FDE 全球 5 大标杆案例：Palantir、OpenAI、Anthropic、Cohere、Scale AI 怎么用人-AI领导力 - 刘言午

作者：刘言午 | AI 领导力导师
> 发布时间：2026-06-18 | 系列：AI 时代新型岗位研究 02
> 阅读时长：约 16 分钟

写在前面

上一篇文章我们讲了 FDE 的起源和本质。今天我带你走进 5 家全球标杆企业，看看他们是如何实战 FDE 模式的。

这 5 家公司不是按规模或估值排序，而是按”对 FDE 模式的依赖度”排序：Palantir 是 FDE 的”发明者”和”最忠实践行者”，其他 4 家则是把 FDE 模式从 Palantir”借用”到 AI 行业并做了本地化改造的代表。

每个案例我都会拆 3 件事：FDE 团队怎么组建、FDE 项目怎么交付、FDE 文化怎么沉淀。

一、Palantir：FDE 的”黄埔军校”

1.1 起源：从 CIA 到华尔街

Palantir 的故事要从 2003 年说起。

创始人 Peter Thiel（PayPal 联合创始人）和 Alex Karp（哲学家）从 CIA 的 In-Q-Tel 风险投资部门拿到第一笔投资，公司最早的名字甚至叫”Palantir 信息技术”，办公室就设在 CIA 大楼对面。

CIA 当时的核心痛点是”数据太多，情报太少”。9/11 之后，美国情报机构堆积了海量的通话记录、邮件、监控数据，但分析师要从这些数据里挖出恐怖分子线索，几乎是”大海捞针”。

Palantir 派出第一批工程师驻扎到 CIA 总部。这些工程师的工作不是坐在公司写代码，而是和情报分析师同吃同住，观察他们怎么工作、怎么思考、怎么用 Excel 和 Word 处理数据。

正是这种”近距离观察”，让 Palantir 的工程师意识到：情报分析师真正需要的不是”更强大的搜索工具”，而是”能把多源数据自动关联起来的图谱”。这个洞察后来演变成了 Palantir 产品的核心：Gotham（政府版）和 Foundry（企业版）。

1.2 Echo-Delta 双角色架构

2010 年代，Palantir 把 FDE 模式系统化，建立了著名的 Echo-Delta 双角色架构：

Echo 团队（战略侦察兵）：

组成：前陆军军官、医疗专家、金融分析师、情报分析师等
技能：领域知识 + 客户沟通 + 业务建模
工作：在客户现场挖掘未明晰的痛点
产出：业务需求文档 + 客户关系维护
比喻：他们是”听得懂客户黑话的产品经理”

Delta 团队（战术突击队）：

组成：资深软件工程师（大多来自 MIT、Stanford、CMU 等顶级 CS 学校）
技能：全栈开发 + 模型构建 + 系统集成
工作：基于 Echo 的需求，在 48 小时内搭建可运行的原型
产出：可用的代码 + 可演示的原型
比喻：他们是”能打仗的工程师”

FDE 通常横跨两个团队，既能听懂业务，又能在 48 小时内写代码。

1.3 关键人物：Shyam Sankar

提到 Palantir 的 FDE 文化，必须提到一个人：Shyam Sankar（现 Palantir COO，2024 年 5 月起兼任 CTO）。

Sankar 2006 年加入 Palantir，是 FDE 模式的”灵魂人物”之一。他写过一篇内部广为流传的文章，叫《Foundry 哲学》，核心思想是：

“我们不是在卖软件，我们是在帮客户解决问题。客户买了软件不等于问题被解决了。FDE 的使命是驻场陪客户把问题真正解决掉。”

2024 年 9 月，Shyam Sankar 推出”First Breakfast”计划，用 Palantir 的资源孵化国防科技初创公司。他个人也通过股票套现了数亿美元（2024 年 11 月披露减持 1150 万股，当时 Palantir 股价约 50 美元，套现金额约 5.82 亿美元）。这笔钱的一部分回流到了”First Breakfast”基金，资助国防 AI 创业公司。

这个计划的本质就是”用 FDE 模式做投资”：把 Palantir 的 FDE 团队派到初创公司现场，帮他们做产品、做客户、做交付，初创公司用股权回报 Palantir。

1.4 标志性项目

项目 1：北约 MSS NATO 部署（2025 年 4 月）

2025 年 4 月 14 日，Palantir 宣布与北约通信和信息局（NCI Agency）完成 Palantir Maven 智能系统北约版（MSS NATO）的采购，将这套系统部署到北约盟军作战司令部（ACO）。该系统利用 AI 增强作战能力，是 Palantir FDE 模式的”国防级”应用。

项目 2：航空安全平台（2023 年 2 月）

2023 年 2 月，Palantir 公开表示，其软件帮助德国挫败了一起极右翼政变阴谋。FDE 团队在协助德国情报机构做数据关联分析时，发现了”Reichsbürger”组织成员之间的隐秘联系。

项目 3：NHS 疫情数据平台（2020 年）

新冠疫情期间，英国国家医疗服务体系（NHS）联合 Palantir 搭建了 Federated Data Platform（FDP），用于整合全国医疗数据、追踪疫情传播。Palantir 的 FDE 团队在英国驻场超过 18 个月。

1.5 文化沉淀：FDE 校招

Palantir 的 FDE 校招在全球 CS 顶尖学校（MIT、Stanford、CMU、清华、北大、上海交大）有专属通道。他们的招聘官会说：

“我们不招只想写代码的人，我们招想用代码改变世界的人。”

Palantir FDE 的面试有一个经典问题：“给我讲一个你曾经在一个全新领域，从零开始做出一件事的故事。” 这个问题考察的就是 FDE 的核心能力：快速学习 + 客户沟通 + 端到端交付。

二、OpenAI：FDE 模式的”AI 实验室版本”

2.1 Bob McGrew 的转型

OpenAI 的 FDE 故事要从 Bob McGrew 讲起。

Bob McGrew 是 OpenAI 的前首席研究官（Chief Research Officer），从 2018 年加入 OpenAI 到 2024 年 9 月离开，在 OpenAI 工作了 6.5 年。

McGrew 的背景很有意思：他在 Palantir 工作过很长时间，是 FDE 模式的老兵。2018 年加入 OpenAI 后，他把 FDE 文化带进了 OpenAI。

在 OpenAI 内部，McGrew 推动了”Forward Deployed 团队”的建立。这个团队的核心任务是：把 GPT 模型嵌入到企业客户的生产环境，帮企业真正用起来。

2024 年 9 月，McGrew 离开 OpenAI。2025 年 4 月，他加入了 Mira Murati 创立的 Thinking Machines Lab，担任顾问角色。这一举动本身就说明了 FDE 模式在 AI 行业的稀缺性——头部 AI 公司都在抢这类人才。

2.2 OpenAI FDE 的工作方式

OpenAI 的 FDE 团队工作方式与 Palantir 高度相似，但有几个显著差异：

差异 1：模型驱动 vs 平台驱动

Palantir 的 FDE 主要是用 Foundry/Gotham 平台搭建应用；OpenAI 的 FDE 则需要深度理解 GPT 模型的能力边界、token 成本、推理速度等，做出模型选型和微调决策。

差异 2：Demo 周期更短

Palantir FDE 强调”48 小时出原型”；OpenAI FDE 则是”1-2 周内出可演示的应用”。

差异 3：客户画像不同

Palantir 的客户主要是政府、军方、医院、银行；OpenAI 的客户更广泛，包括摩根士丹利、Salesforce、Shopify、可口可乐等。

2.3 关键人物：Mira Murati

虽然 Murati 在 2024 年 9 月离开 OpenAI 创立 Thinking Machines Lab，但她作为 OpenAI 前 CTO（2022-2024），对 OpenAI FDE 文化的塑造有深远影响。

Murati 一直强调 OpenAI 不应该只做模型公司，更要做”AI 应用公司”。这意味着 FDE 团队在 OpenAI 不是边缘部门，而是核心部门。

2.4 OpenAI FDE 的标杆项目

2024 年摩根士丹利财富管理 AI 助手：FDE 团队驻场 6 个月，把 GPT-4 嵌入到摩根士丹利 1.6 万名财富顾问的工作流，整理 10 万份内部研究报告
2024 年 Salesforce Einstein GPT：OpenAI FDE 帮 Salesforce 把 GPT 集成到 CRM 系统
2024 年可口可乐营销内容生成：FDE 帮可口可乐搭建基于 GPT-4 的营销内容生成平台

三、Anthropic：FDE 模式的”安全优先”版本

3.1 公司文化：把”安全”做到极致

Anthropic 是由 OpenAI 前高管 Dario Amodei 和 Daniela Amodei 兄妹在 2021 年创立的，定位是”AI 安全研究公司”。

Anthropic 的 FDE 模式与 OpenAI 类似，但更强调”安全”和”可控”两个维度。

3.2 FDE 团队的特殊职责

Anthropic 的 FDE 团队除了常规的模型部署和应用集成外，还多了一项职责：与企业客户共同设计 AI 安全的边界。

这包括：

模型输出的人类审查机制
敏感数据的脱敏处理
模型决策的可解释性
红队测试和对抗样本防御

3.3 2026 年 2 月的关键变化

2026 年 2 月 26 日，Anthropic 内部做了一次组织调整：悄悄撤除了”Responsible Scaling Officer”团队的”暂停模型”冻结权。

这个调整的背景是：此前 Anthropic 内部安全团队有权在发现模型有”危险能力”时单方面暂停模型发布。撤除这个权力后，模型发布的最终决定权回到了高层管理团队。

这个调整对 FDE 团队也有影响：FDE 在客户现场需要自己判断模型的安全边界，而不能再依赖内部安全团队的”一票否决”。

3.4 Anthropic FDE 的代表客户

2025 年律师事务所 AI 助手：帮一家国际律所搭建基于 Claude 的法律研究助手
2026 年医疗 AI 辅助诊断：驻场一家医院，共同设计 AI 辅助诊断的安全边界

四、Cohere：FDE 模式的”企业级”版本

4.1 Cohere North 平台

Cohere 是由 Aiden Gomez（Transformer 论文作者之一）创立的加拿大 AI 公司。

2025 年 8 月 7 日，Cohere 正式发布 North 平台（企业级 AI 平台），对标 OpenAI 的 ChatGPT Enterprise 和 Anthropic 的 Claude for Enterprise。

North 平台的核心特点是：

私有部署：支持企业私有云和本地部署
数据隔离：企业数据完全隔离，不用于模型训练
可定制：支持企业微调专属模型
企业级集成：与 SAP、Oracle、Salesforce 等企业软件深度集成

4.2 FDE 团队的核心客户

Cohere 的 FDE 团队在 North 平台推广中扮演了关键角色。代表性客户包括：

戴尔（Dell）：用 Cohere 搭建内部知识库
加拿大皇家银行（RBC）：用 Cohere 做客服自动化
Notion：把 Cohere 模型集成到 Notion AI

4.3 FDE 工作模式

Cohere 的 FDE 模式有一个显著特点：FDE 团队与产品团队紧密结合。

每个 FDE 项目结束后，FDE 都要写一份”客户洞察报告”，把客户的真实痛点、模型使用习惯、定制化需求反馈给产品团队。这种”前线情报”机制是 Cohere 保持产品竞争力的关键。

五、Scale AI：FDE 模式的”数据驱动”版本

5.1 公司发展

Scale AI 由 Alexandr Wang 在 2016 年创立，最早做 AI 数据标注。

公司估值从 2021 年的 73 亿美元，涨到 2024 年的 138 亿美元，3 年增长 90%。2024 年 Scale AI 的 ARR（年度经常性收入）超过 10 亿美元。

Scale AI 的核心业务是”为 AI 模型提供高质量训练数据”，但从 2023 年开始，公司战略升级，把单纯的”数据标注”扩展到了”数据 + 评估 + 部署”全链路。

5.2 FDE 团队的诞生

Scale AI 的 FDE 团队成立于 2023 年底，最初叫”Enterprise Solutions”团队，后来改名为”Forward Deployed Solutions”。

FDE 团队的核心职责是：

数据策略咨询：帮企业设计数据采集、标注、治理的策略
模型评估：用 Scale 的 Donovan 平台帮企业评估模型性能
定制化部署：把 Scale 的数据能力嵌入到企业的 AI 项目

5.3 FDE 与数据标注的协同

Scale AI 的 FDE 模式有一个独特之处：FDE 团队和数据标注团队紧密结合。

FDE 在客户现场发现的数据问题，会直接反馈给数据标注团队；数据标注团队在标注过程中发现的数据质量问题，也会反馈给 FDE。这种”前店后厂”模式让 Scale AI 的数据质量保持了行业领先。

5.4 关键人物：Alexandr Wang

Alexandr Wang（汪滔），1997 年生，麻省理工学院（MIT）辍学，2016 年 19 岁创立 Scale AI，是硅谷最年轻的独角兽创始人之一。

Wang 对 FDE 的理解很朴素：“AI 模型不是装在盒子里的产品，而是一项需要驻场陪跑的服务。FDE 就是陪跑的人。”

六、5 家公司的共同点与差异

公司	起源	核心客户	FDE 文化特征
Palantir	CIA/军方	政府、军队、医院	Echo-Delta 双角色、48 小时出原型
OpenAI	AI 实验室	企业客户（金融、零售、SaaS）	1-2 周出应用、模型深度选型
Anthropic	AI 安全	高敏感行业（医疗、法律）	安全优先、可控边界
Cohere	AI 实验室	企业级客户	私有部署、深度集成
Scale AI	数据标注	国防、汽车、零售	数据 + 评估 + 部署全链路