王五仕
09-28
AI应用层的故事还没完，明略在GEO和Agentic AI这块是有积累，这地步了，也不差再扛一两个月
$明略科技-W(02718)$
@风雪财评：
Palantir跑通的FDE模式，正在中国找到新的验证者
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。
分享至
微信
复制链接
精彩评论
我们需要你的真知灼见来填补这片空白
打开APP，发表看法
APP内打开
发表看法
{"i18n":{"language":"zh_CN"},"detailType":1,"isChannel":false,"data":{"magic":2,"id":612637047726248,"tweetId":"612637047726248","gmtCreate":1790577130270,"gmtModify":1790577132791,"author":{"id":4232514960896280,"idStr":"4232514960896280","authorId":4232514960896280,"authorIdStr":"4232514960896280","name":"王五仕","avatar":"https://static.tigerbbs.com/e3a9fb7016e010d309e1b761f8fec532","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"wearingBadges":[],"fanSize":16,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"title":"","html":"<html><head></head><body>AI应用层的故事还没完，明略在GEO和Agentic AI这块是有积累，这地步了，也不差再扛一两个月<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>AI应用层的故事还没完，明略在GEO和Agentic AI这块是有积累，这地步了，也不差再扛一两个月<a target=\"_blank\" href=\"https://laohu8.com/S/02718\">$明略科技-W(02718)$ </a>\n<br></body></html>","text":"AI应用层的故事还没完，明略在GEO和Agentic AI这块是有积累，这地步了，也不差再扛一两个月$明略科技-W(02718)$","highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/612637047726248","repostId":608978795074864,"repostType":1,"repost":{"magic":2,"id":608978795074864,"tweetId":"608978795074864","gmtCreate":1789703226007,"gmtModify":1789703737114,"author":{"id":4248492684222290,"idStr":"4248492684222290","authorId":4248492684222290,"authorIdStr":"4248492684222290","name":"风雪财评","avatar":"https://static.tigerbbs.com/e0ba86bd42823235ba90ec12c477e3e0","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"wearingBadges":[],"fanSize":0,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"title":"Palantir跑通的FDE模式，正在中国找到新的验证者","html":"<html><head></head><body><p>Palantir的2026年二季报再次让华尔街沸腾：美国商业收入同比增长149%，全年营收指引上调至81.5亿美元，市值一度突破3700亿美元。资本市场给出的共识越来越清晰——推动这家公司从数据分析商蜕变为AI基础设施巨头的，是一套被称为FDE（Forward Deployed Engineer，前沿部署工程师）的交付模式。</p>\n<p style=\"text-align: justify;\">FDE的核心逻辑并不复杂：将既懂技术又懂业务的工程师前置部署到客户现场，深入理解业务需求后，用平台工具构建定制化解决方案，并在交付中持续迭代。这套模式让Palantir打通了\"AI能力—项目落地—产品化沉淀\"的价值闭环，也被越来越多的行业观察者视为Agent时代企业级AI落地的范式。</p>\n<p style=\"text-align: justify;\">在硅谷，FDE已经从Palantir的\"独家秘方\"变成了创业圈的标配。据YC统计，目前有超过100家YC初创公司在招聘FDE岗位，而三年前这个数字还是零。FDE岗位薪资普遍达到35万美元以上，岗位增速超过800%。</p>\n<p style=\"text-align: justify;\">一个自然的问题随之浮现：这套在美国已经被充分验证的模式，能否在中国市场跑通？</p>\n<p style=\"text-align: justify;\"><strong>中国企业AI落地的\"交付困境\"</strong></p>\n<p style=\"text-align: justify;\">这个问题之所以重要，是因为中国企业在AI落地过程中面临的核心挑战，恰恰是FDE模式所针对的痛点。</p>\n<p style=\"text-align: justify;\">过去两年，大模型技术在中国快速普及，但企业端的应用渗透率远低于预期。问题不在于技术供给不足，而在于\"最后一公里\"的交付能力缺失。大多数企业面对AI，面临的是\"谁来帮我把AI用到具体业务里\"的问题——谁来理解我的业务流程，谁来拆解我的需求，谁来构建能在真实环境中持续运行的Agent，谁来确保交付质量可衡量。</p>\n<p style=\"text-align: justify;\">传统的IT外包模式难以胜任这一角色。外包团队擅长按需求文档执行开发，但AI应用的特殊性在于，需求本身往往是模糊的，需要在业务现场反复探索才能明确。标准化SaaS产品同样难以覆盖企业千差万别的场景需求。市场需要一种新的交付范式——而Palantir用十余年时间证明了FDE就是这个答案。</p>\n<p style=\"text-align: justify;\"><strong>明略科技：三年内部验证，数据初步跑通</strong></p>\n<p style=\"text-align: justify;\">在中国，最早系统性实践FDE模式的企业之一是明略科技（2718.HK）。</p>\n<p style=\"text-align: justify;\">与Palantir的路径相似，明略科技的FDE体系同样起步于内部实践。三年前，明略开始在自身组织中推进AI Native转型，从统一提供AI工具，到将业务数据和专业方法接入Agent的任务执行过程，再到通过人与Agent协同探索跨岗位的新型工作方式。这些发生在真实业务中的实践，为FDE能力培养提供了具体场景和迭代反馈。</p>\n<p style=\"text-align: justify;\">三年间，明略科技累计开展FDE及AI Native组织相关培训近200场，内部已培养出100余名FDE员工。公司还建立了一套围绕真实业务任务的考核体系，通过实操检验员工的业务分析、方案设计、Agent构建和持续运行能力。近期，明略组织了一场\"用AI考AI\"的内部考试——要求员工在三天内为一个陌生的GitHub项目搭建可用的Agent，并接受考官Agent的现场检验和追问，将业务理解与交付能力放在同一次考核中。</p>\n<p style=\"text-align: justify;\">支撑这套体系运行的底座是Octo——明略科技自研的开源Agent协作网络。这个平台将分散的工作平台、Agent和员工连接起来共同完成任务，目前内部已有超过2100名员工与5900个Agent通过Octo开展协作。平台开源并支持私有化部署，让数据主权和协作主体回归用户与组织。</p>\n<p style=\"text-align: justify;\">从财务数据来看，明略科技的FDE模式正在进入放量阶段。公司Agentic Service板块2025年全年收入1亿元，2026年上半年达到1.71亿元，同比增长605.7%，占总收入的22.5%，半年收入已超过上年全年。这一增速虽然建立在较小的基数上，但趋势本身具有信号意义——它初步验证了\"AI底座+FDE驻场交付\"模式在中国市场的可规模化复制性。</p>\n<p style=\"text-align: justify;\"><strong>从Palantir到明略：模式相似，路径有别</strong></p>\n<p style=\"text-align: justify;\">将明略科技与Palantir直接类比显然并不完全恰当——两家公司在体量、市场环境和客户结构上存在显著差异。但从模式逻辑来看，二者的内核高度一致：以平台为底座、以驻场工程师为触点、以业务场景为锚点，在交付中迭代产品，在实践中沉淀方法论。</p>\n<p style=\"text-align: justify;\">Palantir的经验表明，FDE模式的护城河不在于单个项目的交付能力，而在于方法论、人才体系和技术平台的三角协同。明略科技正在沿着类似的路径构筑壁垒：Octo平台提供AI原生底座，FDE方法论经过三年打磨逐步体系化，100余人的FDE队伍加上普联软件2800余名工程师的加入，构成了规模化交付的人才储备。目前，明略的FDE与AI Native组织培训服务已覆盖互联网、制造业、金融、高校、软件、通信、医药、餐饮、能源、传媒、营销等广泛行业，并正与多家大型企业推进合作落地。</p>\n<p style=\"text-align: justify;\">值得注意的是中国市场的一些独特优势。中国拥有全球最丰富的企业级应用场景和最庞大的工程师队伍，FDE模式在中国的规模化潜力不容低估。明略科技近期将FDE服务的触达范围进一步延伸至大型企业办公软件底层变革及更广泛的业务系统场景，以全场景赋能打开高粘性、高客单价的增量空间。</p>\n<p style=\"text-align: justify;\"><strong>FDE模式在中国：从验证期走向放量期</strong></p>\n<p style=\"text-align: justify;\">如果说Palantir用十余年时间在美国证明了FDE是企业级AI落地的有效范式，那么这一模式在中国的验证正在加速进行。明略科技的实践提供了一个值得关注的样本：从内部组织转型起步，在真实业务中积累方法和人才，再系统性地向外输出服务能力，用财务数据初步验证模式的可行性。</p>\n<p style=\"text-align: justify;\">当然，FDE模式在中国市场的规模化仍面临诸多挑战——企业付费意愿、人才供给效率、跨行业方法论的适配性，都是需要持续回答的问题。但从Palantir的轨迹来看，FDE模式一旦过了验证期的拐点，往往会展现出强劲的非线性增长。</p>\n<p style=\"text-align: justify;\">对于关注中国AI应用落地进程的投资者和行业观察者而言，FDE模式在中国能否复现Palantir式的增长曲线，或许是未来一到两年最值得追踪的产业命题之一。而明略科技，正站在这个命题的前沿。</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>Palantir的2026年二季报再次让华尔街沸腾：美国商业收入同比增长149%，全年营收指引上调至81.5亿美元，市值一度突破3700亿美元。资本市场给出的共识越来越清晰——推动这家公司从数据分析商蜕变为AI基础设施巨头的，是一套被称为FDE（Forward Deployed Engineer，前沿部署工程师）的交付模式。</p>\n<p style=\"text-align: justify;\">FDE的核心逻辑并不复杂：将既懂技术又懂业务的工程师前置部署到客户现场，深入理解业务需求后，用平台工具构建定制化解决方案，并在交付中持续迭代。这套模式让Palantir打通了\"AI能力—项目落地—产品化沉淀\"的价值闭环，也被越来越多的行业观察者视为Agent时代企业级AI落地的范式。</p>\n<p style=\"text-align: justify;\">在硅谷，FDE已经从Palantir的\"独家秘方\"变成了创业圈的标配。据YC统计，目前有超过100家YC初创公司在招聘FDE岗位，而三年前这个数字还是零。FDE岗位薪资普遍达到35万美元以上，岗位增速超过800%。</p>\n<p style=\"text-align: justify;\">一个自然的问题随之浮现：这套在美国已经被充分验证的模式，能否在中国市场跑通？</p>\n<p style=\"text-align: justify;\"><strong>中国企业AI落地的\"交付困境\"</strong></p>\n<p style=\"text-align: justify;\">这个问题之所以重要，是因为中国企业在AI落地过程中面临的核心挑战，恰恰是FDE模式所针对的痛点。</p>\n<p style=\"text-align: justify;\">过去两年，大模型技术在中国快速普及，但企业端的应用渗透率远低于预期。问题不在于技术供给不足，而在于\"最后一公里\"的交付能力缺失。大多数企业面对AI，面临的是\"谁来帮我把AI用到具体业务里\"的问题——谁来理解我的业务流程，谁来拆解我的需求，谁来构建能在真实环境中持续运行的Agent，谁来确保交付质量可衡量。</p>\n<p style=\"text-align: justify;\">传统的IT外包模式难以胜任这一角色。外包团队擅长按需求文档执行开发，但AI应用的特殊性在于，需求本身往往是模糊的，需要在业务现场反复探索才能明确。标准化SaaS产品同样难以覆盖企业千差万别的场景需求。市场需要一种新的交付范式——而Palantir用十余年时间证明了FDE就是这个答案。</p>\n<p style=\"text-align: justify;\"><strong>明略科技：三年内部验证，数据初步跑通</strong></p>\n<p style=\"text-align: justify;\">在中国，最早系统性实践FDE模式的企业之一是明略科技（2718.HK）。</p>\n<p style=\"text-align: justify;\">与Palantir的路径相似，明略科技的FDE体系同样起步于内部实践。三年前，明略开始在自身组织中推进AI Native转型，从统一提供AI工具，到将业务数据和专业方法接入Agent的任务执行过程，再到通过人与Agent协同探索跨岗位的新型工作方式。这些发生在真实业务中的实践，为FDE能力培养提供了具体场景和迭代反馈。</p>\n<p style=\"text-align: justify;\">三年间，明略科技累计开展FDE及AI Native组织相关培训近200场，内部已培养出100余名FDE员工。公司还建立了一套围绕真实业务任务的考核体系，通过实操检验员工的业务分析、方案设计、Agent构建和持续运行能力。近期，明略组织了一场\"用AI考AI\"的内部考试——要求员工在三天内为一个陌生的GitHub项目搭建可用的Agent，并接受考官Agent的现场检验和追问，将业务理解与交付能力放在同一次考核中。</p>\n<p style=\"text-align: justify;\">支撑这套体系运行的底座是Octo——明略科技自研的开源Agent协作网络。这个平台将分散的工作平台、Agent和员工连接起来共同完成任务，目前内部已有超过2100名员工与5900个Agent通过Octo开展协作。平台开源并支持私有化部署，让数据主权和协作主体回归用户与组织。</p>\n<p style=\"text-align: justify;\">从财务数据来看，明略科技的FDE模式正在进入放量阶段。公司Agentic Service板块2025年全年收入1亿元，2026年上半年达到1.71亿元，同比增长605.7%，占总收入的22.5%，半年收入已超过上年全年。这一增速虽然建立在较小的基数上，但趋势本身具有信号意义——它初步验证了\"AI底座+FDE驻场交付\"模式在中国市场的可规模化复制性。</p>\n<p style=\"text-align: justify;\"><strong>从Palantir到明略：模式相似，路径有别</strong></p>\n<p style=\"text-align: justify;\">将明略科技与Palantir直接类比显然并不完全恰当——两家公司在体量、市场环境和客户结构上存在显著差异。但从模式逻辑来看，二者的内核高度一致：以平台为底座、以驻场工程师为触点、以业务场景为锚点，在交付中迭代产品，在实践中沉淀方法论。</p>\n<p style=\"text-align: justify;\">Palantir的经验表明，FDE模式的护城河不在于单个项目的交付能力，而在于方法论、人才体系和技术平台的三角协同。明略科技正在沿着类似的路径构筑壁垒：Octo平台提供AI原生底座，FDE方法论经过三年打磨逐步体系化，100余人的FDE队伍加上普联软件2800余名工程师的加入，构成了规模化交付的人才储备。目前，明略的FDE与AI Native组织培训服务已覆盖互联网、制造业、金融、高校、软件、通信、医药、餐饮、能源、传媒、营销等广泛行业，并正与多家大型企业推进合作落地。</p>\n<p style=\"text-align: justify;\">值得注意的是中国市场的一些独特优势。中国拥有全球最丰富的企业级应用场景和最庞大的工程师队伍，FDE模式在中国的规模化潜力不容低估。明略科技近期将FDE服务的触达范围进一步延伸至大型企业办公软件底层变革及更广泛的业务系统场景，以全场景赋能打开高粘性、高客单价的增量空间。</p>\n<p style=\"text-align: justify;\"><strong>FDE模式在中国：从验证期走向放量期</strong></p>\n<p style=\"text-align: justify;\">如果说Palantir用十余年时间在美国证明了FDE是企业级AI落地的有效范式，那么这一模式在中国的验证正在加速进行。明略科技的实践提供了一个值得关注的样本：从内部组织转型起步，在真实业务中积累方法和人才，再系统性地向外输出服务能力，用财务数据初步验证模式的可行性。</p>\n<p style=\"text-align: justify;\">当然，FDE模式在中国市场的规模化仍面临诸多挑战——企业付费意愿、人才供给效率、跨行业方法论的适配性，都是需要持续回答的问题。但从Palantir的轨迹来看，FDE模式一旦过了验证期的拐点，往往会展现出强劲的非线性增长。</p>\n<p style=\"text-align: justify;\">对于关注中国AI应用落地进程的投资者和行业观察者而言，FDE模式在中国能否复现Palantir式的增长曲线，或许是未来一到两年最值得追踪的产业命题之一。而明略科技，正站在这个命题的前沿。</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":"Palantir的2026年二季报再次让华尔街沸腾：美国商业收入同比增长149%，全年营收指引上调至81.5亿美元，市值一度突破3700亿美元。资本市场给出的共识越来越清晰——推动这家公司从数据分析商蜕变为AI基础设施巨头的，是一套被称为FDE（Forward Deployed Engineer，前沿部署工程师）的交付模式。 FDE的核心逻辑并不复杂：将既懂技术又懂业务的工程师前置部署到客户现场，深入理解业务需求后，用平台工具构建定制化解决方案，并在交付中持续迭代。这套模式让Palantir打通了\"AI能力—项目落地—产品化沉淀\"的价值闭环，也被越来越多的行业观察者视为Agent时代企业级AI落地的范式。 在硅谷，FDE已经从Palantir的\"独家秘方\"变成了创业圈的标配。据YC统计，目前有超过100家YC初创公司在招聘FDE岗位，而三年前这个数字还是零。FDE岗位薪资普遍达到35万美元以上，岗位增速超过800%。 一个自然的问题随之浮现：这套在美国已经被充分验证的模式，能否在中国市场跑通？ 中国企业AI落地的\"交付困境\" 这个问题之所以重要，是因为中国企业在AI落地过程中面临的核心挑战，恰恰是FDE模式所针对的痛点。 过去两年，大模型技术在中国快速普及，但企业端的应用渗透率远低于预期。问题不在于技术供给不足，而在于\"最后一公里\"的交付能力缺失。大多数企业面对AI，面临的是\"谁来帮我把AI用到具体业务里\"的问题——谁来理解我的业务流程，谁来拆解我的需求，谁来构建能在真实环境中持续运行的Agent，谁来确保交付质量可衡量。 传统的IT外包模式难以胜任这一角色。外包团队擅长按需求文档执行开发，但AI应用的特殊性在于，需求本身往往是模糊的，需要在业务现场反复探索才能明确。标准化SaaS产品同样难以覆盖企业千差万别的场景需求。市场需要一种新的交付范式——而Palantir用十余年时间证明了FDE就是这个答案。 明略科技：三年内部验证，数据初步跑通 在中国，最早系统性实践FDE模式的企业之一是明略科技（2718.HK）。 与Palantir的路径相似，明略科技的FDE体系同样起步于内部实践。三年前，明略开始在自身组织中推进AI Native转型，从统一提供AI工具，到将业务数据和专业方法接入Agent的任务执行过程，再到通过人与Agent协同探索跨岗位的新型工作方式。这些发生在真实业务中的实践，为FDE能力培养提供了具体场景和迭代反馈。 三年间，明略科技累计开展FDE及AI Native组织相关培训近200场，内部已培养出100余名FDE员工。公司还建立了一套围绕真实业务任务的考核体系，通过实操检验员工的业务分析、方案设计、Agent构建和持续运行能力。近期，明略组织了一场\"用AI考AI\"的内部考试——要求员工在三天内为一个陌生的GitHub项目搭建可用的Agent，并接受考官Agent的现场检验和追问，将业务理解与交付能力放在同一次考核中。 支撑这套体系运行的底座是Octo——明略科技自研的开源Agent协作网络。这个平台将分散的工作平台、Agent和员工连接起来共同完成任务，目前内部已有超过2100名员工与5900个Agent通过Octo开展协作。平台开源并支持私有化部署，让数据主权和协作主体回归用户与组织。 从财务数据来看，明略科技的FDE模式正在进入放量阶段。公司Agentic Service板块2025年全年收入1亿元，2026年上半年达到1.71亿元，同比增长605.7%，占总收入的22.5%，半年收入已超过上年全年。这一增速虽然建立在较小的基数上，但趋势本身具有信号意义——它初步验证了\"AI底座+FDE驻场交付\"模式在中国市场的可规模化复制性。 从Palantir到明略：模式相似，路径有别 将明略科技与Palantir直接类比显然并不完全恰当——两家公司在体量、市场环境和客户结构上存在显著差异。但从模式逻辑来看，二者的内核高度一致：以平台为底座、以驻场工程师为触点、以业务场景为锚点，在交付中迭代产品，在实践中沉淀方法论。 Palantir的经验表明，FDE模式的护城河不在于单个项目的交付能力，而在于方法论、人才体系和技术平台的三角协同。明略科技正在沿着类似的路径构筑壁垒：Octo平台提供AI原生底座，FDE方法论经过三年打磨逐步体系化，100余人的FDE队伍加上普联软件2800余名工程师的加入，构成了规模化交付的人才储备。目前，明略的FDE与AI Native组织培训服务已覆盖互联网、制造业、金融、高校、软件、通信、医药、餐饮、能源、传媒、营销等广泛行业，并正与多家大型企业推进合作落地。 值得注意的是中国市场的一些独特优势。中国拥有全球最丰富的企业级应用场景和最庞大的工程师队伍，FDE模式在中国的规模化潜力不容低估。明略科技近期将FDE服务的触达范围进一步延伸至大型企业办公软件底层变革及更广泛的业务系统场景，以全场景赋能打开高粘性、高客单价的增量空间。 FDE模式在中国：从验证期走向放量期 如果说Palantir用十余年时间在美国证明了FDE是企业级AI落地的有效范式，那么这一模式在中国的验证正在加速进行。明略科技的实践提供了一个值得关注的样本：从内部组织转型起步，在真实业务中积累方法和人才，再系统性地向外输出服务能力，用财务数据初步验证模式的可行性。 当然，FDE模式在中国市场的规模化仍面临诸多挑战——企业付费意愿、人才供给效率、跨行业方法论的适配性，都是需要持续回答的问题。但从Palantir的轨迹来看，FDE模式一旦过了验证期的拐点，往往会展现出强劲的非线性增长。 对于关注中国AI应用落地进程的投资者和行业观察者而言，FDE模式在中国能否复现Palantir式的增长曲线，或许是未来一到两年最值得追踪的产业命题之一。而明略科技，正站在这个命题的前沿。 $明略科技-W(02718)$ @爱发红包的虎妞","highlighted":1,"essential":1,"paper":2,"link":"https://laohu8.com/post/608978795074864","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":4241,"optionInvolvedFlag":false,"subscribersOnly":false,"subscribersOnlyAccessible":false,"xxTargetLangEnum":"ZH_CN"},"isVote":1,"tweetType":1,"viewCount":304,"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":100,"optionInvolvedFlag":false,"subscribersOnly":false,"subscribersOnlyAccessible":false,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"isCommentEnd":true,"isTiger":false,"isWeiXinMini":false,"url":"/m/post/612637047726248"}
精彩评论