有一段访谈播客在2026年重新引爆了中文科技圈的讨论热度成为焦点, 这里面聚焦的核心内容是Scale AI的前任首席执行官Alex Wang所说的话, 原话是认知比产品更能左右决策, 而他同时提到的那种驻场工程师的操盘方法, 如今正在被数家人工智能巨头所效仿, 这些企业总共投入了几十亿美元资金进行复制与实施。

改写版本为何比原访谈传播更广

在2024年12月的时候, 风投社群South Park Commons组织了一场播客访谈。当时Wang仍然是以Scale AI创始人兼首席执行官的这个身份出现在镜头前。

他是在半年之后才加入Meta并担任首席人工智能官这个职位的。最近出现的改写版本在中文社群里重新被传播开来, 有一些稿件把重点改成了走进会议室第一秒就接管客户大脑的话术风格。这些稿件删去了原访谈中大量的背景铺垫。

主持人针对如何平衡产品工作与销售工作向他发起提问, 随后Wang所给出的回答被大量进行反复截取, 具体而言是在大型组织以及政府客户那里, 大众对于某一特定事物的认知程度, 在有的时候其影响力甚至会比客观存在的实际状况更加强大, 进而左右最终的决策倾向, 虽然那场完整访谈节目的官方播放数据统计起来并不是非常可观, 但是经过剪辑后的短视频片段在整个网络上的传播总量却已经远远超越了原始影片本身。

剧团与即兴表演书

Wang用剧团加上软件公司这种说法, 来形容Palantir在面对客户时的状态。他还提到了公司给新员工发《Impro》这本书的事, 这是一本关于即兴表演的著作。

Nabeel Qureshi在Palantir已经工作了八年的时间。他在2024年10月发表了一篇长文, 名字叫《Reflections on Palantir》。这篇文章证实了新人入职的时候确实会收到这一本书。

Qureshi写到, 《Impro》用于在客户现场观察互动中的地位信号, 听懂客户语言, 工程师才拿得到信任、推进数据整合和部署。不过他补充说这句话, 这本书目前是否仍在发放, 这个情况他是不确定的。

前线部署工程师的二十年

自2003年开始, Palantir就在为美国的情报机构做数据分析的工作。客户那边自己都说得不清楚到底想要什么, 数据东一个西一个地散落在不同的系统里, 导致常规的标准化软件模式根本没法用。

工程师不得不亲自到现场去, 在对方的数据环境和业务流程之中, 硬是把所需系统的样子给做出来了。这个角色后来有一个正式的称呼, 叫做Forward Deployed Engineer。

根据行业复盘材料所显示的内容来看, 在2016年的时候, Palantir的前线部署工程师的人数一度超过了产品工程师的人数。现在标准化的入口叫做AIP Bootcamp, 客户带着数据和使用场景过来, 在5天的时间之内就可以搭建出初步的用例。

信任被拆成可验证步骤

官网中的客户见证表明了这样的信息, 也就是Walgreens借助Foundry以及AIP这两款工具, 仅仅用了八个月的时间, 就使得其业务试点门店的数量由原本的十家增加到了大约四千家, 同时呢, AT&T这家公司的Foundry平台上面正在运行着多达六百六十个应用, 而那个名为S.C.O.U.T.的应用, 它背后的技术支持团队中有超过一百名的工程师参与其中, 此外还有专门的工具来处理关于权限、审批流程以及审计记录的治理事宜。

Palantir在2026年第一季度的总收入实现了同比增长, 增长幅度达到了85%, 其中美国地区的商业收入更是增长了133%。

Wang认为塑造客户认知是一种被称为“黑暗的艺术”的东西, 并且他认为这件事的底线是要交付真实存在的价值。如果把这样的高增长仅仅归因于像表演课那样的技巧, 那么就很容易忽略掉那些最难被复制的核心部分。

巨头正在复制同一套

在2025年5月11日这一天, OpenAI这个公司宣布成立了Deployment Company, 这项事儿得到了TPPG公司的领头投资, 一共有19家机构参与了注资, 投资的总金额超过了40亿美元, 与此同时这家公司还收购了位于爱丁堡的Tomoro, 这次收购一次性带来了好几名大约150人的前线部署工程师, 在这些招聘页面当中, 为金融行业以及医疗行业分别单独列出了FDE这个岗位, 这些岗位要求让工程师去直接嵌入到客户的组织内部里去。

Anthropic 在推进两条线的发展战略, 其中一条是与IT服务商DXC达成了多年的合作协议, 由DXC通过其认证的体系去培训数以万计的、专门负责Claude前线部署的工程师, 然后让这些人进入到银行、航空、保险以及政府机构现有的IT系统里面去开展工作, 据报道, Anthropic还在忙着去筹备设立类似这样的一种部署合资实体。

部署环节才是真瓶颈

根据麻省理工学院进行的关于NANDA项目的2025年报告所做出的测算与评估, 高达95%的企业在推行生成式AI试点项目时, 未能创造出能够加以数量衡量的业务收益, 并且分析表明, 导致这一结果的主要原因大多集中在项目部署的阶段, 当前的实际情况是人工智能模型所具备的能力差距正在不断缩小, 但是在各种组织当中, 那些成功把人工智能模型整合进客户的业务流程里的机构, 其所拥有的稀缺程度却在持续上升。

采购方在签字之前提出的问题, 涉及到出了问题到底由谁负责任务、能不能在他们的数据上面来进行验证, 还有要是融入现有的流程, 需要改动多大的程度。

这些问题里的任何东西, 都是没办法依靠性能对比表格来回答的。Wang所指出的核心问题, 到了两年之后依然成立, 也就是客户他们自己应该怎么去理解你的能力这个问题。

驻场工程师模式真的能把企业使用人工智能技术到最后阶段的困难解决掉吗? 请大家在评论框里写出自己的看法。如果你认为这个观点有参考价值, 请点击点赞按钮, 并且把它分享给周围的同事和同行们知晓。