字，讨论的都是同一件事：怎么把懂AI的人派到客户一线。大家的分歧主要在于，FDE能不能规模化，它究竟是一个岗位还是一种能力，以及企业内部的人能不能转型成为FDE。

张帆是第一个直接质疑这条路的人。

01 FDE只是更高效地养马

张帆并不是凭空得出这个判断。

他曾在智谱负责了三年商业化。按他自己的说法：“2023年到2025年，我们基本上是在国内做项目最多的。”

那几年，他见过太多客户花几百万元做出一个Demo，上线后很快又下线。也见过不少企业花钱买“情绪价值”：老板来的时候演示一下，看起来很酷。老板走后再问“能上线吗”，得到的答案是“上不了”。

所以，张帆出来创业的第一天，就决定不碰定制项目。

“今天FDE所说的定制，跟以前企业做定制服务没有区别。还是派人进入客户的业务，先建模，再做定制开发。”

在他看来，唯一的变化是AI把定制成本降低了一个数量级，让项目的财务指标变得更好。但原来的问题一个都没有消失：项目经验难以复用，客户过段时间可能选择自己做，团队每进入一个新行业，又要从头理解客户的业务。

张帆打了一个比方：“这相当于用发动机更高效地养马，而不是造出一辆汽车。”

在他看来，FDE仍然是在用新技术提高旧模式的效率，谈不上范式变化。

那他心中的“汽车”是什么？

02 让AI在商业环境里自己进化

张帆负责智谱商业化时，发现了一个根本问题：从基础模型走向业务价值，中间的路太窄了。

一个场景要投入三四百万元，两三个高质量人才做上小半年。能承受这种成本的企业非常少。更麻烦的是，企业环境一旦变化，原来的成果可能很快失效。

“环境变了，它不变。模型一升级，Prompt有方言，框架也有方言，你可能又得一半白干了。”

2025年四五月，张帆从DeepSeek R1采用的GRPO方法里看到了另一种可能。

“它第一次让我们发现，机器在一个模糊环境里，只要能获得偏序信号，就可以持续进化。”

AlphaGo Zero用3天自我对弈，超越了人类3000万棋谱。Coding用强化学习取代了GitHub数据。商业世界能不能也这样？不为知识建模（不写棋谱），让AI在自己构建的虚拟世界里自主进化？

这就是元理智能正在做的事。

“我不想再为知识建模，也不想写棋谱了。我想做的是，能不能为商业环境构建一个AlphaGo Zero？”

03 重做商业模型，价值不止于降本

张帆举了一个正在合作的灯塔客户，美年大健康。

美年有几百家门店，这些门店构成了它的服务半径。但门店越多，管理难度越大，也可能出现规模不经济。

张帆给出的重新定义是，门店的价值不只是一种线下资产，也是企业获取行业认知的媒介。如果能把这些认知转化为AI能力，美年就可以用近乎零边际成本的方式，服务更多人，覆盖更长周期，提供更丰富的服务。

以前，美年的企业客户主要是HR。只要和HR达成合作，就能带来几百名员工体检。但体检结束以后，双方基本不会再有联系。

张帆认为，美年可以从ToB走向ToC，从每年接触用户一次变成20次，从销售一个体检产品变成提供多种健康服务。

以前为什么做不到？因为成本算不过来。

“原来一个人打一次电话，成本大约20元。现在让AI打一次电话，成本只有3毛钱。”

这已经超出了降本增效的范围。张帆说：“你是在改变整个商业模型。”

04 AI时代，连接企业的方式变了

我们聊到FDE究竟是一个岗位，还是一种能力。

张帆的答案更抽象。他认为，FDE所做的事情，本质上是把通用智能连接到垂直智能。一端是基础模型追求的全局最优解，另一端是企业需要的局部最优解，中间需要一个连接器。

问题在于，AI时代的连接方式已经发生变化。

“以前，所有东西都要非常显性地建模。AI以前的时代，是为确定性建模。AI时代，是为概率性建模。”

在确定性建模的世界里，交付之前必须先把混乱的业务归拢成一张清晰的棋盘，因此FDE非常重要。

到了概率性建模的世界，企业可以把10份文档直接交给AI，让它从混乱的信息里寻找方向，不一定要先由人画出完整的棋谱。

所以，张帆说了一句可能会让很多FDE不太舒服的话：“也许将来并不需要真正的咨询。”

他的意思是，把企业的日志、规章制度和员工访谈资料交给AI，这些内容本身就可能成为建模的基础，不必再由咨询顾问把它们整理成一张图。

我问他，元理智能准备怎么收费。

张帆把商业模式分成三个阶段。天使客户阶段，先收取人工费用，分担项目成本；Pre A阶段，做到70%由机器完成，30%依靠人工；到年底，他希望接近100%由机器完成，按照token用量收费。

“原来可能要300万元的项目，将来可能只需要20万到30万元的token费用。”

我问他，那你们不就成了token的二手贩子吗？

张帆说，逻辑不一样。基础模型像一个刚毕业的学生，智商足够高，但还不会真正工作。元理智能要做的，是把这个学生训练成专业员工，收取的是“培训费”，只是在计价时使用token。

客户直接购买智谱的token，可能是每100万token收费10元。经过元理智能的训练和优化后，价格变成15元。只要效果足够好，客户就愿意为多出来的5元付费。

“没有我，你只能做到60分。有了我，可以做到85分。我收的就是这个钱。”

我问他，出来创业一年，最大的体会是什么。

“越往后走，我越觉得这件事靠谱，也越觉得这是AI进入企业、转化为业务价值的唯一解。”

但这一年里，他也见过很多坑。最大的问题是，很多老板自己都不知道想要什么。有的是许愿式使用AI，花100万元，却希望赚回10亿元；有的是踩坑式使用AI，看到几个案例就开始模仿，把员工的经验蒸馏出来以后直接裁人，第二天发现业务干不下去，又把人请回来。

张帆自己踩过最大的坑，发生在他担任CTO的时候。有人告诉他，某个数据分析平台两周就能开发出来，没必要购买，自己写一个就行。

“这是因为你不懂。你把一个Demo做出来，和真正做通一条业务链路，难度完全不一样。”

因此，他现在判断一家企业能不能做好AI，首先看一个问题：“大家到底把AI当成业务问题，还是技术问题？业务问题的逻辑是算账。技术问题考虑的往往不是账，而是尊严。”

05 一号位决定天花板，名字没那么重要

采访快结束时，我问张帆，对那些想转型AI的组织有什么建议。

他说了两条。

第一，一号位的认知决定了企业AI转型的天花板。

“这件事委托不出去。如果一号位不愿意花时间，就没有人能把它做好。”

企业原有的组织体系，都是按照旧目标建立起来的。面对一个新事物，大家会先判断它是否确定、有没有风险、会不会出现幻觉。按照这套验证方式，很多新东西刚出现就会被打压掉。

第二，不要过度纠结名字。

“每个时代都会出现一堆新概念。以前也有人讲移动原生，但今天还有哪家公司会强调这个？并不影响。大家要剥离这些概念，看它的本质。”

他接着说，使用的token多，不代表一家企业就是AI原生；把团队改名为FDE，也不能证明它已经完成转型。真正要看的，仍然是这家公司有没有回到问题的本质。

“这件事总比模仿难。所以很多人更愿意选择容易的事，给自己一些看起来好像成功的状态，满足自己的情绪价值。”

我问他，你觉得自己在造什么？

他说：“我今天是一所大学。”

12位创始人，11位在讲怎么到前线打仗。张帆在讲，也许这场仗从一开始，就不该这么打。

 栏目介绍 

本文是「FDE在中国」系列访谈的文章之一。我们正在系统研究FDE（前沿部署工程师）在中国的落地实践，欢迎相关从业者交流。相关白皮书《FDE落地在中国 2026》已发布，感兴趣的朋友可下滑点击阅读原文获取。

9月16-17日，中国FDE大会，上海见！

点击头像私信即刻报名

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/