从 OpenAI 亲自下场「做咨询」说起

OpenAI Anthropic亲自下场蒸馏：AI新人才，还是新瓶装旧酒？

今年 5 月，OpenAI 和 Anthropic 几乎同时宣布了一件事：各自拉上一帮投资人，成立独立新公司，派工程师进驻传统企业，手把手帮人家把 AI 落地。

全球最顶尖的两家 AI 公司，决定亲自去干咨询公司的粗活累活了。

两年前的叙事是：我们负责做模型，模型本身就是产品，你们自己接上就行。到了今天，故事变成了：不行，光给模型不够，我们得派人住进你公司，保姆式手把手教。

这中间发生了什么？

我读完这篇文章，有一个越来越清晰的判断：

交付变得容易，未来拼的仍然是销售。但"销售"这个词的含义，已经彻底变了。

而要真正理解这个判断，不能只看现象，得回到几个更底层的原理：共性与个性、归纳与演绎、整体与部分。这三对关系，恰恰是埋在最深处的东西，也是未来软件公司运营模式的底层逻辑。

一、共性与个性：为什么 AI 只在程序员那里跑通了？

文章里有一个核心问题：AI讲了两年"颠覆所有行业"，为什么真正大规模跑通的，几乎只有程序员？

答案是：代码是共性的，其他行业是个性的。

代码能验证对错——跑一下，能跑就是对的，报错就是错的。这个"能验证"就是共性。所有编程语言、所有程序员、所有项目，都共享这套验证机制。AI在有标准答案的地方学得特别快，因为标准答案就是共性。

但法律、医疗、风控、排产呢？

一份法律意见书写得对不对、一笔风控贷款该不该放、这个病该不该这么治、这批料该不该等一等再做——这些问题没有标准答案。没有标准答案，就意味着没有共性，每个案例都是个性的。

更关键的是，这些行业的真正运转核心，是那些没写在文档里的隐性知识：

银行风控纸面上是 ABCD 四个步骤，但真正决定一笔上亿贷款放不放的，是那个干了二十年的老风控脑子里的经验。

工厂排产系统里有算法，但真正拍板的是车间主任——他知道哪台机器最近不太对劲、哪个老师傅这周状态不好。

这些东西不在任何文档里，也不在任何系统里。它们是个性的，无法被标准化，无法被直接"喂"给 AI。

所以 AI 进不去，原因就是：AI只适合做“满分试卷”。

这就是共性与个性的第一层关系：AI擅长处理共性，但传统行业的价值恰恰藏在个性里。

那怎么办？

文章给出的答案是：派人进去。Palantir 的 FDE、OpenAI 的驻场工程师、华为的"铁三角"——他们的工作，就是把个性翻译成共性。

Palantir 的工程师在空客待了一年，跟造飞机的工人待在一起，最后做了一套"特别土但特别好用"的任务系统。这个系统本身是个性的（针对空客的车间），但它的底层逻辑——零件追踪、工序衔接、进度可视化——是共性的。

FDE干的活，本质上是个性到共性的翻译。他在客户现场挖到的是个性的隐性知识，但他要把它变成可复用的产品模块，让下一个客户直接上"高速公路"。

这就是为什么 Palantir 的 FDE 花的钱记研发费用，而商汤的驻场工程师记服务成本。商汤只做了个性，没有提炼共性；Palantir 把个性变成了共性。

对你的软件公司来说，这意味着：交付是个性的，但交付过程中沉淀下来的数据、流程、行业洞察，必须是共性的。否则你就是外包，不是软件公司。

二、归纳与演绎：未来软件公司的运营闭环

理解了共性与个性，就能理解这条链条：

软件交付→ 数据收集 → 数据分析 → 商机分析 → 交付用户新的投标机会

这条链条，本质上是一个归纳与演绎的循环。

归纳：从个性中提炼共性

·软件交付：进入客户的个性场景

·数据收集：挖出那些没写在文档里的隐性知识（个性）

·数据分析：从多个客户的个性数据中，归纳出行业共性规律

Palantir 在空客、在伊拉克前线、在法国图卢兹，每个项目都是个性的。但把这些项目放在一起，就能归纳出一套"如何把 AI 接进传统企业"的共性方法论。

这就是归纳：从个别到一般，从个性到共性。

演绎：把共性应用到新的个性场景

·商机分析：用归纳出来的行业规律，帮客户发现他该投哪个标

·交付用户投标机会：把共性能力演绎到新的客户、新的场景

你手里有大量客户的供需数据，你就能告诉 A 客户：B 客户正好需要你的产品，你该去投这个标。这就是演绎：从一般到个别，从共性到新的个性。

这个循环为什么值钱？

因为每转一圈，你的共性能力就更强一层。

第一个客户，你花三个月挖数据、做分析，可能只赚了个交付费。

第二个客户，你发现很多需求是相似的，交付时间缩短到一个月。

第三个客户，你已经有了一套标准化模块，两周就能上线。

到第十个客户，你手里有了一整套行业数据、一套商机分析模型、一个投标机会撮合平台。

这时候，你的软件公司已经不再是软件公司了，而是行业商机运营商。

这就是归纳与演绎的循环：归纳让你越来越懂行业，演绎让你越来越能规模化。而销售，是这个循环的起点和终点——发现新客户是演绎的开始，沉淀新数据是归纳的素材。

三、整体与部分：为什么"销售"仍然是核心？

你可能会问：说了半天归纳演绎，那销售到底重不重要？

非常重要。但未来的销售，不是喝酒签单那种销售。

要理解这一点，得看整体与部分的关系。

传统软件公司的整体与部分

传统 SaaS 模式下，整体是"标准化产品"，部分是"销售签单"。销售的任务是把整体（产品）卖给部分（客户），部分服从整体。

但 AI 时代，这个关系反过来了。

未来软件公司的整体与部分

未来的整体，不再是"标准化产品"，而是"行业商机网络"。

这个网络由很多部分组成：

·FDE 在客户现场挖到的隐性知识

·数据分析师归纳出的行业规律

·商机分析模型发现的投标机会

·交付团队沉淀的标准化模块

这些部分之间，不是简单的加法关系，而是乘法关系。

FDE 挖到的数据，让数据分析更准；数据分析的结果，让商机分析更有价值；商机分析的成功，又带来新的客户，让 FDE 有更多现场可挖。

这就是整体大于部分之和。

销售在这个整体里是什么角色？

销售不是把"整体"卖给"部分"，而是在整体和部分之间建立连接。

软件工程师是修路的，销售是站在路口告诉你这条路通往哪的，FDE 是路修到一半断了、开着卡车过泥地、把货送到的那个人。

未来的销售，要干三件事：

第一，发现价值。客户自己都说不清哪里不对，甚至觉得"手动做挺方便啊"。销售要能进去，用自己的眼光发现"你的流程里哪里不对劲"。这是把整体（行业洞察）和部分（客户个性）连接起来。

第二，判断哪些需求能产品化。不是所有客户需求都值得做。销售要能判断：这个需求是个性化的，还是可以沉淀成标准化模块的？这是整体与部分之间的翻译。

第三，协调 FDE 和产品团队的反馈循环。现场发现的东西，要能写回产品路线图。销售是这个循环的枢纽。

所以我说"未来拼的仍然是销售"，意思是：技术越来越便宜，但"知道该把技术卖给谁、怎么卖、卖了之后怎么持续赚钱"的能力，越来越贵。

因为销售是整体与部分之间的那个连接点。没有这个连接点，整体就是一堆散落的数据和模块，部分就是一个个孤立的客户，两者之间无法形成乘法关系。

四、三对关系的统一：未来软件公司的运营模式

把共性与个性、归纳与演绎、整体与部分放在一起看，未来 AI 时代软件公司的运营模式就清晰了：

你的"交付 + 数据 + 分析 + 商机 + 投标"链条，本质上就是这三对关系的统一：

·交付：进入个性场景

·数据收集：挖出个性中的隐性知识

·数据分析：从个性中归纳共性

·商机分析：把共性演绎到新的商机

·投标机会：完成整体与部分的连接

每转一圈，共性更强，整体更大，部分更多。

五、但有一个警告：别做成外包

文章里商汤的例子非常直接：

商汤当年做安防、智慧城市，模式就是派算法工程师驻场，给每个城市每个客户定制。项目一个一个接，人一批一批派。收入看起来很大，但人力成本也跟着一起涨。

最后的问题是：这些经验没有真正沉淀成标准化产品。这个城市调完了，下个城市很多东西还得重来。十年下来，人力成本吃掉收入的七成，累计亏了五百多亿人民币。

Palantir 同样派人驻场，但区别在哪？

FDE 花的每一分钱，记的是研发费用，不是服务成本。他在客户那铺的是一条"碎石路"，总部的产品团队拿到反馈后，会迅速把这条碎石路修成标准化、规模化的"高速公路"，让下一个客户直接上高速。

用共性与个性的语言说：商汤只做了个性，没有提炼共性；Palantir 把个性变成了共性。

用归纳与演绎的语言说：商汤只有归纳没有演绎，或者归纳出来的东西无法演绎到新场景。

用整体与部分的语言说：商汤的每个项目都是孤立的，没有形成一个整体网络。

所以，同样是派人，一个做成了外包，一个做成了软件公司。

关键区别：你能不能把现场经验沉淀成可复用的能力。你能不能从个性中提炼共性，从归纳走向演绎，从部分构建整体。

六、最后一句话

文章最后有一段话，我印象很深：

FDE 在搭一座桥，搭完之后，过桥的人不再需要他了。这可能是这个岗位真正的历史作用——不是"帮企业用上 AI"，是"帮 AI 学会每个行业到底是怎么运转的"。

用共性与个性的语言重新说一遍：FDE 的工作，是把每个行业的个性，翻译成 AI 能理解的共性。等 AI 学会了这些共性，下一个客户就不需要从头挖了。

这就是为什么 Palantir 自己发了"AI FDE"——一个 AI agent，通过自然语言对话，把原来要人类工程师驻场干好几年的定制化项目，压缩到五天。

人类 FDE 在教 AI 理解个性，等 AI 学会了，人类 FDE 就去做更难的个性。

听起来有点残酷，但换个角度看：

每一次通用技术落地，都会冒出来一批"翻译官"。蓝西装后来变成了整个 IT 咨询行业，ERP 顾问很多去了 SaaS 公司，写提示词的那批人现在不少在做 AI 产品。

岗位会过去，人不会。

未来 AI 时代的软件公司，如果能在"翻译"过程中沉淀出共性的数据、可演绎的模型、整体的商机网络，就不会被 AI 替代，而是成为 AI 时代的基础设施。

拼销售，拼的不是签单能力，而是价值发现能力、产品化判断能力、和商机运营能力。

而这三件事，本质上都是同一件事：在共性与个性之间、在归纳与演绎之间、在整体与部分之间，建立连接。

这才是未来软件公司真正的活法。

如果你也在思考 AI 时代软件公司的方向，欢迎留言讨论。