> For the complete documentation index, see [llms.txt](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-shi-bu-fen-fu-wu-shang-yu-chuang-ye-pian/45-qi-ye-fu-wu-yu-fde.md).

# 第 45 章 · 企业服务与 FDE 模式

前面几部分是写给用 AI 的企业的，这一部分转向另一头：提供 AI 服务和靠 AI 创业的人。第一个变化，是企业服务这门生意本身，正在被 AI 改写。

改写的根源，是价值链在重新分配。通用的大模型正在快速商品化，底座人人可得、越来越便宜——这意味着"给客户一套软件、一个模型"本身，越来越不值钱。真正稀缺、也真正值钱的，是把这些通用能力，接到某个客户独有的业务、数据和流程上的那段功夫，也就是第 30、31 章反复说的"最后一公里"。传统那种"卖一份 license、部署完就走人"的模式，恰恰在这最后一公里上交了白卷——客户拿到一个通用系统，却接不到自己的业务上，于是买了个用不起来的摆设。

正是为了补上这一段，FDE 这种模式兴起了。它的核心，是把工程师派到客户的业务现场，和客户的业务人员一起，把 AI 一点点落进真实的流程里——不是远程交付一个标准产品，而是蹲在现场共创落地。对服务商来说，这意味着差异化的来源变了：不再是"我的模型多大、跑分多高"，而是"我多懂这个行业、多能把东西落到业务里"。卖的东西，也从"软件"，慢慢变成了"结果"和"产能"（第 17 章）。

对买服务的企业来说，这一章其实是第 30 章的另一面。选服务商，要看落地能力而不是技术参数；用服务商，目标是借外部把自己的能力建起来，而不是把核心判断永久外包出去。FDE 式的深度服务能帮企业过最后一公里，但过完之后，方法和知识要留在企业这边。

往大里看，这里还藏着一个更根本的机会。AI 让"服务"本身第一次可以规模化——一个真正懂行的服务商，配上 AI，能去服务过去因为成本太高而根本服务不起的长尾客户。过去，好的咨询、好的落地支持，只有大客户请得起；现在，同样的专业判断可以被 AI 放大，覆盖更多、更小的客户。这既是服务商的机会，也回响着第 22 章说的那件事——被放大的，始终是判断力，而不是随便什么都能规模化。

需要一句分寸：FDE 式的深度服务，成本高、难复制，蹲在一个客户现场磨，天然就慢。服务商真正的功课，是在"深度落地"和"可复制"之间找到平衡——把每一次落地里可复用的方法、组件、经验沉淀下来，让下一次更快，而不是每一单都从零开始耗人力。守不住这个平衡，深度服务就会困在"做一单赚一单、永远长不大"的瓶颈里。

## 要点速查

* 通用模型商品化（M2）："卖软件/模型"越来越不值钱，值钱的是接到客户独有业务上的"最后一公里"。
* 传统"卖 license 就走"失效于最后一公里；FDE（蹲现场共创落地）因此兴起。
* 服务商差异化：从"模型多大"转向"多懂行业、多能落地"；卖的从软件变成结果与产能（第17章）。
* AI 让服务可规模化：懂行的服务商配 AI，能覆盖过去服务不起的长尾；放大的是判断力（第22章）。
* 分寸：深度服务成本高难复制，要在"深度落地"和"可复制"间平衡，沉淀可复用的方法。

## 给管理者的三步（服务商视角）

* 现在：把差异化从"技术参数"转到"行业理解 + 落地能力"，这是通用模型商品化后唯一守得住的。
* 三个月：在一次深度落地里，刻意沉淀可复用的方法与组件，为下一单提速。
* 一年：用 AI 放大自己的专业判断，向过去服务不起的长尾客户扩展，同时守住"深度与可复制"的平衡。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-shi-bu-fen-fu-wu-shang-yu-chuang-ye-pian/45-qi-ye-fu-wu-yu-fde.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.