夜雨聆风在美国的趋势，会在中国出现吗？破局企业 AI 咨询的困局与交付落地
TL · DR · 一句话先告诉你：
中国企业 AI 咨询的核心问题是"两头不见面"——企业家用经营语言提问，技术专家用模块语言作答，导致过去十五年 ERP、CRM、中台等采购反复失败。传统咨询交付形态无法接住这个问题。一种新形态——AI 原生 + 集群 Agent + 最小团队 + 实线到底——可能是破局关键，其核心是让团队对业务结果署名，而非交付技术系统。
定位 · 接上篇
上篇已陈述 Palantir 22 年 FDE 路径与 2026 年 5 月 Anthropic、OpenAI、Google 三家同周的复用。本篇把镜头切回中国，论证企业 AI 咨询市场的结构性问题。核心观点：问题不在技术，在企业家与技术专家的"两头不见面"。
01 三代咨询交付的演变
回看过去二十年，企业级咨询交付经过了三代形态。
第一代是 2003-2015 年的 Palantir 与 FDE 原型。客户不能完整说明需求，工程师驻场陪找答案。
第二代是 2015-2023 年的数字化转型与中台时代。2015 年，阿里巴巴公开"大中台、小前台"战略。此后八年里，中台成为甲方采购清单上的必选项。张勇在 2019 年湖畔大学讲话中早已警告：
如果一个企业奔着中台做中台，那就是死。
这句话被市场听漏了八年。2023 年 3 月 28 日阿里宣布拆中台，官方归因三点：业务放缓后中台复用价值不被需要、市场变化中台僵硬、起步业务向中台要资源效率不足。这是一个时代的自我证伪——很多 2022 年还在花数千万自建中台的中国企业，发现买的是一个 8 年前阿里都已经在反思的东西。
第三代是 2024-2026 年的 AI 原生时代。2025 年 3 月 Manus AI Agent 上线邀请制，演示视频 20 小时破百万播放、被部分海外评论者称"第二个 DeepSeek"，同年与阿里通义千问战略合作，2025 年底被 Meta 收购。同期，Anthropic、OpenAI、Google 在 2026 年 5 月同周大规模组建 FDE 团队，OpenAI 同时收购应用 AI 咨询公司 Tomoro。
图 一 · OpenAI 与 Anthropic 的 FDE 团队组建动作 · 2026.05
这一代的判断逻辑变了：不再是"派人去客户那里做集成"，而是"派一组人 + 一组 Agent 去客户那里重构经营"。
02 两头问题 · 中国语境
把镜头继续聚焦。中国的企业 AI 咨询市场，真实存在的问题不是"技术不够"，是"两头不见面"。
头 A · 企业家这一端。
中国的企业家——特别是制造业、外贸、家族企业的一号位——今天有真实且急切的 AI 需求。他们看 OpenAI 估值、看 Anthropic 客户列表、看深圳同行用 DeepSeek 跑出的效率。他们知道这一段不能不动，但他们不知道：这些工具怎么和现在的业务接？AI 在哪一段能真的帮？第一笔预算应该投在哪里？他们的语言是经营语言：现金流、坪效、人效、合同毛利。
头 B · 技术专家这一端。
SI 工程师、咨询公司的 senior consultant、内部 IT 项目经理——懂技术，不懂经营。他们的语言是模块语言：数据中台、CDP、Agent 编排、向量数据库、RAG。他们能讲清楚每个模块是什么，但被问"这个模块上了之后，毛利率会有什么变化？"，大部分人会卡住。
这不是个人能力问题。这是一代 IT 从业者在过去 20 年里被训练出的职业惯性：交付技术系统、不为业务结果承担最后一公里。
两头不见面的结果：项目立项书写得漂亮，落地时没有人对"业务结果"负责；三个月后技术系统跑起来了——技术专家交付完成；经营指标没有变化——企业家失望。
这是过去十五年里在 ERP、CRM、中台、数据中台几轮波次里反复出现的同一模式。不是哪家厂商的失败，是结构性的失败。
03 数据底 · 失败成本
不只是个别公司的体感，公开的研究有清晰的数字。
机构 | 报告年份 | 核心结论 |
McKinsey | 多年追踪 | 87% 的数字化转型项目无法交付预期的业务结果 |
Gartner | 2024 预测 | 70% 数字化转型在 2026 年仍无法达标，年成本约 2.3 万亿美元 |
Bain & Company | 2024 调研 | 88% 业务转型项目无法实现最初设定的目标 |
McKinsey 还公开过一个补充结论：做转型项目的最大障碍不是技术，是文化——投资于组织文化变革的公司，转型成功率是只投技术的公司的 5.3 倍。
这组数据揭示了一件事：失败不是技术不够强，是技术与业务之间的桥梁不见了——桥梁在那个既懂业务又懂技术的人，FDE 那个角色，身上。而这个角色在中国市场的供给：极少。
04 三个死循环
在两头不见面的结构下，企业 AI 咨询会反复进入三个死循环。
死循环一 · 模块化无法协同。企业买了 LLM 网关、向量库、Agent 平台、RAG——每个模块单跑都行，合起来跑不动。买了 5 个工具，业务流程没有一个端到端的真实改变。
死循环二 · 计划与战略不打通业务。CEO 战略会上说"今年用 AI 把人效提升 20%"，中层分解为 5 个项目下到团队，每个团队再分解到技术模块。三个月后：模块都按时上线，人效没动——没有人在"项目分解"那一步真的把"+20%"翻译成业务环节的具体变化。
死循环三 · 战略与计划顶层空转。CEO 想清楚了，SaaS 签了，SI 合同签了，AI 中台建了；但下面执行层没有把 CEO 想清楚的事情拆到日常动作。战略在董事会 PPT 里循环，计划在中层 KPI 里循环，两套循环互不见面。
这三个死循环过去十年里以不同名字出现——ERP 实施 / CRM 落地 / 中台建设——现在以"企业 AI 咨询"的新外壳准备再来一遍。
05 解法 · 集群 Agent + AI 原生 + 最小团队
这一段我们的看法。
第一个原则 · 用 AI 原生方法重构经营、流程、自动化。不是把现有流程数字化，是反过来——先承认 LLM + Agent 集群能做的事情已经超出过去十年的流程假设，再回头重新画组织的人机分工边界。今天的 Agent 集群可以承担过去需要十个分析师做的事：市场分析、客户画像、跨境询盘自动化、采购决策辅助、合规风险扫描、内部知识检索。
第二个原则 · 最小团队 = 最高效。传统咨询交付是大团队：项目经理 + 业务顾问 + 架构 + 实施 + QA + 客户成功，一个中型项目动辄 8-15 人。每个角色存在的理由都对，但合起来产生大量沟通成本与接口断点。新形态反过来：一个高级别的人 + 一组 Agent 集群 = 完整团队。团队规模缩小一个数量级，交付精度反而提高——Agent 集群没有沟通成本、没有 KPI 错位、没有"这不是我的活"的推诿。人只承担两个动作：定题、署名。中间所有的事 Agent 集群跑。
第三个原则 · 实线一贯到底。传统交付里，咨询出方案、SI 出实施、运维出维护——三方各自签合同、各自验收，客户的"业务结果"在三段中间消失。新形态拒绝这种分段。同一团队负责从业务诊断到 Agent 集群部署到业务结果交付的全段——一根实线穿到底。中间没有"我方"与"对方"的切换，也没有"上一阶段交付物"作为下一阶段输入。
看清楚之后，再决定走不走。
06 收束
FDE 的中国答案，不是"中国版 Palantir"。
是用 AI 原生思考方法 + 集群 Agent + 最小团队 + 实线到底，把"两头不见面"这件事一次性废掉。CEO 用经营语言提题，团队（人 + Agent）用经营语言回答，产物是直接可被验收的业务结果——不是再出一份 PPT、不是再交付一套技术系统、不是又一次"战略下沉"运动。
这条路是不是好走？不是。它要求咨询方的人既懂经营又能写 Agent，这两个能力的交集在中国市场极小。但这就是 FDE 模式在中国语境下的真实延伸：把最贵的能力——业务判断 + 模型驱动——同时放到客户最近的一线。
参考资料
阿里巴巴 2023.03.28 拆中台公告与张勇全员信 · https://www.alibabagroup.com/cn/news/article?news=p230328
张勇 2019 湖畔大学讲话："如果一个企业奔着中台做中台，那就是死" · 公开演讲记录
McKinsey · 数字化转型项目失败率与文化变量数据 · https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights
Gartner · 2026 年数字化转型失败率与成本预测 · https://www.gartner.com/en/insights/digital-transformation
Bain & Company · 2024 年业务转型项目结果调研 · https://www.bain.com/insights/transformation/
Anthropic Applied AI / Forward Deployed Engineer 公开招聘材料 · https://www.anthropic.com/jobs
OpenAI Deployment Company 与 Tomoro 收购公告（2026.05） · The Information / TechCrunch 报道
Manus AI Agent 公开材料 · 2025.03 上线 / 阿里通义合作 / 2025 末被 Meta 收购
