今天能吃到肉，多半是_老虎社区_美港股上老虎 - 老虎社区

投行小師弟

今天能吃到肉，多半是这两天消息带起来的，后面还是盯住基本面就行[微笑]$明略科技-W(02718)$

@摩尔視野：再谈FDE“翻红”，明略科技如何让AI真正嵌入企业？

免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。

精彩评论

我们需要你的真知灼见来填补这片空白

发表看法

{"i18n":{"language":"zh_CN"},"detailType":1,"isChannel":false,"data":{"magic":2,"id":577884219480224,"tweetId":"577884219480224","gmtCreate":1782108565548,"gmtModify":1782108905552,"author":{"id":3575272506103176,"idStr":"3575272506103176","authorId":3575272506103176,"authorIdStr":"3575272506103176","name":"投行小師弟","avatar":"https://static.tigerbbs.com/cbaef50e1a36058616ca717b01b65c25","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"wearingBadges":[],"fanSize":33,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"title":"","html":"<html><head></head><body>今天能吃到肉，多半是这两天消息带起来的，后面还是盯住基本面就行<span>[微笑]</span><a target=\"_blank\" href=\"https://laohu8.com/S/02718\">$明略科技-W(02718)$ </a>\n<br></body></html>","htmlText":"<html><head></head><body>今天能吃到肉，多半是这两天消息带起来的，后面还是盯住基本面就行<span>[微笑]</span><a target=\"_blank\" href=\"https://laohu8.com/S/02718\">$明略科技-W(02718)$ </a>\n<br></body></html>","text":"今天能吃到肉，多半是这两天消息带起来的，后面还是盯住基本面就行[微笑]$明略科技-W(02718)$","highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/577884219480224","repostId":576137858753776,"repostType":1,"repost":{"magic":2,"id":576137858753776,"tweetId":"576137858753776","gmtCreate":1781672537564,"gmtModify":1781673712058,"author":{"id":4238290210542282,"idStr":"4238290210542282","authorId":4238290210542282,"authorIdStr":"4238290210542282","name":"摩尔視野","avatar":"https://static.tigerbbs.com/efa46d03b9bc8f6cecec0404bd519402","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"wearingBadges":[],"fanSize":6,"starInvestorFlag":false},"themes":[{"themeId":"8714ceddeb344b299d5586ee1515f7f7","categoryId":"b76d3c59fc044df59779c041b25852a6","name":"【热议】操盘多年，你被股市练出了啥性格？","type":0,"rnLink":"https://laohu8.com/RN?name=RNTheme&page=/theme/detail&rndata={\"themeId\":8714ceddeb344b299d5586ee1515f7f7}&rnconfig={\"headerBarHidden\": true}","description":"截止13日收盘，到目前为止，特斯拉股价还没有突破去年的高点，且2025年的涨幅已经为负。不过特斯拉的股东，应该已经从频繁的波动中，学会了“稳重”的优良品德。\n纵横股市多年，追涨教会了他“勇敢”，杀跌让她学会了“果断”，你被股市练出了什么性格呢？","image":"https://static.tigerbbs.com/3c4753f3d523da46efadbb158a976e61"}],"images":[],"coverImages":[],"title":"再谈FDE“翻红”，明略科技如何让AI真正嵌入企业？","html":"<html><head></head><body><p>2026年，企业在AI上的投入还在涨，但一个尴尬的事实越来越难回避：很多钱花出去了，说不清换回了什么。</p>\n<p>与此同时，硅谷传来一个热词：<strong>FDE（Forward Deployed Engineer）——前沿部署工程师</strong>。面对企业落地的复杂需求，OpenAI正式成立DeployCo，Anthropic深化交付布局，与多家机构组建合资服务公司，提供更深度的运营支持。</p>\n<p>这两个信号放在一起，值得多想一步：AI落地的瓶颈如果不在模型，那到底在哪？FDE的翻红，究竟是一个概念营销，还是对某个真实问题的回应？</p>\n<p><strong>AI投入“不值”？问题出在哪？</strong></p>\n<p>直觉上，AI项目效果不好，第一反应是模型不够强、数据不够多。但实际接触下来，大量资源其实消耗在一个更不起眼的环节上：衔接。</p>\n<p>数据散落在多个系统且权限不通，业务流程没人能完整描述，这些工作不产生任何可见的成果，却吃掉了大部分时间和预算。更隐蔽的是项目结束之后的浪费：一次交付积累了大量Context，但没有被结构化地沉淀下来，下次遇到类似需求又从零开始。</p>\n<p>过去十余年IT服务的老问题，被AI无限放大。</p>\n<p>传统软件功能边界清晰，交付偏差可以用验收标准兜底。而AI的能力边界模糊，效果高度依赖上下文，同样的模型在不同企业身上的表现可能天差地别。当“衔接”的质量直接决定投入回报率时，它就不再是技术细节，而是商业问题。</p>\n<p>明略科技创始人、CEO兼CTO吴明辉在最近一场分析师分享会上用了一个框架来解释这件事：Context Not Control。这个概念最早来自Netflix创始人哈斯廷斯的管理哲学：<strong>把充分的信息上下文授权给一线团队，让他们基于full Context自己做决策，形成集体智慧和涌现。</strong></p>\n<p>企业需要的正是能够带着对Context的理解深入业务一线，同时把AI能力翻译成业务语言的人。</p>\n<p>FDE做的恰恰就是这件事。</p>\n<p><strong>FDE的上限，取决于平台体系</strong></p>\n<p>既然瓶颈在衔接，解法似乎很直接：派人到现场去。这也是很多人把FDE错误地等同于“驻场实施”的原因。</p>\n<p>但这个类比忽略了一个关键区别：驻场的终点是验收报告，项目做完，经验留在人的脑子里，换个人、换个客户就重来一遍。</p>\n<p><strong>FDE模式真正要解决的，不是“谁去现场”的问题，而是“现场的经验去了哪里”的问题。</strong></p>\n<p>判断真假FDE的标准只有一个：每次交付后，留下的是文档，还是可迁移的平台能力。</p>\n<p>Palantir是这个逻辑最极致的实践者。FDE 的工作始于传统 SaaS 交付的终点，其核心是通过 Ontology（本体论）体系，将每次现场实施中抽象出的对象、关系与动作沉淀下来。这种机制让 Palantir 避免了“每单重做”的咨询化陷阱，实现了极高的复用率。这也是其能在承担复杂交付的同时，长期维持高毛利率的关键原因。</p>\n<p>国内的路径未必相同，但底层逻辑相通。</p>\n<p><strong>吴明辉指出，大数据时代的FDE做的是数据治理，帮客户构建数据中台；AI时代的FDE要做的事情更多，协助客户的业务人员构建自己的Agent，把Agent和中台连起来，不仅share context，还要share skills、share memory。</strong></p>\n<p>以短剧行业为例，传统模式是延揽优秀人才手搓短剧，如今通过“人+Agent”模式，每个人的杠杆率都得到极大的提高。FDE不依赖专家个人的时间和精力，就能调动整个Agent团队交付。对企业而言，领域专家训练一群Agent，可以同时服务多个项目。</p>\n<p>沿着这个思路，明略科技的Agentic Service把FDE推向了具体的业务场景。</p>\n<p><strong>·小红书代运营</strong></p>\n<p>AI Agent集群覆盖从博主筛选、内容生产、投流优化到线索归因的全链路。</p>\n<p><strong>·抖音内容电商</strong></p>\n<p>Agent自动拆解爆款视频DNA，赋能高流量内容生产，实时优化投放。</p>\n<p><strong>·短剧生产</strong></p>\n<p>通过AI生成小成本快速试错，单个爆款即可覆盖整盘投入，实现数十倍收益。</p>\n<p>过程中，每个FDE能实时追踪自己负责项目的收入与资源消耗，自主评估项目健康度，确保每一笔AI投入都有清晰的产出对应。</p>\n<p><strong>这背后是三个能力层共同发挥作用：</strong></p>\n<p><strong>第一层：行业知识与数据资产。</strong>明略科技深耕企业服务领域20年，服务2100余家品牌客户及超24万家企业用户，积累的海量行业语义、业务规则和决策逻辑。面对企业客户的需求，FDE不需要从头理解ROI、归因、媒介组合，这些已经内化在平台和Agent的知识体系中，可以把精力集中在客户特有的业务问题。</p>\n<p><strong>第二层：方法论的工程化沉淀。</strong>明略科技的FDE背后有一群专业化Agent协同作战，内部已形成“人设计目标和审查、Agent执行和迭代”的工作范式。方法论已被编码进Agent，可在项目中反复调用。</p>\n<p><strong>第三层：AI基础设施。</strong>明略自主研发并开源的Agent协作平台Octo，多个不同专长的 Agent 在一个网络中互相配合、互相检查，最后提供准确的结果 。行业知识让FDE更快切入问题，方法论沉淀让解决方案可复用，AI基础设施让交付效率持续提升、成本持续下降。每一次项目交付又反过来丰富平台能力，使下一个FDE站在更高的起点上。这是FDE模式能够跨越“单点成功”、实现规模化盈利的底层条件。</p>\n<p>FDE在硅谷的翻红并非偶然，它印证了AI产业化走到今天的现实：模型够强了，缺的是把模型嵌入真实业务的那一环。</p>\n<p>从Data Intelligence Service到Agentic Services，明略科技的FDE模式正是多年积累走到今天的自然延伸。当行业开始认真讨论最后一公里的时候，恰恰说明AI终于走到了该解决真问题的阶段。</p>\n<p><a href=\"https://laohu8.com/S/02718\">$明略科技-W(02718)$</a> <a href=\"https://laohu8.com/U/20722186463466\">@爱发红包的虎妞</a></p></body></html>","htmlText":"<html><head></head><body><p>2026年，企业在AI上的投入还在涨，但一个尴尬的事实越来越难回避：很多钱花出去了，说不清换回了什么。</p>\n<p>与此同时，硅谷传来一个热词：<strong>FDE（Forward Deployed Engineer）——前沿部署工程师</strong>。面对企业落地的复杂需求，OpenAI正式成立DeployCo，Anthropic深化交付布局，与多家机构组建合资服务公司，提供更深度的运营支持。</p>\n<p>这两个信号放在一起，值得多想一步：AI落地的瓶颈如果不在模型，那到底在哪？FDE的翻红，究竟是一个概念营销，还是对某个真实问题的回应？</p>\n<p><strong>AI投入“不值”？问题出在哪？</strong></p>\n<p>直觉上，AI项目效果不好，第一反应是模型不够强、数据不够多。但实际接触下来，大量资源其实消耗在一个更不起眼的环节上：衔接。</p>\n<p>数据散落在多个系统且权限不通，业务流程没人能完整描述，这些工作不产生任何可见的成果，却吃掉了大部分时间和预算。更隐蔽的是项目结束之后的浪费：一次交付积累了大量Context，但没有被结构化地沉淀下来，下次遇到类似需求又从零开始。</p>\n<p>过去十余年IT服务的老问题，被AI无限放大。</p>\n<p>传统软件功能边界清晰，交付偏差可以用验收标准兜底。而AI的能力边界模糊，效果高度依赖上下文，同样的模型在不同企业身上的表现可能天差地别。当“衔接”的质量直接决定投入回报率时，它就不再是技术细节，而是商业问题。</p>\n<p>明略科技创始人、CEO兼CTO吴明辉在最近一场分析师分享会上用了一个框架来解释这件事：Context Not Control。这个概念最早来自Netflix创始人哈斯廷斯的管理哲学：<strong>把充分的信息上下文授权给一线团队，让他们基于full Context自己做决策，形成集体智慧和涌现。</strong></p>\n<p>企业需要的正是能够带着对Context的理解深入业务一线，同时把AI能力翻译成业务语言的人。</p>\n<p>FDE做的恰恰就是这件事。</p>\n<p><strong>FDE的上限，取决于平台体系</strong></p>\n<p>既然瓶颈在衔接，解法似乎很直接：派人到现场去。这也是很多人把FDE错误地等同于“驻场实施”的原因。</p>\n<p>但这个类比忽略了一个关键区别：驻场的终点是验收报告，项目做完，经验留在人的脑子里，换个人、换个客户就重来一遍。</p>\n<p><strong>FDE模式真正要解决的，不是“谁去现场”的问题，而是“现场的经验去了哪里”的问题。</strong></p>\n<p>判断真假FDE的标准只有一个：每次交付后，留下的是文档，还是可迁移的平台能力。</p>\n<p>Palantir是这个逻辑最极致的实践者。FDE 的工作始于传统 SaaS 交付的终点，其核心是通过 Ontology（本体论）体系，将每次现场实施中抽象出的对象、关系与动作沉淀下来。这种机制让 Palantir 避免了“每单重做”的咨询化陷阱，实现了极高的复用率。这也是其能在承担复杂交付的同时，长期维持高毛利率的关键原因。</p>\n<p>国内的路径未必相同，但底层逻辑相通。</p>\n<p><strong>吴明辉指出，大数据时代的FDE做的是数据治理，帮客户构建数据中台；AI时代的FDE要做的事情更多，协助客户的业务人员构建自己的Agent，把Agent和中台连起来，不仅share context，还要share skills、share memory。</strong></p>\n<p>以短剧行业为例，传统模式是延揽优秀人才手搓短剧，如今通过“人+Agent”模式，每个人的杠杆率都得到极大的提高。FDE不依赖专家个人的时间和精力，就能调动整个Agent团队交付。对企业而言，领域专家训练一群Agent，可以同时服务多个项目。</p>\n<p>沿着这个思路，明略科技的Agentic Service把FDE推向了具体的业务场景。</p>\n<p><strong>·小红书代运营</strong></p>\n<p>AI Agent集群覆盖从博主筛选、内容生产、投流优化到线索归因的全链路。</p>\n<p><strong>·抖音内容电商</strong></p>\n<p>Agent自动拆解爆款视频DNA，赋能高流量内容生产，实时优化投放。</p>\n<p><strong>·短剧生产</strong></p>\n<p>通过AI生成小成本快速试错，单个爆款即可覆盖整盘投入，实现数十倍收益。</p>\n<p>过程中，每个FDE能实时追踪自己负责项目的收入与资源消耗，自主评估项目健康度，确保每一笔AI投入都有清晰的产出对应。</p>\n<p><strong>这背后是三个能力层共同发挥作用：</strong></p>\n<p><strong>第一层：行业知识与数据资产。</strong>明略科技深耕企业服务领域20年，服务2100余家品牌客户及超24万家企业用户，积累的海量行业语义、业务规则和决策逻辑。面对企业客户的需求，FDE不需要从头理解ROI、归因、媒介组合，这些已经内化在平台和Agent的知识体系中，可以把精力集中在客户特有的业务问题。</p>\n<p><strong>第二层：方法论的工程化沉淀。</strong>明略科技的FDE背后有一群专业化Agent协同作战，内部已形成“人设计目标和审查、Agent执行和迭代”的工作范式。方法论已被编码进Agent，可在项目中反复调用。</p>\n<p><strong>第三层：AI基础设施。</strong>明略自主研发并开源的Agent协作平台Octo，多个不同专长的 Agent 在一个网络中互相配合、互相检查，最后提供准确的结果 。行业知识让FDE更快切入问题，方法论沉淀让解决方案可复用，AI基础设施让交付效率持续提升、成本持续下降。每一次项目交付又反过来丰富平台能力，使下一个FDE站在更高的起点上。这是FDE模式能够跨越“单点成功”、实现规模化盈利的底层条件。</p>\n<p>FDE在硅谷的翻红并非偶然，它印证了AI产业化走到今天的现实：模型够强了，缺的是把模型嵌入真实业务的那一环。</p>\n<p>从Data Intelligence Service到Agentic Services，明略科技的FDE模式正是多年积累走到今天的自然延伸。当行业开始认真讨论最后一公里的时候，恰恰说明AI终于走到了该解决真问题的阶段。</p>\n<p><a href=\"https://laohu8.com/S/02718\">$明略科技-W(02718)$</a> <a href=\"https://laohu8.com/U/20722186463466\">@爱发红包的虎妞</a></p></body></html>","text":"2026年，企业在AI上的投入还在涨，但一个尴尬的事实越来越难回避：很多钱花出去了，说不清换回了什么。 与此同时，硅谷传来一个热词：FDE（Forward Deployed Engineer）——前沿部署工程师。面对企业落地的复杂需求，OpenAI正式成立DeployCo，Anthropic深化交付布局，与多家机构组建合资服务公司，提供更深度的运营支持。 这两个信号放在一起，值得多想一步：AI落地的瓶颈如果不在模型，那到底在哪？FDE的翻红，究竟是一个概念营销，还是对某个真实问题的回应？ AI投入“不值”？问题出在哪？ 直觉上，AI项目效果不好，第一反应是模型不够强、数据不够多。但实际接触下来，大量资源其实消耗在一个更不起眼的环节上：衔接。 数据散落在多个系统且权限不通，业务流程没人能完整描述，这些工作不产生任何可见的成果，却吃掉了大部分时间和预算。更隐蔽的是项目结束之后的浪费：一次交付积累了大量Context，但没有被结构化地沉淀下来，下次遇到类似需求又从零开始。 过去十余年IT服务的老问题，被AI无限放大。 传统软件功能边界清晰，交付偏差可以用验收标准兜底。而AI的能力边界模糊，效果高度依赖上下文，同样的模型在不同企业身上的表现可能天差地别。当“衔接”的质量直接决定投入回报率时，它就不再是技术细节，而是商业问题。 明略科技创始人、CEO兼CTO吴明辉在最近一场分析师分享会上用了一个框架来解释这件事：Context Not Control。这个概念最早来自Netflix创始人哈斯廷斯的管理哲学：把充分的信息上下文授权给一线团队，让他们基于full Context自己做决策，形成集体智慧和涌现。 企业需要的正是能够带着对Context的理解深入业务一线，同时把AI能力翻译成业务语言的人。 FDE做的恰恰就是这件事。 FDE的上限，取决于平台体系 既然瓶颈在衔接，解法似乎很直接：派人到现场去。这也是很多人把FDE错误地等同于“驻场实施”的原因。 但这个类比忽略了一个关键区别：驻场的终点是验收报告，项目做完，经验留在人的脑子里，换个人、换个客户就重来一遍。 FDE模式真正要解决的，不是“谁去现场”的问题，而是“现场的经验去了哪里”的问题。 判断真假FDE的标准只有一个：每次交付后，留下的是文档，还是可迁移的平台能力。 Palantir是这个逻辑最极致的实践者。FDE 的工作始于传统 SaaS 交付的终点，其核心是通过 Ontology（本体论）体系，将每次现场实施中抽象出的对象、关系与动作沉淀下来。这种机制让 Palantir 避免了“每单重做”的咨询化陷阱，实现了极高的复用率。这也是其能在承担复杂交付的同时，长期维持高毛利率的关键原因。 国内的路径未必相同，但底层逻辑相通。 吴明辉指出，大数据时代的FDE做的是数据治理，帮客户构建数据中台；AI时代的FDE要做的事情更多，协助客户的业务人员构建自己的Agent，把Agent和中台连起来，不仅share context，还要share skills、share memory。 以短剧行业为例，传统模式是延揽优秀人才手搓短剧，如今通过“人+Agent”模式，每个人的杠杆率都得到极大的提高。FDE不依赖专家个人的时间和精力，就能调动整个Agent团队交付。对企业而言，领域专家训练一群Agent，可以同时服务多个项目。 沿着这个思路，明略科技的Agentic Service把FDE推向了具体的业务场景。 ·小红书代运营 AI Agent集群覆盖从博主筛选、内容生产、投流优化到线索归因的全链路。 ·抖音内容电商 Agent自动拆解爆款视频DNA，赋能高流量内容生产，实时优化投放。 ·短剧生产 通过AI生成小成本快速试错，单个爆款即可覆盖整盘投入，实现数十倍收益。 过程中，每个FDE能实时追踪自己负责项目的收入与资源消耗，自主评估项目健康度，确保每一笔AI投入都有清晰的产出对应。 这背后是三个能力层共同发挥作用： 第一层：行业知识与数据资产。明略科技深耕企业服务领域20年，服务2100余家品牌客户及超24万家企业用户，积累的海量行业语义、业务规则和决策逻辑。面对企业客户的需求，FDE不需要从头理解ROI、归因、媒介组合，这些已经内化在平台和Agent的知识体系中，可以把精力集中在客户特有的业务问题。 第二层：方法论的工程化沉淀。明略科技的FDE背后有一群专业化Agent协同作战，内部已形成“人设计目标和审查、Agent执行和迭代”的工作范式。方法论已被编码进Agent，可在项目中反复调用。 第三层：AI基础设施。明略自主研发并开源的Agent协作平台Octo，多个不同专长的 Agent 在一个网络中互相配合、互相检查，最后提供准确的结果 。行业知识让FDE更快切入问题，方法论沉淀让解决方案可复用，AI基础设施让交付效率持续提升、成本持续下降。每一次项目交付又反过来丰富平台能力，使下一个FDE站在更高的起点上。这是FDE模式能够跨越“单点成功”、实现规模化盈利的底层条件。 FDE在硅谷的翻红并非偶然，它印证了AI产业化走到今天的现实：模型够强了，缺的是把模型嵌入真实业务的那一环。 从Data Intelligence Service到Agentic Services，明略科技的FDE模式正是多年积累走到今天的自然延伸。当行业开始认真讨论最后一公里的时候，恰恰说明AI终于走到了该解决真问题的阶段。 $明略科技-W(02718)$ @爱发红包的虎妞","highlighted":1,"essential":1,"paper":2,"link":"https://laohu8.com/post/576137858753776","repostId":0,"isVote":1,"tweetType":1,"commentLimit":10,"symbols":["02718"],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":3853,"optionInvolvedFlag":false,"xxTargetLangEnum":"ZH_CN"},"isVote":1,"tweetType":1,"viewCount":294,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":["02718"],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":85,"optionInvolvedFlag":false,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"isCommentEnd":true,"isTiger":false,"isWeiXinMini":false,"url":"/m/post/577884219480224"}