张帆说的第一句话就让我有点意外。
「FDE我是有一点反共识的，我个人不是特别认可这个概念。」
这是我在FDE这个主题上聊的第12位创始人。前面11位，不管叫不叫FDE这个名字，都在讲一件事：怎么把懂AI的人派到客户一线去。有的在探索规模化，有的在纠结岗位还是能力，有的在尝试内部转型。
张帆是第一个说"这条路不对"的人。
他不是凭空说的。在智谱管了三年商业化——按他自己的说法，"23年到25年，我们基本上在国内做项目做的最多的"——见过太多客户花几百万做个demo，上线即下线。见过太多企业买的是"情绪价值"：老板来时demo一下很酷，走了之后问"能上线吗"，答案是"上不了"。
所以他出来创业，第一天就决定不碰定制。
「今天FDE的定制定义，我觉得跟原来的企业做定制服务没任何区别。还是说我派人去为你的业务去进行建模。建模了之后我给你做定制开发。」
唯一的变化是AI让定制成本降了一个数量级——所以财务指标在变好。但底层问题全在：经验难复用，客户过两天可能自己干了，你永远在从零开始理解新行业。
他说了一个比喻：「在用一个发动机做了一个更高效的养马。而不是造了一辆汽车。」
FDE在他看来，是用新技术做旧模式的效率优化。不是范式变革。
那他心中的"汽车"是什么？
张帆管智谱商业化的时候，发现一个根本问题：从基础模型到业务价值，中间那条路太窄了。一个场景，三四百万，两三个高质量人才搞小半年——能花这个钱的公司极少。更致命的是，「环境变了，它不变。模型一升级，prompt有方言，框架也有方言，你可能又得一半白干了。」
出路在哪？他在去年四五月看到了DeepSeek R1的GRPO论文——「第一次让我们发现机器可以在一个模糊环境里给自己一个偏序信号，就能带来一个持续进化。」
AlphaGo Zero用3天自我对弈，超越了人类3000万棋谱。Coding用强化学习取代了GitHub数据。商业世界能不能也这样？不为知识建模（不写棋谱），让AI在自己构建的虚拟世界里自主进化？
这就是元理智能在做的事。
「我不想为知识建模，我不想写棋谱了。我能不能为商业环境构建AlphaGo Zero？」
怎么做的？他举了一个正在跑的灯塔客户——美年大健康。
美年有几百家门店，所有门店就是它的服务半径。规模越大，管理越难，"很有可能带来规模不经济"。张帆帮他们重新定义了自己：门店不再是资产，是获取行业认知的媒介。把这些认知变成AI，就可以"近乎边际成本为零的方式服务更大的人群、更长的周期、更丰富的内容"。
以前美年公司服务的对象本质上是HR——搞定HR就带来几百个人来体检，检完拜拜，没有后续。张帆说你应该从toB变成toC，从每年见一次变成每年接触20次，从卖一个产品变成卖多个产品。
以前为什么不这么干？因为成本算不过来——「原来一个人打一个电话折20块，现在AI打一个电话折3毛。」
这不是降本增效。「你并不是在原来基础上降本增效。你是把你整个商业模型变革了。」
我们聊到FDE到底是岗位还是能力。
张帆的答案更抽象。他说FDE做的事情，本质上是「把通用智能adapt连接到垂直智能上」——一边是基模的全局最优解，一边是企业的局部最优解，中间需要一个连接器。
但问题是：AI时代连接的方式变了。
「原来所有的东西都要非常显性建模……AI以前的时代叫做为确定性建模。AI时代叫做为概率性建模。」
确定性建模的世界里，你必须把混乱归拢成清晰的棋盘才能交付，所以FDE很重要。概率性建模的世界里，你丢10个文档进去，AI就能处理。你不需要先画棋谱——AI自己会在混沌里找出方向。
所以他说了一句可能让所有FDE不太舒服的话：「也许我们将来并不需要真正的咨询。如果我把企业所有的log、规章制度，或者创始人让10个员工做了100路的访谈，他可能这个东西就是我的建模。而不是现在我可能画成一张图。」
我问他怎么收费。
他说分三步走。第一步天使客户阶段，收人工费分担成本。第二步Pre-A阶段，做到70%自动、30%人工。第三步年底目标，近乎100%机器——纯token收费。
「从原来可能300万，现在可能就变成30万或者20万的token费了。」
我问他那你不就成了token二手贩子吗？他说不是，逻辑不一样。基模是刚毕业的学生，智商够高但不会干活。元理做的事是把学生训练成专业员工，收的是"培训费"——用token量计价。客户买智谱的token是10块/100万，元理加价到15块，但因为效果好，客户愿意付那5块的溢价。
「你没有我，你就是六十分，有了我变成85分，我就收这么个钱。」
我问他，出来一年最大的体会是什么。
「我们越到后面，我越觉得这件事靠谱。我越觉得这件事是AI进入企业转化的唯一解。」
但他也说了很多坑。最大的坑是「老板都不知道想要啥」——许愿式用AI：花100万想赚10个亿。还有踩坑式用AI：看几个案例就开始模仿，蒸馏员工把人都开了，第二天发现干不下去又把人家请回来。
他自己踩过最大的坑，是当CTO的时候。有人告诉他"某个数据分析平台两周就能开发出来，自己写一个就行"。「我说这因为你不懂。你不懂的原因是因为，你把它做一个demo和你做一个真实的业务链路，这件事的难度是totally不一样的。」
所以他现在有一个判断标准：「到底大家把AI当成是个业务问题，还是个技术问题？业务问题的逻辑是算账。技术问题不是算账，是尊严。」
临结束，我问他有什么建议给那些想转型AI的组织。
他说了两条。
第一，「一号位的认知决定天花板，这个事委托不出去。如果你一号位不愿意花时间，是没有人做好的。」因为企业原有的体系都是以旧目标作为验证器的——确定不确定、有没有风险、会不会出幻觉——所有新生事物都会被打压掉。
第二，别纠结名字。「今天有移动原生的公司吗？每个时代都出现了一堆故事。但是今天哪个公司？不影响。大家要剥离这些概念，要看本质。」
「不是说我们今天用Token多，我就叫AI原生。不是说我今天把名改成FDE才叫原生。本质上还是看第一性。这件事的难度总比模仿要难。所以大家更加选择容易的事，给自己一些看起来好像成功的状态，来满足自己的情绪价值。」
我问他觉得自己在造什么。
他说：「我今天是个大学。」
12位创始人。11位在讲怎么在前线打仗。1位在讲，也许仗本身就不该这么打。