模型越来越强，AI创业反而越来越难：未来3—5年，真正值钱的是什么？
本文探讨了2026年AI创业面临的挑战与机遇。作者认为，随着模型能力增强和成本下降，应用层最稀缺的不再是智能本身，而是验证结果、权限体系、业务闭环和责任承担。文章提出未来3-5年将出现五个结构性变化，包括Agent成为软件运行方式、SaaS分层、基础设施重要性提升等，并建议创业者在行动前回答七个关键问题。
相关文档
和深圳一位服务过四五十家企业的FDE从业者深度对谈：FDE行业的真实面貌是什么？
作者与一位深圳的企业AI落地创业者深度对话，探讨FDE（前线部署工程师）行业的真实面貌。该团队已服务四五十家企业，以跨境电商客户为主。文章指出企业AI应用需求兴起，但通用Agent越强，单纯开发Agent的价值越需重新评估；企业需求难以标准化，但方法论可以沉淀。落地难点包括运维负担重、企业数据基础薄弱、内部组织阻力大、验收标准难对齐。FDE服务往往走向长期合作，从业者需筛选客户、区分短期功能与长期合作，用培训和咨询补充现金流。
判断，环境，与无限迭代
文章探讨了AI Agent创业中套壳产品的价值与生存之道。作者提出Agent能力由模型水平、指令、记忆和工具组成，套壳的意义在于通过优化后三者构建「逃逸速度」，在下一代模型到来前保持领先。文章强调两类关键判断：方向判断（基于第一性原理，如移动办公趋势）和迭代判断（通过专家知识优化上下文工程）。作者以自身产品NewMax为例，阐述Dogfood理念，通过全方位使用产品发现边界与问题，并优先解决基建卡点，让产品进入低成本高效迭代的正向循环，实现无限迭代与自动化GTM。
#03 - 手机就是那台电脑：终端厂商的个人智能体
「谁在定义个人智能体」系列第三篇，聚焦终端厂商对个人智能体的定义。文章首先梳理三份底层文件：联想与IDC的个人AI白皮书、IDC与高通的行动式AI白皮书、以及国家级AI终端智能化分级标准。随后逐一分析联想天禧、华为小艺、荣耀YOYO Harness与AgenticOS、vivo蓝心Harness、OPPO个性化主动智能、小米家庭智能和三星多智能体生态的路线差异。下篇总结模型厂商与手机厂商的五种合作方式：外接模型、模型主导体验、模型自造手机、模型开源和全栈自研。最后提炼终端派的五个共同点：智能体是系统层而非App、核心是调度、强调主动、端侧优先保护数据主权、以Harness为核心框架。
不是PPT大赛，是12个FDE项目案例拆解
作者复盘2026 AI先锋未来人才大赛全国总决赛的12个FDE（前沿部署工程师）项目，涵盖化工调度、编程教育、低空安防、供应链、雅思诊断、AI短剧、乐园服务、3D打印、家电售后、汽车维修、内容营销和招投标等领域。文章逐一拆解各项目的实现方式与业务价值，并总结三点观察：多数场景不需要垂类模型，业务理解是AI应用的关键门槛，能演示与创造商业价值之间仍有距离。作者认为FDE代表AI时代正在形成的具体工作方式，非计算机背景者也能借AI解决真实行业问题。
众人拾柴火焰高：实体企业上 Agent，用一流模型，选二流方案
这篇文章面向不懂技术的中小企业老板，从甲方视角探讨企业如何持续吃到 AI 模型升级的红利。作者提出'上下文'与'闭环'两个核心概念：代码世界因信息现成、对错反馈快而最先被 AI 攻克，实体企业则需要主动生产上下文和闭环。作者建议企业先建立品味，把关键业务信息用飞书多维表格记录，实现人和 Agent 共用；老板应亲自下场把 Agent 当联席 CEO；新公司可追求围绕 Agent 重构组织的一流解，老公司宜在存量架构上小步调整、从增量业务入手的二流解，最终把公司变成'模型越强，自己越受益'的组织。
FDE 实战｜我给爸妈的物流公司做 AI 落地
作者以 FDE（前线部署工程师）身份，为父母经营的 4 人小物流公司做 AI 落地。文章完整记录了从商机发现、需求调研、方案设计到落地交付的全过程：梳理藏在家人脑中的隐性业务规则，识别手写车号、多系统操作等数据与技术难题，并按风险高低分三阶段推进——先做信息核对，再尝试报车，资金类操作保留人工审核。最终用腾讯 WorkBuddy 将小时级工作缩短到一分钟。复盘指出 AI 落地真正的难点在于：小公司数字化基础薄弱、隐性规则多、交付需手把手教学、信任建立难，以及成本收益难以平衡。技术终要为人服务。
掌控AI·FDE实战 01｜万字实操SOP：搭建本地自动内容交付流水线
文章提出企业AI落地的核心卡点不是提示词，而是大模型无法进入本地业务流。作者以FDE（前线部署工程师）视角，提出'数字员工管理思维'，总结本地交付四大支柱（工位、规则、原料、连接器），并以WorkBuddy为载体，手把手演示搭建公众号自动内容交付流水线的完整SOP：安装绑定本地文件夹、采访式制作账号定位卡、选题灵感细化与竞对爆款监控入库、技能挂载与MCP连接器配置、工业化成稿与质检、微信草稿箱定时推送，最终走向企业级FDE交付与商业变现闭环。
多数公司不该照搬 FDE，但都得理解现场｜理解 FDE
文章通过企业软件交付案例，解析了 FDE（前线部署工程师）模式的核心逻辑。功能做出来、模型能回答后，交付现场仍剩三层工作：必须沉淀进核心产品的通用处理能力、用插件和配置承接的客户适配逻辑、以及必须由业务人员当面确认的业务含义与边界。作者指出，在 AI 落地中还需验证系统在真实场景是否按规则行动。完整的 FDE 模式需同时满足高客单价、共同探索心态与平台纪律三个条件，多数团队应理解现场深度，而非盲目照搬驻场模式。
FDE-Gym 论文解读：AI 能否胜任 Forward Deployed Engineer 工作
文章解读了一篇关于 FDE（Forward Deployed Engineer）的论文《FDE-Gym》。该论文将真实企业项目改造成覆盖金融、医疗、制造、能源等 18 个行业的 95 个任务，评测 AI Agent 承担真实企业交付工作的能力。Agent 仅获得客户最初的一句话需求，需自行读文档、查系统、确认信息并判断客户真正的问题。评分不仅要求完成需求，还要求交付系统真正改善业务指标，乱找人、反复试错都会产生成本。结果显示最强模型平均得分仅 0.56，95 个任务中仅真正解决 14 个，最大瓶颈在于未写入需求的业务规则、隐性约束以及客户未表达清楚的问题。文章指出 FDE 的难点在于在信息不完整、需求模糊的环境里判断该解决什么并真正交付。
FDE必备：一文让你学会传统行业如何进行 AI 技术性改造
文章面向 FDE（前沿部署工程师），系统讲解传统企业进行 AI 改造的技术架构。作者梳理了 Model、Agent、Skill、MCP、CLI 五大概念的分层关系与职责，并以请假查询为例展示一次工具调用的完整链路。针对 OA、PLM、MES 等存量老系统，提出三级改造路径：API 封装（首选）、CLI 包装（次选）、RPA 兜底（过渡），并强调凭证透传、审计底账和人机协同确认等安全机制。最后结合整车制造请假系统与商用车 PLM 客户端两个案例说明落地方式，给出从资产盘点、协议标准化到审计闭环的实施步骤。
Everything I Consume to Build an AI-Native Company
作者分享了打造七位数营收 AI 原生公司 Hourglass 过程中消费的所有媒体资源与内容管理系统。文章引用 Paul Graham 的知识分形边缘理论，指出 AI 前沿充满机会缺口，并按主题推荐内容：创业（Paul Graham、Tim Ferriss）、经营 AI 原生公司（Maister、红杉、Every）、跟进 AI 动态（Twitter、All-In Podcast、AI 2027）以及保持人性的虚构文学阅读。作者还介绍了名为 Consume 的系统：用 Apple Shortcut 收集内容存入数据库，每周由 Claude 自动分类处理，将 Karpathy 的 LLM Wiki、Hamel Husain 的 Eval 思想等素材转化为公司实践与产品。
Consumer AI 创业，终于走到了起点
文章回顾了从大模型、Copilot 到 Agent 的三轮 AI 创业浪潮，指出当前消费端 AI 产品超八成依赖卖 token 的模式，导致创业者陷入内卷、缺乏壁垒与利润。作者引用 a16z 报告指出真实用户渗透率仍低，类比互联网从连接付费演化为注意力经济的历史，提出 AI 时代将从卖订阅走向'意图经济'——当 AI 打破能力不对称，稀缺的意图将成为价值流动的载体。作者认为消费 AI 行业刚走到真正的起点，鼓励迷茫的创业者坚持下去。
