AI定制外包的致命伤：能力沉淀在人身上，企业攒不下护城河
AI外包定制把能力沉淀在了人身上，人一走能力就散了；真正的护城河只能沉淀进企业自己的模型权重里。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
FDE只是换了名字的外包
张帆认为FDE本质还是企业定制外包，只是换了个更酷的名字：能力沉淀在具体的人身上而不是企业身上，人一离职能力就随之扩散，没法规模化复制。他对Palantir毛利率飙升的解读也不同于主流叙事——与其说是组织或商业模式的创新，不如说是AI能力把原来需要一队人完成的活压缩成一个人就能干(原来花100块现在花10块),价值跃迁来自AI本身，而且这种领先还绑定着五角大楼级别的独特客户和顶尖工程师，很难被普通FDE公司复制。
— 张帆智能为王还是企业主权
张帆提出两种对立的商业哲学：模型公司信奉AGI,相信只要智能足够强，企业再贵也会买单；而企业真正纠结的是要不要把自己整个绑死在某一家模型厂商身上。他举例Kimi拉生态伙伴做FDE——如果交付成果最终绑定在Kimi的模型上，企业未必愿意接受，这是以智能为中心还是以企业为中心两种立场之间，此前很少被正视的巨大鸿沟。
— 张帆合成数据为何不是造假
张帆曾坚决不信合成数据，理由是用100条规则生成1万条数据必然是自欺欺人的过拟合。后来他想通了：问题不在规则比数据少，而是反过来——如果用1万条规则去生成100条数据，就不会过拟合。大模型把人类知识变成了万亿级参数，恰好能把海量规则均匀地弥散进这个空间里。他正在写一款架空历史游戏作为例证：合成数据是推动剧情不断演化、而不被真实史料拖垮的关键力量。
— 张帆FDE真实门槛是85分
张帆说企业应用里做到60分极容易，但70比60难十倍，80比70、90比80又各难十倍，现实及格线却常常卡在85分——85分以下几乎等于0,过了85才算真正有用。能做到85分以上的FDE必须是全才：做过研究、碰过上百张卡的训练，又在真实商业场景里落过地，这种人年薪至少上百万。靠一腔勇气入场的应届毕业生，他认为根本撑不起这件事。
— 张帆造船而非建灯塔
张帆用造船和建灯塔做比喻：基模能力就像不断上涨的海平面，企业如果建一座固定的灯塔，早晚被淹没，真正该做的是造一条跟着海平面一起涨的船。把任何问题丢给模型，答案都会落在正态分布的中央，也就是「很有道理的废话」;真正值钱的是分布两端的边缘解——乔布斯和马斯克的风格之所以稀缺，正是因为他们扭曲了这个公共分布。企业唯一能守住的护城河，就是叠加在基模之上、独立于基模的那个特殊分布。
— 张帆Workflow只是日抛品
张帆把知识的承载方式分成三层：规则(几十到几百维)、文字(几千维)、权重/神经(万亿维)。规则最可控但表达力最弱，越往上表达力越强却越难控制。企业里真正值钱的老师傅直觉没法写成规则或workflow,只能沉淀进权重——这也是他认同红杉合伙人那句「not your weight, not your product」的原因。在他看来，workflow只是权宜之计，最终会变成一次生成、用完即弃的日抛品。
— 张帆AlphaGo Zero式企业进化
张帆用下棋类比企业该怎么学习：深蓝靠规则和暴力计算击败卡斯帕罗夫，AlphaGo靠3000万份人类棋谱训练模型击败李世石，而AlphaGo Zero完全不用人类棋谱、自己跟自己下三天棋，就以100比0横扫AlphaGo,算力却从上千块GPU骤降到4块TPU。他认为这说明人类经验里混杂了大量噪音，企业真正该做的不是靠人总结经验去训模型，而是定义好自己的环境和棋盘，让系统在里面自我对弈、自我进化。
— 张帆AI是反工业革命
张帆认为工业革命的本质是体力可以无限扩张、脑力跟不上，于是体力向脑力妥协，催生出标准化和精细分工——福特T型车只有黑色，就是这种妥协的产物。AI让脑力也能无限扩张，体力脑力重新对称，结果是组织、界面、业务全面液体化。更关键的是，SaaS软件上线那一刻是它最好的状态，此后只会随着业务变化慢慢腐化；模型则相反，诞生时最差，此后不断学习生长。企业的组织逻辑也该从腐化逻辑转向生长逻辑。
— 张帆原话 · 已逐字校验
只要是定制的活 它就把能力沉淀在人 而不是沉淀在企业 你只要沉淀在人 这件事就没办法规模化
只要是定制化的活，能力就会沉淀在具体的人身上，而不是沉淀在企业里；一旦沉淀在人身上，这件事就没法规模化。
张帆6:03
两种哲学在于我们到底是以企业为中心 还是以智能为中心
这代表两种哲学的分野：到底是以企业为中心，还是以智能为中心。
张帆16:09
我为什么一定是规则要比数据少呢 如果我要是1万个规则 生成100条数据 它不就不overfitting了吗
我为什么一定要假设规则比数据少呢？如果用一万条规则去生成一百条数据，不就不会过拟合了吗？
张帆25:16
所以60比90差1000倍 对吧 但是这1000倍来讲 但是你要知道 这个里面的斩杀线在哪呢 可能是在85 就是85以下都是废材 全是零 85以上一下变成一了
所以60分和90分之间差1000倍的难度，但关键是斩杀线在哪里——可能就在85分：85分以下都是废材，全是零分；过了85分一下子就变成满分。
张帆30:18
但是你发现这里有一个缺点 虽然你稳了 你清晰了 但是你要知道海平面 每年上涨100米 现在是每个月涨100米
但你会发现这里有个缺点：虽然你站稳了、看清楚了，但海平面每年要涨100米，现在甚至变成每个月涨100米。
张帆48:24
its not your weight its not your product 对 我觉得这个就非常对 就因为只有这个的表达力是极致
权重不是你的，产品也不是你的——我觉得这句话说得非常对，因为只有权重的表达力才是极致的。
张帆1:02:27
你发现他训AlphaGo 的时候 他大概用了1000块GPU 但是训AlphaGo Zero的时候 用了4块TPU 总之算力是极大的缩小
训练AlphaGo的时候大概用了1000块GPU,但训练AlphaGo Zero的时候只用了4块TPU,算力被极大地压缩了。
张帆1:18:33
所以一个原来的是什么 原来的组织叫做腐化逻辑 现在的组织叫做 生长逻辑
原来的组织遵循的是腐化逻辑，现在的组织应该遵循的是生长逻辑。
张帆1:37:43
数字与实体
| Harvey估值 | 100亿美元以上 | 18:12 |
| Anthropic最前沿贵价模型收入占比 | 11% | 41:22 |
| AlphaGo训练算力 | 约1000块GPU | 1:18:33 |
| AlphaGo Zero训练算力 | 4块TPU | 1:18:33 |
| 顶尖FDE研究员团队年成本 | 一百多万 | 30:18 |
术语
- FDE前线部署工程师
- 派驻客户现场定制交付AI能力的工程师角色，源自Palantir的交付模式
- Ontology本体(知识图谱)
- 把非结构化数据降维成结构化三元组的传统知识建模方法
- RSI递归自我改进
- 系统通过自我学习和反馈不断进化自身能力的机制
- MOE混合专家模型
- 模型由多个专家子网络组成，每次推理只激活其中一部分
- Harness智能体脚手架
- 包裹模型、串联工具调用与技能的运行框架
收听指南
正在做企业AI商业化、思考FDE交付模式或AI产品护城河设计的创业者、投资人和技术负责人
36-39分钟吐槽AI概念炒作史(养虾养马等),信息密度低，可跳