从模型竞赛到交付竞赛：全球FDE生态的结构性卡位
摘 要大模型竞争正从能力竞赛转向权限竞赛，前线部署工程师（FDE）成为卡位焦点。本文基于「环节价值权重×控制度」结构性模型，对比Palantir、OpenAI、Anthropic、Scale AI、Accenture、Deloitte、McKinsey、IBM等八家玩家的卡位位置，揭示「谁卡谁」与依赖悖论。
关键词FDE；前线部署工程师；权限竞赛；交付竞赛；Palantir；AIP；Ontology；OpenAI；Anthropic；结构性卡位；依赖悖论
- 竞争重心从模型参数转向业务交付，FDE 是这一转向的组织化载体
- Palantir 以 AIP + Ontology 把交付流程产品化，卡位强度居首，但依赖外部大模型底座
- OpenAI、Anthropic 掌握底座议价权，却缺少业务语境与组织落地经验
- 传统咨询与系统集成商凭客户网络与治理经验守住高层入口
- 终局胜负手不在参数榜单，而在交付模板的可复用率
权限竞赛，才是大模型商业化的下一场主战场。
1 1. 引言：从参数竞赛到落地竞赛
过去两年，大模型产业的叙事几乎都围绕着参数规模、上下文长度、推理能力和单位 Token 成本展开。谁的基准测试分数更高，谁就更有希望占据行业制高点，谁就能在资本市场博得更高的估值。
然而，随着头部模型的能力日益同质化，这套「模型性能竞赛」的逻辑正迅速失效。对于绝大多数企业而言，他们真正困扰的从来都不是「能不能接入最先进的大模型」，而是「怎么把这套模型嵌入到自身千差万别的业务流程中，改造原有的决策方式，并最终用可量化的业务指标去验证投入产出」。
AI 商业化的竞争重心，正悄然从「谁的模型更聪明」转向「谁能更有效地把模型落到业务中」。
而这一转向最集中的体现，便是近年在硅谷乃至全球企业科技圈愈发风靡的岗位模式——前线部署工程师（Forward Deployed Engineer，FDE）。
FDE 并非全新概念。驻场工程师、解决方案工程师、技术顾问在军工、系统集成等领域早已有之。但真正将 FDE 系统化、规模化地与自有产品深度绑定，并将其打造成一套可复制、可产品化的交付体系的，首推 Palantir。时至今日，OpenAI、Anthropic、Scale AI 等头部大模型厂商也纷纷大规模扩招 FDE 团队，意图在这场新的竞争中分得一席之地。
其背后的逻辑再务实不过：若大模型厂商只满足于出售 API 调用额度，它们就只能沦为「算力供应商」。一旦沦为纯粹的底座供应商，议价权必然会向那些更懂客户业务、能真正将模型嵌入客户决策与运营流程的交付方转移。要想逆转这一趋势，大模型厂商就必须争夺「从模型到业务结果」的交付主导权。
换言之，这场竞争的本质，已从能力竞赛走向权限竞赛。谁能获得进入客户业务流程的权限、谁能参与改动既有流程的权限、谁能主导定义「什么才算业务成功」的权限，谁就更有可能主导下一阶段的大模型商业化格局。
2 2. 方法论：用「环节价值权重 × 控制度」刻画结构性卡位
要刻画 FDE 生态的权力结构，不能单纯依靠营收、估值或团队规模这类财务数据。真正决定玩家地位的，是其对「将前沿大模型转化为业务成果」全链条中关键环节的控制力。
基于对公开信息（招聘启事、岗位描述、客户案例、财报表述、高管访谈等）的梳理，本文采用如下简化模型来刻画各家玩家的结构性卡位强度：
- 环节价值权重（Weight）：该环节在全链条中对最终产出「可落地的业务解决方案」的相对贡献度。
- 控制度（Control）：玩家对该环节的实际掌控程度。若该环节主要由该玩家主导、替代性极低，则控制度更高。本文中除已标注「S」（头部规模/融资/客户等有较强公开依据）的环节外，其余多为定性判断后量化的估计值（E）。
- 结构性卡位强度（卡位力）：对各环节「价值权重 × 控制度」求和后得出，用于刻画各玩家在 FDE 生态中的相对结构性位置。
需要特别说明的是：本文计算的「卡位力」并非精确的市场份额测算，而是一种结构性推断模型。它刻画的是「谁更有能力主导交付闭环」「谁对关键环节掌控更强」这类相对关系，而非绝对的商业份额。换言之，我们关注的是位置（position），而非体量（volume）。
3 3. 八家关键玩家的卡位逻辑
综合公开信息，本文选取八家最具代表性的关键玩家进行观察：Palantir、OpenAI、Anthropic、Scale AI、Accenture、Deloitte、McKinsey、IBM。
将其划分到不同类型，便能更清晰地看出各自的切入思路与卡位路径。
| 玩家 | 类型 | 卡位逻辑 | 简评 |
|---|---|---|---|
| Palantir | 交付平台型（系统化先行者） | 以自研的「交付平台/本体」（AIP + Ontology）为底座，将 FDE 深度嵌入到产品本身，形成「产品即交付框架」的闭环。 | 唯一真正将 FDE 从「服务」产品化为「平台」的玩家。是全生态中对「交付平台/本体」环节掌控最强的存在。 |
| OpenAI | 模型厂商型 | 凭借最具影响力的前沿模型矩阵，正大规模扩招 FDE 团队，试图从「API 出口」向「端到端交付」延伸。 | 生态中最具「底座影响力」的玩家。尽管尚未完全产品化交付闭环，但其模型的渗透度赋予了极强的谈判与卡位能力。 |
| Anthropic | 模型厂商型 | 聚焦企业场景，尤其强调安全性、可控性与长上下文，在金融、法律等对合规要求较高的垂直领域快速布局 FDE。 | 路线更为聚焦的「企业导向型」模型厂商。虽整体卡位强度略逊于 OpenAI，但在特定高价值垂直领域的渗透意图极为明显。 |
| Scale AI | 数据+FDE 混合型 | 起家于数据标注与评估，近年来大幅押注企业 FDE 业务，深度服务顶级大模型实验室及各类 ToB 客户。 | 极具代表性的「新生代」FDE 玩家。既熟悉模型训练全流程，又能直接面对企业客户落地，正逐渐从「数据供应商」向「交付供应商」转型。 |
| Accenture | 传统咨询/系统集成转型型 | 凭借遍布全球的客户网络、行业经验与庞大的交付人力，正大规模将数十万名顾问转向 AI 交付与 FDE 化实践。 | 拥有最广的客户触达范围与行业覆盖面。其核心优势是「客户关系」与「流程改造经验」，但要真正将 FDE 产品化、复用化仍需时间积累。 |
| Deloitte | 传统咨询转型型 | 深耕风险合规、财税、人力等强流程型业务场景，重点布局受监管行业的 AI 落地，极擅长在复杂组织中推动落地共识。 | 尤其擅长处理企业最棘手的「组织阻力」。在对合规性、治理性要求极高的客户群体中具备独特竞争力。 |
| McKinsey | 策略咨询向交付延伸型 | 历史上最擅长定义「企业要解决什么问题」。近年正通过「QuantumBlack」等实践单元强化向落地执行的转型，尝试从「战略建议」走向「联合交付」。 | 战略定价权极强。其最大价值往往是帮客户「界定正确的问题」，一旦能将这套问题界定能力与工程落地更紧密地结合，将对高层决策路径产生极大影响。 |
| IBM | 混合型（平台+咨询） | 依托 watsonx、混合云、企业IT存量资产，在传统企业（尤其是政企、金融等存量极为庞大的客户）中具备深厚根基。 | 拥有极为宝贵的「存量企业入口」。对于仍大量运行着传统 IT 架构的企业来说，IBM 往往是最能进入其既有技术栈与采购流程的玩家之一。 |
4 4. 谁卡谁：FDE生态的依赖网络
4.1 4.1 结构性卡位强度对比
| 排名 | 玩家 | 结构性卡位强度（相对） | 核心卡位点 | 备注 |
|---|---|---|---|---|
| 1 | Palantir | 0.708 | 「交付平台/本体」（控制度 0.95，唯一近似垄断） | 系统化先行者。凭借 AIP + Ontology 将交付流程产品化，构建起最完整的「产品-交付」闭环。 |
| 2 | OpenAI | 0.648 | 「前沿大模型」（底座） | 生态影响力最广的底座厂商。正通过大规模扩招 FDE 补足「业务语境」与「流程改造」这块短板。 |
| 3 | Anthropic | 0.543 | 「前沿大模型」（底座，企业导向） | 在企业客户心智中占据「安全、可控」认知，尤其在对风险敏感的垂直领域具备较强号召力。 |
| 4 | Scale AI | 0.492 | 「数据/评估 + FDE」 | 混合路径最具活力的新兴玩家，正加速从「模型配套服务」向「独立交付方」转型。 |
| 5 | Accenture | 0.471 | 「客户网络 + 大规模交付组织」 | 全球覆盖最广，客户基数最大。若能持续提升 FDE 的产品化与复用率，有望进一步提升结构性卡位。 |
| 6 | Deloitte | 0.446 | 「强流程行业客户 + 治理落地」 | 在受监管行业（金融、医疗、能源等）极具渗透力，最擅长打通「技术可行」到「组织可行」之间的鸿沟。 |
| 7 | McKinsey | 0.428 | 「高层决策入口 + 问题界定」 | 拥有无可替代的高层权限入口。其卡位点更多在「定义业务诉求」而非「工程交付本身」。 |
| 8 | IBM | 0.397 | 「存量IT + 混合云 + 政企客户」 | 尤其适配「存量改造」型项目。在大量仍深度依赖传统IT体系的企业中仍有稳固的生态位。 |
注：除标注有较强公开依据的要素外，上述控制度多为结构性推断（E）。排序反映的是「相对结构性位置」，并非精确的市场份额排名。
4.2 4.2 权力天平：「谁卡谁」与依赖悖论
从依赖网络可以观察到一个极具张力的权力逆转：
- 大模型厂商「卡人」：OpenAI（约 +0.65）、Anthropic（约 +0.35）对整个 FDE 生态都拥有底座性影响力。几乎所有交付方都需要接入前沿大模型才能满足客户对「最前沿能力」的预期。谁能持续拿到最受企业青睐的模型家族、最合适的速率与配额，谁就在交付竞争中更具底气。
- 帕兰蒂尔「被卡」：尽管帕兰蒂尔在「交付平台/本体」环节拥有近乎独占的控制力（0.95），却是全表中最典型的「底座依赖者」。其旗舰产品 AIP 的绝大多数企业落地场景，本质上都需要外挂第三方大模型（主要是 OpenAI、Anthropic 等家族）来驱动推理与生成能力。也就是说，帕兰蒂尔掌控着「从模型到业务」的产品化交付闭环，却不得不仰仗外部大模型厂商的底座。
这正是 FDE 生态最关键的依赖悖论：
帕兰蒂尔是 FDE 模式最系统化的实践者，也是目前唯一将交付平台产品化到极致的玩家。但在「大模型底座」这个最根本的算力-能力入口上，它并非不可替代的供给方，反而是需求方。
与此同时，OpenAI、Anthropic 则处于完全相反的位置：它们坐拥最具议价力的底座，却长期缺乏「业务语境」「企业流程」「组织治理」这套只有深度驻场才能积累的交付经验。正因如此，它们才近两年不惜以高薪、优先资源大规模组建自有 FDE 团队，试图用工程人力去弥补这块长期积累的「业务落地」短板。
5 5. 交付闭环成新战场：模型厂商为何集体下场做FDE
在 FDE 概念火热之前，大模型厂商普遍采取「平台+生态」思路：开放 API、建设开发者生态、依靠系统集成商和 ISV 帮助企业落地。当落地从「Demo 可用」转向「业务必需」之后，这套间接模式的弊端愈发明显：
- 议价权外流：客户往往不是在「选哪个大模型 API」时做决策，而是在选定「用谁的解决方案改造这条业务线」时一并锁定模型选型。最终采购中真正能带来可量化 ROI 的往往是「解决方案费」而非「API 账单」。
- 业务语境缺失：大模型厂商最擅长评估模型能力，却远不如咨询公司、SI 厂商了解某个垂直行业几十年来积累的报表口径、审批流转、合规红线、KPI 考核逻辑。没有这些「隐性业务知识」，再强的模型也很难真正嵌入到日复一日的业务流程中。
- 落地责任模糊：当项目从 PoC 走向规模化上线时，企业最怕的是「谁来对业务指标负责」。若责任全推给客户或第三方交付商，大模型厂商就很难在客户高层争取到「从试点扩面到全公司推行」的决心。
- 复用率过低：第三方交付往往是「一单一方案」，缺乏向通用产品转化的动力。大模型厂商若想规模化地复制成功经验，就必须亲自参与交付，才能把某个行业的成功路径抽象成可复用的 FDE 方法论、工具链甚至半成品模板。
正是出于这些考量，OpenAI、Anthropic 近年才会如此坚定地扩充 FDE 团队。它们并非突然热衷于「做咨询」，而是清晰地意识到：要保住底座的议价权，就必须争夺交付的主导权。
Palantir 的成功恰好印证了这一点。它从一开始就从未满足于「卖软件授权」，而是卖「业务成果」。AIP + Ontology 的价值并非「又一个 AI 平台」，而是将企业散落在各系统中的数据、权限、业务对象统一到一个可操作的「业务本体」中，再通过 FDE 团队将大模型能力绑定到具体业务场景，最终交付一个能直接替代或优化既有业务动作的解决方案。
6 6. 结论与展望：权限竞赛才是终局
FDE 生态的竞争，本质是对「定义业务成功」权限的争夺。
- Palantir 凭借对「交付平台/本体」的独占，在结构上最接近「全链路主导」的形态。它试图将客户困在「用 Palantir 的方式解决业务问题」的范式中，从而弱化客户在「选用哪个大模型」时的独立决策权。
- OpenAI、Anthropic 凭借底座地位最具「卡人」能力，正通过自建 FDE 团队从「算力供应商」向「解决方案共建者」转型，力求重新夺回对落地话语权的主导。
- 传统咨询巨头（Accenture、Deloitte、McKinsey） 则依靠数十年积累的客户信任、高层入口和行业 Know-how，在转型期仍具备极强的动员能力。
- Scale AI、IBM 则分别从「数据」「存量IT」两个差异化切口切入，在激烈博弈中寻求生态位。
未来的胜负手，将不在参数榜单的前几名，而在交付模板的复用率。谁能把高频业务场景打磨成可复用的 FDE 交付模板，谁就能将「一次性交付」沉淀为「可规模化的解决方案产品」。
这场竞争归根到底是一场「交付资产争夺战」。模型厂商想抢走交付主导权，Palantir 想用平台固化交付主导权，传统咨询则想用客户关系守住所谓「交付主导权」。最终的格局，将由谁最先把「权限」转化为「可复用的交付闭环」来决定。
7 附录：方法论、局限与数据溯源
7.1 附录A：交付环节与价值权重
| 序号 | 交付环节 | 环节价值权重 | 说明 |
|---|---|---|---|
| 1 | 前沿大模型（底座） | 0.20 | 基础能力入口，决定了可用的能力上限。 |
| 2 | 交付平台/本体（AIP/Ontology等） | 0.18 | 将数据、权限、业务对象抽象为统一模型，是实现产品化交付的核心。 |
| 3 | 业务语境与流程理解 | 0.16 | 对行业流程、报表口径、审批逻辑的理解，直接影响能否嵌入既有业务。 |
| 4 | 组织落地与变革 | 0.14 | 打通组织共识、权限、考核等「组织阻力」，是 PoC 能否走向全量上线的关键。 |
| 5 | 客户网络与高层入口 | 0.12 | 能够触达业务决策链，尤其是有权限拍板的高层，往往能极大缩短决策周期。 |
| 6 | FDE人才组织（规模/精英） | 0.08 | 驻场工程师的组织能力、方法论沉淀与经验复用程度。 |
| 7 | 垂直纵深（行业Know-how） | 0.07 | 针对特定垂直的沉淀资产（模板、评估清单、数据schema等）。 |
| 8 | 资本渠道与资源投入 | 0.05 | 对 FDE 团队扩张、定价策略及长期投入的保障。 |
| 合计 | 1.00 |
7.2 附录B：控制制度评估原则
- 取值范围：控制度（Control）取值 0～1，越接近 1 表示对该环节掌控越强、替代性越低。
- (S)：有较强公开依据（如公开产品文档、官网明确表述、财报提及、明确的客户案例等）。
- (E)：结构性估计值（基于公开招聘启事、岗位描述、高管访谈、行业观察等定性判断后量化）。
- 相对性：评分侧重「相对结构性位置」而非精确市场份额，适合刻画权力结构而非量化营收。
7.3 附录C：方法论局限
- 推断性：本文结论为结构性推断，非基于完整交付合约或内部财务数据的实证研究。
- 信息不对称：未能获取各家未公开的交付定价、实际项目占比、FDE 团队真实利用率等关键信息。
- 动态性：FDE 生态正处于快速演变期。OpenAI、Anthropic 等厂商的 FDE 战略仍在调整，格局可能随之变化。
- 主观权衡：环节权重与控制度虽尽量基于公开信息，但仍不可避免地包含作者的结构性判断。
7.4 附录D：主要数据溯源线索
- Palantir：Palantir AIP、Ontology 官方文档及相关产品介绍
- OpenAI / Anthropic：公开招聘页面（Forward Deployed Engineer）岗位描述、官方博客及企业客户相关表述
- Scale AI：官网业务介绍、公开访谈及行业报道
- 传统咨询：Accenture、Deloitte、McKinsey（QuantumBlack）官网、年度报告及 AI 转型相关表述
- IBM：watsonx 平台介绍及企业解决方案案例
- 行业观察：a16z 等机构关于 FDE 模式兴起的论述、硅谷招聘市场观察等公开行业分析
参考文献
- BOMMASANI R, HUDSON D A, ADELI E, et al. On the opportunities and risks of foundation models[R]. arXiv:2108.07258, 2021.
- KAPOOR S, NARAYANAN A. Leakage and the reproducibility crisis in machine-learning-based science[J]. Patterns, 2023.
- CASPER S, EZELL A, SIEBERT C, et al. The foundation model transparency index[R]. Stanford: Center for Research on Foundation Models, 2023.
- PALANTIR TECHNOLOGIES. AIP: artificial intelligence platform documentation[EB/OL]. (2026)[2026-10-23]. https://www.palantir.com/docs/.
- OPENAI. Platform documentation[EB/OL]. (2026)[2026-10-23]. https://platform.openai.com/docs/.
- ANTHROPIC. Claude documentation[EB/OL]. (2026)[2026-10-23]. https://docs.anthropic.com/.
- MICROSOFT. Azure AI services documentation[EB/OL]. (2026)[2026-10-23]. https://learn.microsoft.com/azure/ai-services/.
- GOOGLE CLOUD. Vertex AI documentation[EB/OL]. (2026)[2026-10-23]. https://cloud.google.com/vertex-ai/docs.
- CRAWFORD K. Atlas of AI: power, politics, and the planetary costs of artificial intelligence[M]. New Haven: Yale University Press, 2021.
- ZUBOFF S. The age of surveillance capitalism: the fight for a human future at the new frontier of power[M]. New York: PublicAffairs, 2019.