第 7 章 规模化复制
「如果你不把现场学习转化为产品资产，你得到的只是一堆定制项目。」 —— Barry，前 Palantir 前线部署工程师
7.1 用可复制性撬动交付的杠杆
互联网增长最理想的状态，是让一个用户带来更多用户——增长引擎从外购变成内生。FDE 要回答的问题也一样：每做完一个客户，下一个客户就该更好做——不靠加人，靠把上一次的经验攒下来。
这个命题是全书的「最后一公里」，因为它是 FDE 模式与咨询业、外包业之间的最后一道防线。把规模化这一环从前面讲的打法里抽掉，结局是什么？一支能打硬仗的精英团队，接一个客户、交付一个客户、赚的钱覆盖成本、然后接下一个——收入增长与人数增长完全线性。恭喜，你重新发明了咨询公司。
Barry 在回忆录里把这个分界讲得最狠：「如果你不把现场学习转化为产品资产，你得到的只是一堆定制项目。」麦格鲁的表述是另一个角度：FDE 模式成立的标志，是「每个后续客户的定制量递减」——如果你做的定制工作不随客户数递减，你就不是在做 FDE，是在做按人天（人头×天数）计费的外包生意。
可复制性的杠杆有三级，一级比一级难，也一级比一级值钱。
一级杠杆：知识复制（打法手册）。 把「怎么做」写成文档——打法模板、检查清单、培训材料。它把对个人经验的依赖，变成对组织记忆的依赖：新人上手周期，从一年压到三个月。这是最基础的杠杆，多数团队止步于此。
二级杠杆：组件复制（工具与代码）。 把「做过的」变成「能直接用的」——集成连接器、评估框架、部署模板、行业数据模型。下一支团队的起点不再是零，而是上一个项目的肩膀。4.7 节讲的自动化资产，就属于这一级。
三级杠杆：产品复制（平台能力）。 把「反复出现的定制」，抽象为平台的标准能力——从此这个需求，不再需要任何工程师到场。Palantir 的本体（ontology，能让模型在企业数据上干活的语义层）、Decagon 的智能体操作流程（Agent Operating Procedures，AOP）、Sierra 的智能体平台，都是三级杠杆的产物。这一级杠杆改变的是整个生意的成本结构：前两级杠杆降低交付成本，第三级杠杆消灭交付成本。
而这三级杠杆的递进，就是麦格鲁那句「砾石路与高速公路」的完整版：FDE 修砾石路（解决眼前问题），组件团队铺碎石路基（让下一辆车好走），平台团队浇高速公路（从此人人可通行）。
7.2 坏事传千里——失败部署的复盘传播
把事故变成资产，是组织的稀缺能力。FDE 组织对失败的态度，决定了它能否拥有复制能力：失败是复制的原材料，掩盖失败的组织，就等于把金矿当垃圾埋掉。
先说清楚一件事：失败在 FDE 模式里不是意外，是必然。Barry 的回忆毫不留情：「失败多得很——大把大把的时间、金钱和差旅费，烧得轰轰烈烈。」Palantir 干脆把接受失败写进了制度：试点就当风险投资来打，多数会死，死完必须复盘。Barry 特别提醒：对那些撞了车的项目、白忙一场的团队、累垮的工程师，也要说声谢谢——教训是他们买单买来的。这一点最难学，因为工程师的天性，是庆祝成功、藏着失败。
把失败转化为组织资产，需要三个机制。
第一是复盘的无罪化：复盘会议的唯一规则是对事不对人。一旦复盘与绩效挂钩，人们就会开始修饰失败——而修饰过的失败，毫无教学价值。无罪化不是不追责，而是把「责」重新定义为「是否诚实完整地提取了教训」。一个诚实复盘的失败项目负责人，对组织的贡献，可能大于一个侥幸成功的。
第二是教训的结构化：复盘产出不能是「下次注意」式的感慨，必须是可检索、可执行的知识——这个客户类型的高危信号是什么？哪个集成假设被推翻了？哪个评估指标设计错了？
这些问题的答案，应该进入打法手册的「雷区」章节、进入新项目的尽职调查（尽调）清单，让下一次团队的进场尽调自动携带历史教训。失败的教训只有进入流程，才会被下一个团队真正用上。
第三个机制最反直觉：失败的适度外传——把失败教训脱敏之后对外分享。3.5 节讲过，Barry 那篇「自曝家丑」的文章，成了 Palantir 模式最好的布道。那篇文章里没有成功学，通篇是大把烧掉的时间、金钱和差旅费，是一个个撞了车的项目；恰恰是这种写法，让读者一眼认出这是战壕里出来的人——企业客户听过的展台话术太多了，他们能分辨什么是话术，什么是真相。一个敢于公开解剖失败的团队，传递的信号是「我们已经为这个行业的弯路付过学费了」——这正是企业客户最想听到的。
三个机制说完，把一个失败的完整解剖走一遍。下面这个剧本，部件全部来自本书前面的真实案例，拼法是这个行业的常见死法。
一家制造企业的人工智能项目，死于第 9 个月。第 1 个月，立项就带病：集团发文要搞人工智能，信息部门牵头，业务部门无人署名——2.3 节的「无主之地」信号，供应商看见了，装作没看见，因为合同额诱人。第 2 到 4 个月，验证期在样例数据上跑出了漂亮指标——客户的安全审查不肯放真实数据，「只许看、不给碰」，第二条高危信号也亮了，项目经理选择先把东西做出来再说。第 5 个月，演示会大获成功，验收通过。第 6 个月起，真实数据接进来，模型开始对着三年前的编码规则给出自洽但错误的答案；业务部门本来就没人认领这个项目，现在更没人愿意收拾。第 7 到 8 个月，使用率阴跌，例会上开始有人问「这东西到底值不值」。第 9 个月，预算季，合同被连根拔掉——没有事故，没有争吵，只是没有人替它说话。
这种项目的复盘纪要，死因一栏通常写着「客户组织不成熟」。这是修饰过的失败。按 2.3 节的清单诚实复盘：高危信号三条亮了两条，每一条在签约之前就看得见。真正的教训只有一句：这个项目的死期是第 1 个月就定好的，后面八个月只是走流程。解剖做到这个深度，下一次的尽调清单上，「业务负责人署名」和「真实数据到位」，才会从建议变成硬门槛。
7.3 借势而上：站在行业的风口上
借外部事件的关注度为自己所用，是市场工作的经典手法。FDE 赛道的团队正站在一个史诗级的风口上，而风口的窗口期不会永远敞开。
2025 到 2026 年的行业风口，由几股气流汇合而成：1）《生成式人工智能的鸿沟》报告让「95% 失败率」成为每个首席信息官（CIO）的心病——客户的心病，就是你的机会；2）OpenAI 成立部署公司，Anthropic 被曝组建同类合资公司，两则消息同日传出，把「部署」推上财经头条——巨头教育市场的钱，全行业受益；3）FDE 岗位一年 729% 的招聘增长，让这个角色成为科技媒体的常客——连「要不要招 FDE」都成了一种企业焦虑。这三股气流共同制造了一个罕见局面：客户主动在找你，讨论你想卖的东西。
借势的第一层动作是「定义议题」。风口的注意力是公共资源，谁的内容定义了议题，谁就收割了注意力。风投机构 a16z（安德森·霍洛维茨基金）用一篇行业雄文为整个赛道定了调；OpenFDE 这样的社区，在聚合从业者的同时也在聚合定义权。对具体公司而言，想抢下议题的定义权，最好的办法是把压箱底的东西公开出来：打法手册、失败复盘、价值数据——独家的一手认知，是议题定义权的唯一货币。
第二层动作是「绑定行业议程」。企业人工智能采购的最大驱动力，正在从「效率」升级为「生存」——首席执行官们在董事会上被追问「我们的人工智能战略是什么」，这种焦虑会传导为预算。把你的方案翻译成「董事会语言」：不是「我们能帮你优化客服流程」，而是「我们能让你在下次董事会上，拿出可量化的人工智能成绩单」。同一套交付，锚定的议程层级不同，触达的预算池也就不同。
第三层动作是「在风口期建立资产，而不是消耗风口」。风口会停。报告掀起的讨论会冷却，媒体的热词会过气。
所以，风口期最宝贵的不是多签几个单，而是把风口带来的注意力，转化为长期资产：灯塔案例、行业方法论的话语权、可复制的交付体系。风口停的时候，手里有案例、方法论和交付体系的团队才站得稳。
7.4 构建跨客户的传播循环
不靠广告、靠口碑的传播，在 FDE 这行主要通过三个圈子发生。
圈层一：从业者社区。FDE 是一个正在形成中的职业共同体——2025 年它还散在各家公司内部，到了 2026 年，已经有了 OpenFDE 这样的专门社区、专门的薪酬报告、专门的面试指南。职业共同体的形成，对先行者是天赐红利：为共同体贡献内容（方法论、工具、数据），你的名字就会与这个新兴职业绑定。概念的传播路径历来如此：先行的布道者，最后都成了概念的代名词。
圈层二：客户的行业社区。每个行业都有自己的小圈子——银行家的论坛、律所合伙人的年会、医院管理者的峰会。3.3 节讲的信任红利，主要在这些封闭的圈子里流动。
进入这些圈层的门票不是广告，是被邀请演讲的客户支持者——你的工作是让他有值得讲的、讲得好的。客户在他的行业峰会上替你做的十分钟分享，胜过你在行业展会的一百天展位。
圈层三：生态伙伴网络。3.7 节讲过生态捆绑的获客价值，这里强调它的传播属性：云厂商的解决方案架构师、咨询公司的顾问、集成商的项目经理，这些人每天都在不同的客户现场流动——他们口中的「靠谱团队」名单，是传得最快、最准的宣传渠道。经营这个圈层的要点是让他们「赢」：让生态伙伴在与你的合作中获得业绩、案例与口碑。帮别人成功的人，会被整个网络记住。
生态捆绑在 2026 年还长出了更深的形态：人工智能公司把前线部署团队直接嵌进伙伴体内。编程智能体公司 Cognition（Devin 的开发商）与全球信息技术服务巨头 Cognizant 的合作是样板——一支嵌入式的前线部署工程师团队进驻对方，负责项目筛选、工程师带教与成效度量，借 Cognizant 几十年攒下的客户关系，把自己的产品规模化铺进医疗、金融与保险行业的大企业。Databricks 把专业服务整体改组为前线部署团队时，同样把数百家伙伴组成的全球网络列为规模化的四要素之一。走到这一步，伙伴网络传播的已经不只是口碑，而是你驻在对方办公室里的人。
三个圈层合起来的飞轮（自我强化的正循环）是：交付创造故事，故事在圈层中传播，传播带来新机会，新机会创造新故事。这个飞轮与传统营销的区别在于，它的燃料全部是「已交付的价值」——口碑传播的本质，是让过去的每一分努力，都让未来的获客更容易。
7.5 产品内置的裂变因子
好的产品会自己传播——邮件签名里的一句「来自某某邮箱」，就是最早的自传播设计。FDE 交付的系统，也可以预埋「内置的扩散机制」，让系统自己成为扩张的推销员。
因子一：可见性设计。系统的输出物天然会被传阅——周报、分析结果、审批流。让每一份输出物携带「出身」：报表页脚的「由某某系统生成」、异常预警里的处理入口链接。
当一份漂亮的分析报告被转发给隔壁部门总监，看到的人自然会问「这是什么做的」。可见性设计的精髓，是让系统的价值在日常工作流中自我展览，而不是靠专门的汇报。
因子二：协作式准入。设计需要跨角色协作的功能：调查官标注的案例需要主管复核，分析师的报告需要业务方确认——每个协作动作，都在向一个新用户自然地介绍系统。协作带来的新用户不是「被推广的」，是「被工作本身带来的」，接受度完全不同。
因子三：自助化的探索层。在核心交付之外，留出一个低风险的练习区（沙盒）：客户员工可以自己在里面试试「让人工智能帮我做个分析」。沙盒里长出来的用法，往往是最有生命力的扩张线索——某个部门员工自己玩出来的场景，比销售去推十次的场景更有根。让全员帮你做发现，而 FDE 团队专注攻坚。
两个 2026 年的新产品，把这个因子做成了明牌。Sierra 在 3 月推出「代笔人」（Ghostwriter）：客户上传自己的标准作业流程、历史对话记录，甚至一张白板照片，或者用大白话描述一个目标，系统自动生成一个生产可用的智能体，覆盖语音、对话、邮件三个渠道，三十多种语言——客户的业务人员第一次可以「自助造智能体」，前线部署团队则从「每个都亲手做」变成「验收和兜底」。Decagon 的智能体操作流程更早走通这条路：客户的客服主管用自然语言写流程（「超过 30 天的退货，先查会员等级，符合政策就办」），不用等工程师排期——据报道，Chime 的解决率做到 70%，多邻国的问题分流率达 80%，健身平台 ClassPass 的客服成本下降 95%。（出处见附录 C）当客户开始自己建造，你的角色就从建筑队变成了设计院。
因子四：跨边界的价值证据。每个季度自动生成「本季度价值报告」，让它自然流向客户高管层。这份报告既是第 5 章的续约工程，也是纵向扩张的敲门砖——高管看到的每一个数字，都在为「这套系统还值得在哪些地方用」埋下伏笔。
全员推广本身也是一场工程，它的产能瓶颈同样需要被解掉。Booking.com 是样本：把企业搜索平台推广到 14,000 名员工，是该公司历史上第一个全公司级采用的人工智能平台；支撑这场推广的培训与宣传物料也跟着提速——单条推广视频的制作周期，压到了原来的四分之一。系统交付的价值，转身就成了系统自己的推广产能。
内置因子的共同原则是：想让别人帮你传播，先得让人家实实在在用出了价值。任何为传播而传播的设计，在企业场景里都会被识别为「厂商的小动作」而遭反感。企业市场没有病毒式传播，只有「口碑的链式反应」——慢，但每一步都坚实。
7.6 规模化中的组织政治把握
规模化这条路上，卡住你的通常是人的地盘，技术反而好解决。
当系统从一个部门扩展到十个部门，你实际上在重写组织内的权力版图：信息垄断被打破（某个部门独占的数据，现在全公司可见）、审批权被压缩（人工智能秒回的事情，不再需要三天的层层签字）、专业壁垒被夷平（资深员工的「独门经验」被编码进系统）。每一个变化，都在制造沉默的敌人。
应对组织政治，FDE 老兵们沉淀了三条心法。
- 心法一：扩张必须带着「当地人」。 每进入一个新部门，先找到那个部门里的「地头蛇」——最有声望的资深员工，邀请他参与适配过程：「这个场景，你们部门有什么不一样？」他的答案会让方案更准，他的参与会让方案在他的地盘畅通无阻。人们不会反对自己参与建造的东西——这是组织行为学里少有的可靠杠杆。
Harvey 在顶级律所的扩张，是读懂组织政治的经典教案。所内同时存在三层人群：合伙人——买单的人，但不亲自干活；律师助理——干活的人，但不签字；知识管理律师——两边都不沾，却同时看得见两边的盲区。通用的问卷调研会把三层人压成同一组下拉选项，得到一堆失真的平均分；Harvey 的前线部署团队则为三层人分别设计访谈和演示：给合伙人看「这单生意多赚钱」，给助理看「这周少加三天班」，给知识管理律师看「全所的隐性经验终于有地方沉淀」。一个部署要同时让三层人都觉得自己是受益者——一旦缺了任何一层，系统就会在对应的环节被悄悄搁置。（出处见附录 C）
心法二：让每一步扩张都有「受益者」。 扩张前算清楚每个相关部门得到了什么：被穿透了数据壁垒的部门，得到了全局可见的分析能力；被压缩了审批权的部门，得到了例外事项的聚焦权（人工智能处理常规，人专注疑难）。扩张前先想清楚每个相关部门能得到什么，并且讲清楚——想不清这一点的扩张，在对方眼里就是抢地盘。
心法三：永远给「旧秩序」留体面。 被系统替代的流程，曾经也是某个能干的人设计的；被编码的经验，曾经也是某个专家的毕生心血。在推广话术里，对旧秩序的尊重，是对旧秩序维护者的尊重：「这套流程在过去十年支撑了公司，现在我们要把它十年的经验，放大一百倍。」给旧秩序留足体面的人，新系统上线时会少一半暗中的抵抗。
三条心法说的都是客户的组织。规模化路上还有一层政治，藏在你自己公司内部：销售与交付的权责。
这层政治的根源是激励错位：销售的奖金挂在合同额上，交付的口碑挂在结果上——签单的冲动和交付的纪律，天然打架。处理它靠三张成文的表。
- 分工表： 销售对「签不签」负责，交付对「做不做得到」负责；定制需求的否决权归交付，但否决必须附替代方案——如果只许说不、不给路，交付就会变成销售眼里「挡生意的人」。
- 分钱表： 首单佣金归销售，续约与扩购的奖金则必须与交付团队共享——5.1 节算过，续约的成本趋近于零，价值全部来自交付质量；续约奖金如果全归销售，公司就是在用钱包告诉所有人「签下比做好重要」。
- 背锅表： 交付事故按「承诺是谁做的」划责——销售过度承诺惹出的事故，记进销售的考核；交付自己挖的坑，记在交付头上。
三张表都不用复杂，但必须成文；不成文的权责，会在订单最多、团队最大的那一年集中爆炸。
7.7 用打法手册沉淀复制效率
一级杠杆里，打法手册的工程细节最容易被低估——多数团队的打法手册，写完那天就是阅读量最高的一天。
手册的第一属性：长在流程里，而不是躺在知识库里。 一个只能在文档系统里被搜到的手册，等于不存在。有效的做法是把它嵌入工作流：新项目的尽调阶段，系统自动弹出该客户类型的尽调清单；部署阶段，检查清单是任务系统里的硬关卡；复盘阶段，手册更新是复盘的必填产出。知识不嵌入流程，就只是考古资料。这条路的尽头，是流程开始自己执行手册：Ramp 的工程团队让人工智能助手先与客户经理做多轮澄清、再起草需求文档，据其披露，省下了约两成的需求界定时间。
手册的第二属性：按「场景」而非「功能」组织。 失败的手册按公司组织结构写（「交付流程」「技术规范」），而成功的手册按客户场景写（「金融反洗钱场景打法」「制造业排产场景打法」「律所知识库场景打法」）。每个场景手册包含固定七件套：一、典型痛点与契合检验要点；二、尽调清单（这个场景特有的高危信号）；三、数据与集成的已知雷区；四、评估与验收的指标模板；五、变革管理的角色地图；六、计价与扩容的参考结构；七、历史复盘的教训库。Harvey 在律所场景的打法能复制到普华永道、佳利，靠的就是把第一个客户（年利达）的经验，写成了可继承的场景资产。
手册的第三属性：它必须「活」——有负责人、有版本、有折旧。 每个场景手册指定一个负责人（通常是最资深的那支交付团队），每个项目结束后强制回看更新，每半年做一次整体检修——删掉过时的、合并重复的。没有负责人的手册，一年后新人照它做，会踩进早已修掉的坑——这比没有手册更糟。
手册与二级杠杆（组件库）、三级杠杆（平台）的关系是：手册管判断（什么情况怎么办），组件库管手艺（能直接拿来用的工具），平台管能力（不需要人到场的功能）。三者齐备，一支新组建的 FDE 小队，才能在两周内达到老团队八成的战斗力——这就是复制的真实含义。
这三样解决的都是「物」的复制。FDE 模式里最稀缺的资产却是会下现场的人，而这种人在招聘市场上几乎不存在——设计过 Palantir 轮岗培养计划的 Vinoo Ganesh 把话说得很绝：「你没法靠招聘建出真正的 FDE 组织，只能养出来。」毕竟，传统工程岗位刻意把工程师和客户的现实隔开，现场判断力在办公室里长不出来。
「养」不等于不挑苗。Palantir 面试的招牌环节，是丢给候选人一个刻意模糊的真实问题——比如「设计一个把城市紧急呼叫路由给正确响应者的系统」——让他当场拆解，几乎不写代码；按候选人的普遍反馈，最常见的失误是把这场面试当纯软件工程师面试来准备。它筛的，是能对着一团迷雾先拆出结构的人。
养的方法则是轮岗：把工程师成批送进真实客户部署，先后 250 多名工程师经这条路上了现场，校友如今散在 OpenAI、xAI、Anduril 等一众公司。这个培养计划最关键的一处改进，是把轮岗的岗位与工程师回去要造的产品对齐——先当用户，再当建造者。对没条件搞轮岗的公司，他留下一份六个月的自助培养清单：
- 头两周旁听客户电话，记的不是功能请求，而是「这个人一天是怎么过的」；
- 第二个月端到端认领一次客户事故；
- 第三个月去现场，找一个一天之内能修的小痛点、当周修掉；
- 最后几个月，维护一份周更的《我从客户身上学到的东西》。
这份清单同样是一份打法手册——一份培养人的手册。
「养」的起点是「招」，苗从哪来，先有一张地图。从业者经验里转化率最高的三个池子：1）大厂的解决方案架构师——懂技术、见过客户，缺的是对结果负责的经验；2）咨询公司的技术顾问——懂业务、能讲，缺的是动手；3）客户侧的明星用户——最懂痛点，挖过来就是「回声」的天然人选。反而要慎用纯后台研发，不是能力问题，是他们离客户的现实太远，现场判断力得从零长。
招进来之前的最后一道筛子，是 1.7 节那道「问题拆解」面试。同一道题——「某银行合规团队每天人工核对三万条交易告警，九成是虚惊，你怎么办」——好坏答案的差距长这样。危险的答案直奔技术：「上个分类模型。」三句话就露了底：他没问告警怎么产生、误判的代价谁承担、合规官信什么。而好的答案从提问开始：虚惊的判定规则是谁定的？漏放一条真告警谁负责？现有流程哪一步最慢？然后给出最小切口——「先不做判定，只做预排序，把最像虚惊的排到最后，人先核对高危的」；最后主动交代取舍——「误报还在，但人力省一半，而且每条建议都可追溯」。
7.8 产品化的策划与打磨
三级杠杆的登顶之作，是把现场经验结晶为产品。
先看最壮观的成功案例：Palantir 的 Foundry。今天这个年收入数十亿美元、支撑公司数千亿市值的平台，其核心组件诞生于苏黎世、休斯顿、圣保罗、图卢兹、巴库等天南海北的客户现场——各地前线部署工程师为解决本地问题各自造的工具，经过数年的自然选择与平台化收编，最终长成了统一的产品。Barry 回忆这个过程「完全自下而上」：2014 年公司的产品战略字面就是「强烈的观点，松散地持有」，任凭现场百花齐放，活下来的收归核心。
这个过程不是田园牧歌，它有严苛的内在逻辑，可以提炼为「产品化四问」。
第一问： 这个现场解法，是「个性」还是「共性」？判断标准：同类问题是否在三个以上客户那里独立出现过？三个客户的相同痛点是产品信号，而一个客户的特殊要求可能只是怪癖。Palantir 的经验法则，是让「多支前线部署团队的重复造轮子」自然暴露共性——当三支团队各自造了相似的东西，平台团队就知道：收编的时机到了。
第二问： 泛化的代价，是否小于收益？麦格鲁提醒过：现场代码「快而糙」，把它泛化的成本「往往高于写第一版」。产品化决策必须算这笔账：泛化投入，对比未来若干个客户省下的定制成本。算不过来的，留在组件层，不要强行平台化——平台里的每一个能力，都是终身维护承诺。
第三问： 它能否被「不会写代码的人」使用？现场工具的使用者是工程师，平台能力的使用者是所有人。产品化最难的一步，往往不是技术而是交互：把工程师的脚本，变成业务人员能配置的功能。Decagon 的智能体操作流程（让运营用自然语言定义流程）就是这一步的样板——抽象层一旦选对，使用人群就能扩大百倍。
第四问： 收编之后，现场还有空间吗？这是最微妙的平衡：平台收编得太多，现场团队就退化为配置员，FDE 模式的灵魂（现场创造力）就死了；收编得太少，规模化的杠杆又起不来。Palantir 的解法，是保持「前线对基地的激进授权」——高层只定目标，打法归现场。平台把常见的事变容易，现场团队才有余力去啃那些原本做不成的硬骨头。
四问答完、平台建成，最后一道纪律才刚出场：扩大开放的顺序。拉美电商巨头 Mercado Libre 把它做成了教科书。这家公司的内部平台向 17,000 名开发者开放自助：任何团队用节点和技能拼装人工智能应用，内置测试，但永远看不到源码——认知负荷压到最低，安全的赌注全押在平台护栏的质量上。
扩大开放的节奏则慢得近乎保守：先把人工智能用在错误成本低的任务上——商品编目、翻译、评论摘要——光编目一项，两年内可处理的商品量提升一百倍；用低风险任务攒够数据与组织信任之后，才让平台去碰涉及金钱的客服争议调解，而且先在单一主要站点放开约一成，人类保持副驾驶与升级的通道。它的首席运营官说得直白：编目和摘要「有趣也有用，但不是变革性的」，真正的变革是让系统自主处理复杂、高风险的活。只是那样的系统，得先用低风险任务的年头喂出来。
怀疑这套飞轮的人，最有力的反驳永远是毛利率（收入减去直接成本后剩下的比例）：派人下现场，毛利怎么可能高？历史给过三次回答。ServiceNow 上市时毛利率 63.2%，被嫌「太像服务公司」——十年后 79%，市值近 2000 亿美元；Workday 上市时 54.1%——如今 76%；Palantir 上市时 79%，2025 年已达 82%，比绝大多数「纯软件」公司还漂亮。
风投机构 Insight Partners 的总结一针见血：这些在平台切换期重仓实施与服务的公司，恰好是在所有人朝反方向跑时坚持下来的公司。秘诀在于毛利率能逐年往上爬——随着平台沉淀加厚，客户自己能干的实施工作越来越多（训练营模式让大量集成工作由客户侧完成），服务成本被持续摊薄——开局都不好看，往后却越跑越轻。（出处见附录 C）
反面的标本同样现成。Bessemer Venture Partners 拆解过印度的信息技术服务业：行业老大塔塔咨询服务公司（TCS）过去十年营收翻倍，员工数也几乎翻倍，人均营收却停在约 4.9 万美元原地不动——增长依然完全靠堆人。不完成平台化切换的服务公司，十年后只会是一家更大的服务公司——「重新发明咨询公司」的行业级版本。
毛利率之外，还有一把更直观的尺子：人均营收。把三家摆在一起看——TCS 还是那约 4.9 万美元；埃森哲 2025 财年约 8.9 万美元（697 亿美元营收、77.9 万名员工）；Palantir 2025 年约 100 万美元（44.8 亿美元营收、4429 名员工）。从外包到咨询再到 FDE，人均产出差出一个数量级。
创业公司一侧，倍数更直白：Harvey 约 1.9 亿美元的年度经常性收入，撑着 110 亿美元的估值，约 58 倍——市场显然在按软件、而不是按服务给它定价。这个定价五年后才知道对不对，但至少说明：资本市场愿意为「人均产出向软件看齐」的交付模式，付软件的倍数。这组对比，也是对「FDE 是不是咨询换皮」最硬的一个回答：是不是，不看头衔，看人均产出和毛利率往哪个方向爬。（出处见附录 C）
把镜头从巨头拉回地面，算一笔 10 人小队的粗账——这是本书的推算，每个假设都摆出来，你可以换成自己的数字重算。成本端：按 5.3 节算过的口径，美国市场一个满负荷 FDE 的年成本往 50 万美元靠，10 人就是 500 万美元；中国市场按第 1 章的薪酬水平折算，成本端大几百万到上千万人民币。产能端：3.8 节算过，一支小分队同期最多高质量交付两个项目，10 人拆成三支小队，一年流转下来，大约深度服务 10 到 15 个客户。
收入端：深度服务项目按单合同 10 万到 30 万美元计，一年 10 到 15 个客户，收入 100 万到 450 万美元。和美国口径 500 万美元的成本摆在一起，头两年多半盖不住；换成中国口径的成本，才勉强打平。这就是 FDE 生意头两年的常态：纯人力期，毛利率两到四成，弄不好是负的。
扭亏的杠杆只有三个：复用率——组件与平台，把单项目工时往下压；计价档位——把客单价往上抬；续约率——让第二年的收入不再需要第一年的成本。三个杠杆各抬十个百分点，毛利率大致能从 30% 爬到 60%——前面那组数字里 ServiceNow 们的十年，爬的就是这三个杠杆。麦格鲁那句「每个后续客户的定制量递减」，说的正是这台机器的转速表：定制量递减的速度，就是人力生意变成软件生意的速度。
最后，讲一个「赌对了方向」的故事。2022 年底 ChatGPT 横空出世，所有人都在猜 Palantir 怎么办。桑卡尔下了一个后来被反复引用的注：大模型会迅速商品化，价值会向两端聚集——一端是算力芯片，另一端是本体。他把公司大半工程师压到人工智能平台 AIP 上。结果：Palantir 股价从他接手首席技术官时的个位数，一路涨到 200 美元上下；美国商业收入连续多个季度三位数增长。这个赌注的逻辑，正是全书开篇的那条主线：模型越强越便宜，「把模型接进现实」的那段工程就越值钱。（出处见附录 C）
产品化四问的终点，是对整个 FDE 商业模式的收束：现场替你探测真实世界，平台把探测到的东西放大，最后沉淀进产品，持续生息。这是个互相喂养的循环：现场让平台更扎实，扎实的平台让现场敢接更远的活。这个飞轮一旦转起来，你就不再是一家「派人干活」的公司，而是一家「把世界的复杂性持续转化为软件资产」的公司。这种公司的简历，前面那笔毛利率账已经替它写好了。
下一章是完整案例集：回到这些方法论最初的现场。