0
“大模型落地的真相正在被揭開?！?/span>硅谷AI投資基金合伙人Jerry Lu對雷峰網坦言。他的這一感慨，源于近日兩則看似不相關、但在硅谷AI圈引發熱議的新聞。
一則是華爾街天價賬單：兩位AI咨詢師的日薪高達2.5萬美元（折合人民幣約17萬元），且客戶預約已排到兩個月后。
另一則是科技巨頭Meta被曝組建“Enterprise Solutions”新部門，計劃向大客戶派駐工程師，提供定制化AI服務。
在Jerry看來，兩則看似不相干的新聞，其實反映的是同一件事：在進入企業時，大模型從API到業務邏輯之間，仍存鴻溝。
天價賬單買的，正是能夠消除這條鴻溝的“短缺溢價”。
事實上，這幾乎成了近期硅谷AI圈最熱門的一件事。
谷歌、OpenAI、Anthropic等巨頭不僅大量設立FDE（前線部署工程師）崗位，甚至不惜成立專門的子公司或合資公司，并大手筆收購，來快速補充FDE人員。
而國內AI云大廠們，近期也在“瘋狂搶人”，某大廠甚至直接從外部挖來一位副總裁級別高管，負責FDE相關團隊工作。更多內幕詳情，可添加作者微信 xf123a 了解。
天價日薪、巨頭搶人、資本并購……這些華爾街金融巨鱷和AI科技巨頭們，究竟在焦慮什么？
2.5萬美金，折合人民幣約17萬元。即便在華爾街，這個數字也足以令人咋舌。
而這僅僅是兩位AI顧問Felipe Sinisterra和Dave Wang一天的工資。
這兩人都是前對沖基金交易員。去年，他們創辦了一家專門教華爾街精英們如何使用AI的公司，目前日服務費已經飆升到2.5萬美金，金融機構客戶接踵而來。
他們在教什么？為什么這么貴？
一些參加過的基金經理們回憶，他們會教授如何利用Gemini分析創業者的路演視頻，用ChatGPT和Claude，對財報電話會進行情緒分析，找出能左右市場走勢的關鍵言論。
“一天2.5萬美元，表面看是AI培訓很貴，實則反映的是金融機構的焦慮：工具已經買了，但不會用到核心業務里。”前AWS首席架構師費良宏告訴雷峰網。
“用AI分析路演視頻、財報電話會情緒，這些不是簡單‘提問技巧’，而是把AI，真正嵌入到投資研究、風險判斷和交易決策流程里。企業現在最缺的是能把AI變成業務結果的人?！?/span>
“本質上是FOMO情緒，很多傳統企業不是長期泡在硅谷AI圈里，所以他們面對AI大模型的沖擊，會有一種震驚、焦慮與迷?；祀s的情緒——他們被AI效果震驚到了，但卻看不太懂，也不太會用?！庇^測云CEO蔣爍淼表示。
一家總部位于深圳的商業銀行的技術高管告訴雷峰網(公眾號：雷峰網)，作為技術落地的“頂級金主”，金融機構往往最有錢、也最有動機去嘗試新技術，因此也最舍得花大價錢請“外援”。
因為AI技術迭代的速度太快了，快到這些公司們有點跟不上了。而這正是AI咨詢師Dave和Felipe抓住的套利窗口。
這個窗口有多大？看看這些排著長隊、焦慮不堪的華爾街巨頭們就知道了。
華爾街的金融機構不缺錢、不缺數據、更不缺應用場景，唯獨缺“用好AI”的能力。
這并非孤例，而是絕大多數企業在AI落地時遭遇的“系統性困境”。
“不能只看科技巨頭。目前大多數企業對AI的使用仍然偏淺，還停留在會議紀要、PPT以及寫一部分代碼上?！辟M良宏解釋道。
“但真正難而重要的，是讓AI進入企業內部數據、業務系統和決策流程。”
在他看來，很多AI項目不是敗在AI能力上，而是敗在企業自己的數據、流程和組織協同上。
“企業在AI上‘用不好、用不深’，有四大核心原因：數據分散，流程沒有重構，缺少既懂業務又懂AI的人，以及組織內部沒有形成明確的責任和ROI機制?！备嗥渌娊猓瑲g迎添加作者微信 xf123a 探討。
比如最核心的流程重構問題。
不同于C端業務的標準化，B端企業業務往往復雜得像一團亂麻。
比如深圳一家跨境電商曾嘗試用 Agent 替代人工處理大促退換貨。理論上，當 Agent 監控到批量退貨，能自動聯動倉庫，及時調整庫存，幫企業規避損失。
當時他們的想法是：“放權給 Agent 行不行？”
但跑了一套流程下來發現，現有供應鏈流程是給“人”設計的，Agent用不了。
讓 Agent 跑老流程意味著：AI 算出了方案，但按照傳統內控流程，它得先發給客服主管，主管登錄內網點擊確認，再上報倉儲經理掃碼二次授權，最后還要靠人類員工把兩邊對不上的商品編碼，手動復制粘貼到物流系統里。
新車跑在舊鐵軌上，Agent 的優勢基本無從發揮。
“AI工具和原有的業務系統之間的融合和打通，目前還不夠充分，以至于AI落地過程中水土不服，這也是企業和服務商們接下來要重點解決的問題?！边_觀數據CEO陳運文補充道。
而隱藏在流程背后的還有一個更大的“疙瘩”：數據碎片化問題。
以銀行場景為例，一家銀行的客戶數據，可能分布在CRM、郵件系統、交易系統、合規系統等四五個相互隔離的平臺。
AI要想跑通一個“客戶風險評估”的自動化流程，先得打通這4到5個數據孤島。打通一個，通常需要幾周的數據清洗和接口開發。全部打通，則要按月計算。
正如陳運文所言：“企業用不好AI，核心是企業的數據基礎設施薄弱，歷史數據負債太多。很多企業的數據清理、規則梳理、數據碎片化等老問題，在AI時代暴露得更加充分了，限制了AI應用的深入?！?/span>
企業數據“橫七豎八”，孤島林立，再厲害的AI模型進來，也難免迷路，以至于模型不認識你的業務，更進不去你的系統。
此外，面對AI這種日新月異的新技術，不少公司缺少既懂業務又懂AI的人。
“眼下，不少企業都缺少既懂先進AI系統、又精通業務的‘雙棲人才’?！标愡\文告訴雷峰網，AI人才代表的是一套全新的技能組合，如模型評估、流程重塑、提示詞工程、數據權限管理和幻覺控制等，但這類人才在企業原有的傳統人才庫里幾乎是空白。
就像20年前企業買完SAP系統后，還需要顧問團隊花半年時間進行實施才能投入使用，技術落地的“最后一公里”還需要工程實施來補足。
“大模型技術只是第一步，后續長周期的應用落地，比如模型的選型、人員的培訓，都是用好AI并讓它在業務中真正沉淀下來的關鍵?！笔Y爍淼補充道。
而在這種“不會用”的尷尬摸索中，企業內部正面臨空前的“價值焦慮”。
此前，Uber COO Andrew Macdonald 在科技會議上直言，AI支出的管控“越來越難合理化”，因為看不見投入與生產力之間的直接關系。Uber 的算力與 Token 消耗指數級增長，在短短四個月內就燒光了整個年度的AI預算，但用戶感知到的功能改進卻微乎其微。
這種“高投入、低產出”的骨感現實，正在全行業引發巨大的爭議。大模型泡沫論的旗手 Gary Marcus 隨即發文警告：“如果足夠多的公司都出現同類情況，泡沫就會破裂?！?/span>
一面是極度渴望用AI降本增效，另一面是舊系統的重重圍剿與高昂的Token賬單，這種殘酷的倒逼機制，最終把壓力給到了大模型廠商這一端。
客戶的AI焦慮，大模型公司們知道嗎？
答案是肯定的。否則它們也不會瘋狂招聘FDE（Forward Deployed Engineer，前線部署工程師）。
最近，一場圍繞 FDE的爭奪戰在硅谷打得火熱。
谷歌為了加大 FDE 的招聘，將面試流程壓縮到短短兩天；OpenAI 宣布成立估值高達140億美元的“OpenAI Deployment Company”，專門下沉做企業級AI落地，并閃電收購了擁有150名 FDE 的英國公司 Tomoro。
同時，Anthropic 聯手黑石、高盛組建獨立AI服務公司，把Claude接入“各行各業中型企業”的關鍵業務流；Meta 組建 Enterprise Solutions 部門，派駐工程師幫客戶清洗數據并直接將AI工具嵌入其工作流。
巨頭們終于不得不承認一個現實：光靠賣 API 躺賺的美夢結束了。
“FDE崗位的火爆，正是因為科技巨頭們發現：僅僅賣API和AI模型還不夠，客戶需要有人幫他們把AI真正跑起來。”前AWS首席架構師費良宏解釋道。
在他看來，Meta組建Enterprise Solutions部門，向大客戶派駐工程師，本質上就是把AI公司從“產品供應商”變成“落地服務商”。關于國內FDE崗位最新情況，可添加作者微信 xf123a 交流。
FDE的價值，不只是寫代碼，而是深入客戶現場，理解業務流程，打通數據系統，快速做出可用方案，并把PoC推到生產環境。
“企業AI落地的核心矛盾已經變了。過去大家比的是誰的AI模型更強；接下來比的是誰能更快把模型變成客戶的效率、收入和利潤。真正稀缺的不是AI工具，而是“業務理解 + 工程實現 + 組織推動”三種能力合一的那種人?！彼麖娬{道。
達觀數據CEO陳運文同樣認為，FDE 爆火意味著 AI 競賽正式進入下半場——從卷模型轉向了拼落地。
“FDE 的核心價值就是充當技術與業務之間的‘翻譯官’，他們既懂 AI 能力又懂業務場景，能把產品進化驅動的閉環真正跑通。這實際上是思維方式的轉變，從技術思維走向業務價值思維，也是 AI 走向落地的關鍵一步?！?/span>
回到最初的問題：2.5萬美金日薪是泡沫信號，還是產業必經的陣痛？
結論很明確：這不是泡沫，而是供給瓶頸的價格信號。
真正的泡沫是什么樣的？是虛假需求。
比如1999-2000年互聯網泡沫期間，.com公司燒錢的邏輯是“大家都在燒”。但今天的市場不同，企業對于利用 AI 優化流程、提升生產力的需求是真刀真槍的。
當下的尷尬在于：大模型技術能力到位了，但產品落地的最后一公里還沒到位。
大模型在基準測試上碾壓人類。但它的能力被封裝在API里，想要變成企業系統里能絲滑運轉的齒輪，中間需要填平無數由舊數據、舊流程組成的深溝。
而填這條溝的人，如Dave Wang、Felipe Sinisterra，以及越來越多的FDE團隊，就是當下全球科技市場定價最高、最被渴求的一批人才。
這撥人很貴，這條落地之路很痛苦，但很難繞得開。
本文作者長期追蹤海外AI巨頭動態、前沿技術和幕后故事，歡迎添加作者微信 xf123a 互通有無。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
