今年 1 月 2 日，阿里云智能集团副总裁霍嘉跑了一个半程马拉松。当天他发了一条朋友圈：「今年是奥运第一个周期的决赛年，练了四年终于比赛了。」
这比的正是 AI 应用落地。
9 月 23 日，云栖大会期间的一场媒体群访上，霍嘉又讲了一遍这个判断。大模型真正落地的第四年，今年才是 AI 应用落地的元年。
Token 消耗在爆发，价格在上涨，这是比赛开始的信号。企业侧的情况要复杂得多。
霍嘉的团队一年来接触了大量企业项目。他看到的失败，很少死在模型不够聪明上。死因是找错了场景，高估了自己的数据，用做信息化项目的办法做 AI。
他给出的办法有两个，一是对客户说 No，二是把工程师推到客户现场。
01 四类客户：前两类靠需求，后两类看价值
霍嘉对今年 AI 价格上涨的解释是三个因素叠加：需求爆发，模型能力提高，企业实际感受到了生产力提升。
海外头部模型产品出现之后，AI 从聊天和娱乐工具，走到了生产力工具的早期，Token 背后的算力不足随即暴露出来。
把时间窗口往回拉两年，那时候模型老在打折，Token 量却没起来。霍嘉表示，想清楚当时为什么没起来，就能理解今天为什么起来了。
霍嘉把市场分成四类客户。第一类是 AI 原生客户，包括围绕新模型公司的创业团队，甚至短剧公司。第二类是高科技客户，互联网、汽车、手机，自身技术能力强。第三类是企业级客户。第四类是政府。
从规模化使用和 Token 调用量看，越靠前的占比越高。
「第一、第二类是需求驱动，第三、第四类是价值驱动。」
前两类客户知道自己要什么，买了 Token 就能用。后两类要先被证明值得用。
企业级客户用不起来，霍嘉归结为三个原因。
第一，AI 人才极度匮乏。
第二，可借鉴的实践太少。互联网和移动互联网时代，开发者能看到大量落地经验。这轮大家四年前同时起跑，到今年才开始有东西可以分享。
第三，传统 IT 项目的工作方式跟不上技术。模型基本一个月发布一次，模型之上的工程方法，今年从 Harness 工程到 loop engineering 换了好几轮。「规划、执行、再规划、再执行」的节奏走完一圈，技术已经变了。
02 企业 AI项目死在哪里
企业 AI 项目失败，有多少是因为模型不够聪明，这是群访上被直接抛出来的问题。
霍嘉没有给比例。他先说了一个事实，去年 8 月底接手这个团队以来，没有出现过一次客户投诉，没有一次需要他出面道歉。原因是项目选得非常严，有钱有项目不一定接。
然后他讲了见过的三类失败。
第一类，硬训垂类模型。
这是算法团队过去最喜欢接的活。数据没准备好，集群精度不适合训练，客户还要保证效果，最后训不下去。
一位手握大笔预算的领导曾想请阿里云训一个模型。霍嘉见面问的第一个问题是：你跟不跟我们的模型发布？当时千问一个季度发一次，他手下没人跟他讲过这件事。对方很快决定不跟。
今天模型已经一个月一发。霍嘉的团队说服过很多客户放弃训垂类模型，「你跑不过前沿实验室的」。准确率要保证，办法在工程层面找，评测集怎么建，RAG 不行换什么方法，都得跟客户的实际工作绑在一起才定得下来。
第二类，企业以为自己有数据。
去年夏天霍嘉反复讲「IT Data 不等于 AI Data」，当时指的是训练。今年他改成了「IT Data 不等于 Agentic Data」，指的是应用。企业系统里躺着的数据，大量没法在 Agent 环境里直接用，客户又一定要效果。
第三类，做给几个人用的 Agent。
几个人提了需求，IT 部门觉得终于有人关注，一起搭了个智能体，上线后一天只有几个人点一点。
霍嘉讲了一个真实案例。一家大企业有个 B2B 电商平台，主管领导找到阿里云，说你们做电商、做 B2B 起家，又在做 AI，请你们帮我们设计 B2B 电商的 AI 化方案。团队很兴奋，预算很大。
霍嘉只问了一个问题：每天多少笔交易？
一百多笔。
「那要 AI 干什么？」人工处理只要几分钟到几个小时。
霍嘉的做法是告诉客户不该这么做，说服不了就再等等。
早在「十四五」数字化转型项目里，他就对客户说过很多 No。「跟客户 Say No 是非常难的一件事情，但因为 Say 了 No，后面反而大家合作起来没有那么多乱七八糟的事情。」
接下来的项目，他还有两个条件。
一是周期要短。一家央企项目，团队第一次汇报说首次上线要在 3 个月后。霍嘉的回复是那就不要做了，大概率会失败。他去见了客户高层，把节奏改成每月发布一次，后来到每周一次。
过去卖人天，项目周期越长越好。现在技术每个月都在变，只有压短周期，才能在一个确定的技术时间点交付大家都认可的东西。
二是 One Team。还在用甲乙方方式合作的项目，他判断大概率失败，「不如给他标准品用好了」。
03 FDE火了，他却不想再提这个词
FDE 的说法来自 Palantir。Forward Deployed Engineer，前置部署工程师，直接进驻客户现场写代码、改流程。Palantir 把这支队伍分成 Echo 和 Delta 两类，前者贴着客户业务找问题，后者负责工程落地。
大模型让这个岗位重新变热。
MIT NANDA 项目在 2025 年 8 月发布的研究显示，95% 的企业生成式 AI 试点对损益几乎没有可衡量的影响。a16z 合伙人 Joe Schmidt 在 2025 年 6 月撰文主张，AI 创业公司应该用毛利换护城河，走服务驱动的增长。2025 年 1 月到 9 月，FDE 相关招聘岗位增长超过 800%。
OpenAI 在 2024 年组建 FDE 团队。今年 5 月 11 日，OpenAI 成立 Deployment Company，首期投入超过 40 亿美元，TPG 牵头，贝恩资本、Advent、Brookfield 联合领投，麦肯锡、贝恩、凯捷作为咨询和集成伙伴加入，同时通过收购 Tomoro 获得约 150 名资深 FDE。Anthropic 也在扩张 Applied AI 团队。
国内从 7 月开始，FDE 的视频和文章多到霍嘉自己都刷到不少。到了 9 月，一批公司跑出来宣布自己在做 FDE。
阿里云走上这条路，比这轮热度早。
去年云栖大会，一家能源企业想做「人工智能 +」，列了一批核心生产流程的场景。霍嘉觉得很难做，让解决方案团队先去调研。跑了很多现场之后，团队发现一开始设想的场景很多落不了地；客户如果不能很快看到效果，很难坚持下去；过程中要引入大量新技术，前线出报告、后方开发、再版本迭代的老办法走不通。
去年 11 月底复盘这个项目时，服务人员已经根据售前的内容在现场推进。霍嘉的判断是，这好像是 FDE 的工作方法。团队在现场验证场景，最终把它做成生产级系统上线。12 月的内部战略会上，这个模式被确定可以试。
有同样痛点的客户很多。找不准场景，不会验证技术可行性和 ROI，不会做生产级上线，三件事都不会。
跟传统交付相比，区别有两个。
第一，人往前推了一步。
传统交付先谈清楚项目范围（Scope），签下工作说明书（SOW）再干活。FDE 在售前阶段就进场，边做边谈。阿里云没有照搬 Palantir 的 Echo 和 Delta，SA 承担 Echo 的角色，FDE 负责落地。
霍嘉组队之初最看重大模型技术能力，后来发现懂技术不够，关键是能不能听懂客户、把话说清楚。「最基本的你应该告诉客户这件事情的 Yes 和 No，以及他的代价。」很多事情技术上可行，代价却不值得。报一个 100 人天的工作量，最后交一个东西，客户已经不要了，过去两年这样的 Demo 太多了。
第二，前线和产品的距离缩短了。
霍嘉的说法是，所有产品的先进性来自两方面，一是对技术的前瞻预判，二是市场的真实反馈。过去大部分厂商并不清楚客户到底怎么用模型，是拿着锤子找钉子。
千问办公是最直接的例子。它有公共云版本，国央企需要私有化版本，私有化部署之外还有大量合规要求。FDE 团队直接进入千问办公的研发周期，在客户现场做 POC，需求实时带回，和千问的工程师坐在一起开发。「这个在过去是无法想象的。」
客户用的东西也在变。从只用模型、云的基础产品和百炼，开始用上千问办公、Qoder 这类 AI 原生产品。
海外和国内的 FDE 差在哪里，霍嘉的看法是工作模式和价值定位没有本质区别，差的是商业环境。海外模型公司也没打算靠 FDE 赚钱，目的是把 AI 用起来。产品和使用的飞轮转起来，底层数据和模型的飞轮才有回报。
「国内想依靠这个东西去赚大钱，可能不太现实，大家不要有这种期待。」
阿里云自己也不靠它赚钱。团队考核的核心指标是能否带动产品。阿里不是一家 Service Company，服务长约只和重点战略客户签。FDE 如果不能成为产品能力的黏合剂和加速器，就很难持续存在。
至于 FDE 是不是换了名字的驻场工程师，霍嘉已经跟团队说不太想再谈这个词。在中国，这个词容易变味，有人说新瓶装旧酒，有人说挂羊头卖狗肉。FDE 最后会不会固化成一种模式，今天还是问号。
04 商业模式只有两种
FDE 怎么收费，背后是一个更大的问题：AI 时代的企业软件和服务，靠什么赚钱。
霍嘉的判断从中国软件业的旧账开始。软件和服务业的商业回报率一直一般，按功能付费讲不清客户为什么要出这笔钱，同质化严重，陷入价格战，最后恶性循环。他用了一个词，「死掉的 SaaS」。
他押注结果付费，Result as a Service。真能交付结果，才有谈溢价的空间。
这个认知他是今年 5 月以后才想明白的。在那之前，他并不相信这个模式。上一轮做结果付费的公司过得很惨，阿里云自己也做过很多痛苦的项目。变化来自模型能力，大家对 capability 的信心上来了。
对传统软件公司，他的话更直接。核心产品的竞争力和利润率上不去，就只能按人天收费。「你的护城河到底是什么？」
另一个检验标准是客户愿不愿意跟你签长期服务合同。
中国公司和几家大咨询公司最大的区别，是太喜欢签 Project Contract，不喜欢签 Service Contract。签服务合同的公司比不上产品厂商，但比做项目的活得好，而且有毛利。霍嘉认识几支这样的小团队，一群 90 后硕士、博士，在模型能力还不强的时候就用这种方式工作，已经三年，赚到了利润，最大的一支长到了小一百人。
「商业模式就两种，一种是 Service 长约，一种是产品的商业模式。」先选定一种，再决定团队怎么定位。
企业客户的心智也在变。几个月前还有客户说，报预算要先锁定模型。霍嘉反问，那个模型到时候下架了怎么办？越来越多客户发现，很多任务放在 MaaS 上，效率和成本对自己最优。Token 仍然很贵，他打了个比方，3G 时代的流量，你敢天天刷剧吗？
中国的头部客户不在乎厂商投入了多少人，只在乎事情能不能做成。霍嘉说他能跟很多领导讲清楚，这个问题今天做不到，以及为什么做不到。
Token的价格曲线和企业的落地曲线，今天还没有重合。前者由 AI 原生和高科技客户拉动，后者要一个场景一个场景地验证。
一年前云栖大会发布的模型和当时的应用，没有人想到今年会长成这样。FDE、结果付费、服务长约，哪一种会成为常态，今天同样说不准。
霍嘉的提醒是，「不要因为不知道而丧失了想象力」。
练了四年，比赛才刚开枪。
本文来自微信公众号「AI 原生 Lab」，持续拆解真实 AI 落地案例，分享企业 AI 实践与方法论。
