KeyFrame內部研究專用

Forward Deployed Engineering 101 — Kevin Bai, Anthropic, ex Palantir & Rippling Founding FDE

AI Engineer17 min英文
觀看原始影片

三句話摘要

Forward-Deployed Engineering(FDE)的本質、應用條件與實踐框架 Forward-Deployed Engineering 是「銷售複雜技術給非技術採購者」時的必要模式,但前提是建立在共享平台原語之上;AI 時代使這種模式變得更加普遍和必要。 FDE 起源於 Palantir 的市場困境:Foundry 平台技術複雜但功能強大,卻銷售給缺乏工程團隊的財富 500 強傳統企業。與其讓客戶自行購買、培訓、實施,Palantir 改為派遣頂級工程師駐場,深入理解客戶業務後在平台上構建解決方案,客戶購買的是「能否提升銷售吞吐」而非「軟體授權」。

重點整理

  1. FDE 起源於 Palantir 的市場困境:Foundry 平台技術複雜但功能強大,卻銷售給缺乏工程團隊的財富 500 強傳統企業。與其讓客戶自行購買、培訓、實施,Palantir 改為派遣頂級工程師駐場,深入理解客戶業務後在平台上構建解決方案,客戶購買的是「能否提升銷售吞吐」而非「軟體授權」。

  2. FDE 適用矩陣由兩軸決定:產品技術複雜度 × 採購方技術程度。FDE 只在「複雜產品 + 非技術買家」象限必要,其他象限應用 DevRel 或 SalesLed 更適當,不能盲目跟風。

  3. FDE 與開發代理店的關鍵差異在於是否有平台基礎。若每個客戶都從零開發,會遭遇維護噩夢與人員流失;唯有在共享原語(如數據模型、預建組件)之上組裝解決方案,才能維持可持續的 FDE 函數。

  4. AI 時代擴展了 FDE 適用範圍:大部分平台已變成可代理化與可定制,客戶通常不知道產品能做什麼,若依賴客戶自行實施會導致銷售困難,因此幾乎每家平台公司都可能需要某種形式的 FDE。

實用技巧與重點

  • Palantir 創立於 2004-2005 年
  • Palantir Foundry 平均合約價值(ACV):400 萬美元
  • ServiceNow ACV:120 萬美元
  • Workday ACV:60 萬美元
  • 全球公開 SaaS 公司最高 ACV 未超過 50 萬美元
  • Rippling FDE 團隊規模:首人至 25 人(1 年內)
  • 典型應用分割:60% 預建 + 40% 定制
  • 共享原語範例:AWS DynamoDB、Foundry 資料模型、預建工作流
  • 理想 FDE 人選:可信任在客戶面前工作的軟體工程師

結論

Forward-Deployed Engineering 是「銷售複雜技術給非技術採購者」時的必要模式,但前提是建立在共享平台原語之上;AI 時代使這種模式變得更加普遍和必要。

完整解析

Forward-Deployed Engineering 是 Palantir 開創的企業銷售模式,源於產品與市場的結構性錯配。Palantir 的 Foundry 平台是高度技術化的軟體系統,用於幫助組織集中管理數據、建立本體論(將原始表轉化為有業務意義的實體),進而在其上構建應用。然而 Palantir 的核心客戶群是財富 500 強傳統企業(石油、消費品等),這些公司雖掌握深厚的業務領域知識,卻往往缺乏 Google、Meta 那樣的工程團隊深度。單純銷售軟體平台給這類客戶會陷入兩難:客戶需同時投資購買平台、培訓員工、實施系統,成本高且成功率難以保證。

Palantir 的突破是派遣頂級工程師駐扎客戶現場,深入理解業務需求,在 Foundry 平台上構建定制化解決方案。關鍵轉變是客戶心智的改變——客戶不是購買「軟體授權」或「諮詢時間」,而是購買「業務成果」(如提高商品上架率或銷售吞吐量)。這個模式極為有效:Palantir 達成全球 SaaS 公司最高的平均合約價值 400 萬美元,相比 ServiceNow 的 120 萬、Workday 的 60 萬,且沒有任何公開上市 SaaS 公司超過 50 萬美元。

FDE 不是通用萬靈丹。Kevin 的「Punnett Square」框架清楚指出,FDE 只在「銷售複雜技術給非技術採購者」時必要,其他象限應採 DevRel 或 SalesLed。更關鍵的是,FDE 與開發代理店有根本差異。若每個客戶都從零開發,團隊面臨維護地獄、人員流失,這不是 FDE 而是 Dev Shop。真正的 FDE 是在共享平台原語之上組裝解決方案——比如 AWS 的 DynamoDB,工程師不必重新發明數據庫,只在此基礎上定制。Palantir 的成功正源於此:Foundry 提供數據模型、工作流、應用框架等原語,FDE 則在上面快速建構客戶特定的解決方案,既保證了高效交付,又避免了維護噩夢。

到 2026 年,AI 的普遍化改變了產業格局。幾乎每個平台現已變成可代理化、可定制的軟體,意味著客戶通常不知道產品真正能做什麼,若將實施成功託付給客戶,銷售將極為困難。Kevin 的預測是 FDE 的思路將從 Palantir 的特例演變成更多 B2B 平台的必要選項,特別是在向上市場拓展或橫向縱向擴展時。FDE 的核心是選對人——需要招聘本質上是優秀軟體工程師、同時又能在客戶面前專業可信的人。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。