即刻App年轻人的同好社区
下载
App内打开
亚瑟肖
579关注994被关注0夸夸
前金融科技大厂 | 创业 | 企业AI服务
公众号《用 AI 解决个小问题》
wx:arthur952666
亚瑟肖
4天前
AI把创业公司的平均年龄拉到了51。

Jeff Dean:1968年7月23日出生 58岁。(前 Google DeepMind 首席科学家,Google 元老,MapReduce、Bigtable、TensorFlow 等核心贡献者)

Sanjay Ghemawat:1966年出生 约59–60岁(Dean 的长期搭档,分布式系统大神)

Oriol Vinyals:1983年出生 约42–43岁(DeepMind 研究副总裁,Gemini 技术负责人之一)

Quoc V. Le(黎曰国):1982年出生 约43–44岁(Google Brain 联合创始人,AutoML 等重要工作贡献者)

四人合计年龄约 203–205 岁,平均下来正好在 51岁 上下。

在谷歌多年后,现在一起独立去做用 AI 自动化科学发现与工程实验的事情(他们创立的公司Discovery Loop 的核心目标)。
01
亚瑟肖
5天前
只有Palantir有FDE,其他公司只有优秀的销售工程师。

- Shark Ninja, Palantir CTO
00
亚瑟肖
5天前
local.ai 是一个专注于研究如何在本地运行大模型的网站。

如果你对如何本地运行大模型有兴趣,现在注册可以提前锁定自己的ID。

如果需要推荐码,可以用这儿:QYEFBBWMX2

P.s 记得带上Hugging Face账号。

I just claimed local.ai/arthurxiao. Claim your name.

00
亚瑟肖
5天前
人、工具和客户,三者缺一不可,才能匹配到 fde 的舒适点。

小盖fun: 程序员想转AI的话,可以看下 FDE 这个新岗位。 硅谷不少公司都在高薪招聘 FDE,比如 OpenAI、Anthropic、Scale AI,感觉这是程序员的一条新出路。有人可能觉得,FDE 就是换汤不换药,和之前的售前工程师、解决方案架构师或者技术支持没什么区别。 其实不是。今天我想写一篇文章,彻底解释一下 FDE 到底是什么。 恰好,今天看了一期关于 FDE 的分享,主讲人是 Anthropic 的 FDE Kevin Bai。之前这哥们是 Palantir FDE 团队的创始成员之一。 Palantir 正是最早把 FDE 这套模式系统化的公司之一,所以这期内容还是非常精彩。 其实,FDE 这套模式已经存在二十年左右了,只是最近因为 AI Agent 的兴起,又被重新拿出来讨论。 原因也很简单。越来越多的软件开始变得高度可定制、高度复杂,产品能力越来越强,客户自己搞不定的概率也在同步上升。这个时候,FDE 的价值就凸显出来了。 或者这么讲,FDE 不只是一个岗位名称,它更是一种产品进入市场的方式。 公司不再只是把软件卖给客户,然后等待客户自己研究怎么使用。 它会把真正的软件工程师派到客户一线,理解客户的业务,再基于公司的平台搭建解决方案,最后对业务结果负责。 FDE 到底在做什么? 想理解 FDE 这个岗位,我们还是先从把它发扬光大的 Palantir 说起。 曾经,Palantir 做了一个叫 Foundry 的平台,干的事情是帮企业把散落各处的数据归拢到一起,重新整理,再基于这些数据搭建各种应用。 听起来很厉害,对吧? 问题是,Palantir 的客户里有大量传统行业公司,比如石油、快消、制造业。 这些公司手里有海量的数据,也有巨大的业务需求,但内部未必拥有足够强的软件工程团队。 这就尴尬了。Palantir 做了一个应用开发平台,但买这个平台的人可能根本不会开发。 举个例子,他们跟一家石油公司的高管讲,我们的平台可以帮贵公司搭建数据本体、统一数据模型、整合供应链系统,对方的第一反应大概是,能不能说得简单点,这些东西到底能帮我解决什么问题? 你想想,石油公司高管真正关心的可能是,设备停机时间能不能缩短,或者销售和库存预测能不能更准确。 至于底层的数据表怎么处理,这些都属于实施细节。 指望石油公司买下 Foundry 之后,再自己培养一支工程团队把平台用起来,整个过程可能非常漫长。 同时期,传统 SaaS 的常见做法,是把标准化软件交付给客户,再提供培训、实施和技术支持。 最后能不能把产品真正用好,依然很大程度取决于客户自己的能力。 但 Foundry 这种高度复杂、可以继续开发的平台,单靠说明书、培训课和几个实施顾问,很难产生价值。 所以 Palantir 想出来的办法是,直接派工程师过去。 注意,派过去的不是普通销售,也不是只负责排查故障的售后客服,是真正能写代码、能搭建复杂系统的软件工程师。 这些工程师到了客户公司之后,第一件事是先搞明白客户的业务到底怎么运转。 比如石油公司的供应链到底卡在哪里,现在的流程有没有什么优化的可能,以及管理层真正想改善的指标是什么。 业务吃透之后,他们再在 Foundry 上搭出一套能直接使用的方案。 客户只需要参与业务判断,提供真实场景,并检验最后的结果。 比如供应链周转效率提升了多少,某个原本需要几周完成的流程,现在缩短到了几天。 所以,FDE 这套模式的核心可以用一句话概括:客户付的钱,对应的是一个可以被验证的业务结果。 如果觉得这个概念还是有点抽象,可以换一个角度来理解。 做过 B2B 创业的人应该都有体感。公司最早期的那几个客户,基本上都会和团队一起共建产品。 产品最终长什么样还没有定论,客户到底需要什么也不完全清楚。 双方坐在一起反复沟通,团队一边写代码,一边理解客户,一边修改产品。这种模式在硅谷叫 Design Partnership。 几乎所有 B2B 公司寻找 PMF 的过程,都经历过类似的阶段。 Palantir 的核心主张很简单,谁规定这种深度共建只能发生在创业早期? 公司做大以后,为什么一定要退回到签合同、交软件、让客户自己研究的模式?能不能一直保持这种贴身合作,把它做到企业级,甚至做到全球 500 强?FDE 就是这个思路的落地方式。 FDE 和售前工程师有什么区别? 看到这里,很多人可能还是会觉得,这不就是售前工程师加技术支持吗?表面看,几种岗位确实有很多重叠。 我还是根据自己的理解挨个解释下。售前工程师主要发生在签合同之前。 他需要证明产品能不能满足客户需求,所以需要和销售一起做技术交流、回答安全和架构问题。 技术支持通常发生在产品交付之后,主要解决客户使用过程中遇到的故障、配置、权限和性能问题。 而 FDE 面对的往往是一个还没有标准答案的业务问题。 客户可能只知道自己供应链效率太低,却不知道应该做成什么软件。 FDE 需要进入客户现场,理解业务,设计方案,写代码,把平台能力组合起来,再把整个系统真正跑通。 所以,FDE 的工作并不会随着合同签署结束。很多时候,签合同之后才是工作的开始。 它也不只是帮助客户把已有产品用好,还会在平台之上继续开发,甚至影响平台下一阶段应该增加哪些能力。 售前更关注产品能不能卖出去,技术支持更关注产品能不能正常使用,FDE 更关注产品最终有没有产生客户愿意付费的业务结果。 当然,不同公司对岗位的命名并不统一。有些公司的 Solutions Architect 也会承担类似职责,有些售前工程师也会参与深度实施。 FDE 的价值在哪? 紧接着,我们再讨论一下,这套模式到底能不能帮公司挣到钱。 Kevin 在分享中引用了一组面向财富 500 强企业的平均合同额数据。 按照他当时看到的数据,Palantir 的平均合同额大约为 400 万美元,ServiceNow 大约为 120 万美元,Workday 大约为 60 万美元。 再往后,很少有上市 SaaS 公司能超过 50 万美元。 为什么差距这么大?因为卖东西的逻辑从根上发生了变化。 传统 SaaS 卖的是软件使用权,定价通常和功能、账号数量、数据量、调用量有关。 FDE 模式卖的是业务成果,定价锚点变成了这套方案能帮客户创造多少商业价值。 当公司提供的只是一个软件工具,客户自然会拿它和其他软件比价格。 而当公司直接参与解决供应链、销售、生产和运营问题,客户衡量它的方式也会发生变化。 他们考虑的不再只是一个软件账号值多少钱,还会考虑这个方案能带来多少新增收入,节省多少成本,减少多少风险。 从卖工具到卖结果,中间的价值跃迁非常大。 但听到这里,可能有人会觉得,那我也派几个工程师去客户那里驻场,帮他们写代码不就行了? 没那么简单。 如果每个工程师面对每个客户都从零开始写代码,那跟开一家外包公司没有太大区别。 FDE 跟普通定制开发最关键的区别,在于工程师是在一套拥有共享组件的平台上搭建解决方案。 数据模型不用每次从头定义,身份、权限、存储、计算和基础设施也不用重新搭建。 大量通用能力已经沉淀成了可以重复使用的模块,FDE 要做的是根据客户场景,把这些模块重新组合,再补上必要的定制部分。 所以,FDE 能不能规模化,关键还要看公司背后有没有一套足够扎实的平台。不然就真成外包了。 并且平台也不一定要提前把所有应用做好。在需求相对统一的行业,平台可能已经完成了 60%,FDE 只需要根据客户情况修改剩下的 40%。 在差异更大的行业,平台提供的组件就需要更加细,给 FDE 留出更大的组合空间。 而且,这个过程还会自己转起来。工程师在给客户做方案时,经常会发现,某个能力最初虽然是为一家客户开发的,但其他客户也可能需要。 这时,这项能力就不应该永远留在某个客户的代码里,而应该被抽象成通用组件,沉淀回平台。 平台因此越来越丰富,下一个客户的交付也会越来越快。 FDE 绝对不是万能药 说完价值,还得泼一盆冷水。对于团队适不适合做 FDE。Kevin 给出了一个很简洁的判断框架。 画一个 2×2 的矩阵,一个轴是产品的技术复杂度,另一个轴是客户自身的技术能力。 产品很复杂,但买家本身就是技术人员,比如 GitHub 卖给程序员,Datadog 卖给软件和运维团队,这类公司通常不需要 FDE。 用户自己能够理解产品,也能够完成开发和集成。 产品没有那么复杂,买家也不是技术人员,比如 Slack、Jira 或者常见的企业 SaaS,也不一定需要 FDE。 产品做好标准化和配置能力,客户照着流程就能使用。 只有一种情况特别需要 FDE。 公司卖的是一个高度复杂、需要继续开发的技术平台,买家却缺少把平台真正用起来的工程能力。 这是矩阵里最别扭的一个象限,也是 Palantir 长期所在的位置。 所以,公司考虑要不要组建 FDE 团队之前,真正需要想清楚两件事。 第一,我的产品是不是复杂到客户自己很难完成实施? 第二,我有没有一套足够扎实的平台,让工程师可以在上面搭建,而不是每次都从零开始? 产品不够复杂,派工程师过去只是增加交付成本。 没有共享平台,FDE 团队很快就会变成定制开发团队,收入增长的同时,维护成本和技术债也会同步增长。 AI 时代,这个岗位更重要了。 说到这里,我感觉应该也能够理解为什么像 OpenAI、Anthropic 这样的公司都在疯狂招 FDE。 因为 AI,尤其是 Agent 能力的提升,正在让前面那个 2×2 矩阵发生一个微妙但重大的位移。 过去,产品极度复杂,买家又缺少技术能力,这种情况相对少见,主要集中在 Palantir 面对的大型传统企业。 但今天,越来越多的 AI 产品都开始拥有 Agent、工作流、工具调用、企业知识库、权限系统和各种定制能力。 Agent 天然意味着可定制。同一个底层模型,接入不同的数据、工具、权限和工作流,就会变成完全不同的产品。 产品能够做的事情越来越多,灵活性越来越高,但买单的人并没有同步变得更懂技术。 这意味着,以前只有 Palantir 经常面对的尴尬处境,正在变成更多 AI 公司的日常。 今天几乎所有平台都开始变得 Agentic,也就意味着几乎所有平台都开始变得高度可定制。 客户搞不清楚产品到底能做什么,也不知道怎样把它变成自己的业务结果,实施鸿沟反而被拉大了。 往深一层看,变化已经超出了某一个具体的产品品类。整个软件行业做生意的方式都在改变。 以前大部分 SaaS 产品是标准化的。软件卖出去以后,客户照着文档配置一下,就可以开始使用。 现在越来越多的平台是可配置、可编程、可以根据业务环境长出不同形态的。 这和以前卖一个固定功能的工具,是完全不同的生意。 如果把产品的成败全部交给客户自己的实施能力,在向上销售大客户、进入新行业或者扩大客户使用范围时,都会非常吃力。 所以,FDE 这个曾经很小众的岗位,在 AI 时代正在变成一种更广泛适用的能力模型。 越来越多的 AI 公司可能都会发现,自己需要一种角色,能够深入客户的具体业务场景,把平台的通用能力翻译成这个场景下可以运行的具体方案。 这个岗位最后叫不叫 FDE 并不重要。 重要的是,这种需求真实存在,而且会随着 AI 产品的复杂度继续增长。

00
亚瑟肖
5天前
大公司层面,颠覆式创新挺难。

谷歌也不例外。

反衬出字节真的厉害。

尤其是看最近飞书的 ceo 汇报路线变化,毫无感情可言。
00
亚瑟肖
7天前
光模块利空
00
亚瑟肖
7天前
Token Industrial Complex, Palantir的CEO创造了一个全新的词汇来指代目前以openai和Anthropic 为代表的商业模式。

类似的词是军工复合体。这可不是啥好词。
00
亚瑟肖
7天前
今天跟在大学做博导的同学聊了下,惊闻原来大学也有斩杀线。

果然都不容易😂。
10
亚瑟肖
9天前
前沿部署工程师的最高境界,就是软件公司创始人。
00
亚瑟肖
10天前
Situational Awareness 基金在这一轮 AI 股回调中损失惨重。

从一个 OpenAI 离职的 20 多岁年轻人,到通过融资和放杠杆一夜成为投资界新星,他的成功剧本本来可能会在本周通过迎娶 A 社的 HR 一号位达到巅峰。

结果因为仓位杠杆太大,被华尔街对冲基金集体狙击,精准砸盘,不得不以两三折把之前的上百亿 AI 仓位割肉卖给了城堡证券等量化对冲巨头。

今天硅谷著名投资人 egil 宣布主动要投资他的基金,这几乎可以看作是硅谷投资人用钱表态的时候了。

当你站在趋势的风口上,一两次的挫折并不会让你倒下,反而会让你的盟友更加团结。

相比之下,币圈就没有这样的好运了。
00