起底第一批FDE的「生存实录」

国庆假期前，入行不久的FDE世龙，向咨询公司提了离职。这个念头，在他入职第一周就冒出来了。煎熬了许久，他最终迈出了这一步。虽然差点被这波洪流掀翻在地，但他并没有打算离开FDE这一行，还是想紧紧拽住其中的机遇。很快，他入职了第二家公司。在AI落地的风口下，旺盛的市场需求让FDE成了炙手可热的行当。但真到了落地环节，又是另一种现实：没有人说得清，AI落地到底值多少钱。有人拿下了千万级大单，有人却只拿到够买WorkBuddy账号、做数据接口改造的钱，FDE交付本身没卖上价。“需求真实存在，白嫖也真实存在。”两个月前，高峰开始创业做FDE。两个月折腾下来，最大的心得是：赚钱心累，市场一片混沌。一边是不断涌入的FDE，一边是还没形成标准的市场——第一批FDE，正在混沌中艰难求生。AI落地的荒诞现实市场的混沌，从报价就能看出来。有的FDE今年已经拒了4个需求，因为每个需求只报价3000块，所以只能用“拒单”来保护自己。“不是不想接，是接了连Token成本都覆盖不了。”但也有人愿意啃硬骨头，“哪怕倒贴钱都行”。为了尽快做出拿得出手的case，以后更好接单，他们不得不接受极不合理的预算。百万级项目，缩水成10万一线销售张阳，过去两个月谈下了一个10万预算的单子。但他原本是按百万级AI算法项目的规模来谈的，为了拿下项目，他甚至准备找一位曾在大厂操盘过大规模算法项目的专家。客户是一家跨境电商贸易公司，需求和痛点都很明确：补货预测，但这件事本身就有不小的难度。补少了会断货，补多了又会增加仓储成本，而且从生产、出关、清关到本地仓上架，整个链条要经历100多天的海运周期。随着沟通深入，张阳发现，这个看起来很适合用AI算法解决的问题，实际上还没到算法能发挥作用的阶段。他原本眼中的百万大单，根本落不了地。首先是客户认知上的偏差。对方最初的想法很简单：“把数据直接丢给AI，AI就可以全搞定了。”更麻烦的是，客户连发货数据都没理清。几十个SKU（库存量单位，如不同型号、规格的产品）混装发货，运营人员只能人工拆解、匹配，逐一确认各个SKU发了多少、有没有发全。张阳这才意识到，当务之急是回到最基础的数据治理上，解决数据匹配和统计问题。谈了四五轮后，这个原本预计达到百万级别的AI预测项目，最终只能降级。客户敲定的单子是10万元，而这笔预算，缩水到只够买10个WorkBuddy账号，再加上数据接口改造。80