Palantir 和 OpenAI 都在抢的 FDE，靠这 7 步摸清任何一个陌生行业

上周一位老朋友转岗去做企业服务，深夜发来一条消息：两周后要给客户出方案，但他对那个行业一无所知，收藏了几十份研报，越看越乱。

我问他：你打算怎么开始？

他说：先把报告都读完。

这就是大多数人对付陌生行业的方式——堆信息，然后急着得出"这个行业值不值得做"的结论。而有一类工程师，工作内容就是不断地闯进陌生行业，一周内从零建立判断。这个岗位有个专门的名字：FDE（Forward Deployed Engineer，前置部署工程师）。

Palantir 靠这个角色起家，OpenAI 在 2025 年把它写进了招聘清单，开出行业顶级薪酬——因为 AI 落地的最后一段路，必须有人蹲在客户现场。

FDE 和普通调研者最大的差别，不在知识量，而在动作顺序。

他们坚信一件事：调研的目标不是急于下结论，而是问对问题。

把一个陌生行业想成一份没有文档的遗留系统：你不能靠猜，只能先画拓扑、再逐层打日志、最后带着假设去验证。FDE 的 7 步调研法，就是这套流程的行业版。

01

定边界：先划掉 80% 的无效调研

新手调研的死法很一致：范围无限膨胀。"研究一下新能源"，三个月也收不了口。

FDE 动手前先锁四件套：目的、地区与时间、细分范围、核心问题。本质是先划出"这次调研不覆盖什么"。

"研究新能源行业"不是问题。"2026 年华南工商业储能集成商的获客成本结构"才是。前者是一张地图，后者是一个可以回答的坐标点——跟 debug 前先确定复现条件是一个道理，没有边界的排查只会烧时间。

02

画全景：先画拓扑，再看数据流

任何行业的交易结构，都可以抽象成一条链：供应方 → 服务商 → 渠道 → 购买者 → 使用者。把链上每一环画出来，再叠加三条流——产品流、资金流、信息流，行业的基本盘就有了。

这一步最值钱的发现，往往是购买者和使用者的分离：SaaS 付费的是老板，天天骂产品的是员工；医药付钱的是医保，用药的是患者。裂缝在哪里，机会和坑就在哪里。

三个问题过一遍这张图：钱从哪来？货往哪去？信息攥在谁手里？答不上来的那一环，就是下一步的突破口。

03

看阶段：需求存在 ≠ 付费意愿存在

画完静态图，接下来判断行业处在生命周期的哪一段。三个判据：需求（真伪与强弱）、付费与使用（谁在真金白银掏钱）、竞争与替代（对手明暗两条线）。

最容易踩的坑，是把"需求存在"当成"付费意愿存在"。用户说"很需要"是访谈里最廉价的数据，账单才是硬通货。

另一个反直觉点：打垮你的往往不是同行，是替代品。方便面的下滑曲线，和外卖的增长曲线是同一条。证据不足的阶段判断，老老实实标注"待判断"——带着错误假设走完全程，代价最大。

04

拆生意：外行看流水，内行看单元经济

这一步是全篇技术含量最高的拆解：单元经济模型（Unit Economics）。别看行业总盘子，先把一笔典型订单摊开。

▲ 把一笔 1000 元的订单拆到每一层（数字为示意）

净收入减变动成本得毛利，毛利减固定成本摊销得净利润。5% 的净利率意味着什么？订单结构稍微波动、上游原材料涨 3 个点、客户账期再拖 30 天，这门生意就从微利变亏损。

算完账还要追加两问：交付约束（产能、账期、履约半径卡在哪儿）和议价能力（链上五类角色，谁攥着定价权）。利润表只是结果，议价结构才是原因。

外行看规模和流水，内行看单元经济——一个订单赚不赚钱，比一百页 PPT 都诚实。

05

核证据：给每条信息标置信度

调研两周后，你手里会有几十条"结论"。FDE 的做法不是把它们排成一列，而是逐条追问五个字段：结论是什么 → 依据是什么 → 适用范围在哪 → 状态是确认还是传闻 → 缺口是什么。

再给每条信息盖一个置信度章，从高到低四级：

① 事实——亲手查到的账目、跑过的现场；② 来源自述——访谈对象、研报的转述；③ 推断——你自己的逻辑外推；④ 待确认——还没找到出处的传闻。

熟悉后端的同学一眼就能认出来：这就是给数据打日志分级。"行业规模 500 亿"大概率是②级来源自述，往上追一手出处、往下核对分项加总，才敢放进决策。

没有置信度标注的信息堆得再多，也只是看起来知道。

06

落到客户：把"我不懂"改写成可回答的问题

前五步产出的仍是框架。第六步才是 FDE 的灵魂动作：把每一个"未知"改写成具体问题，然后带着它去见客户。

"我对这个行业的渠道不太了解"——这不是问题，没人能回答。"一家 200 人的经销商，为什么愿意为你这款产品牺牲 15% 的毛利去推？"——这才是。它具体、可证伪、能逼出真实动机。

问题改写得越锋利，访谈效率越高。客户的一句抱怨、一次报价迟疑，都变成检验假设的证据。调研在这里从"看资料"切换成"进现场"。

07

持续校准：把假设当成活数据

最后一步，是把所有判断放进三个状态桶里持续维护：已证实、被推翻、待验证。每来一条新证据，就更新一次框架。

这就是贝叶斯式的世界观：结论不是一次成型的，而是随证据不断修正的概率。被推翻的证据和已证实的一样值钱——它帮你省掉了将来在错误方向上的三个月。

调研的产出从来不是一份报告，而是一张持续更新的假设地图。

五项检验：出门前最后过一遍

整套方法收束成五个问题。回答不了任何一个，就说明调研还没完成：

谁交易？

链上五类角色，钱实际从谁手里出

为何买？

真实付费动机，而不是口头需求

怎样赚钱？

单元经济跑得通，还是烧钱换规模

变化与约束？

什么在变，什么在卡脖子

还不知道什么？

缺口清单，就是下一轮调研的任务

最后说清边界：这套方法解决的是快速建立判断框架，它替代不了行业深耕——五年泡在一线的手感，两周的调研给不了。

但分场景看，它已经够用：售前工程师用它两周出方案，转岗者用它度过最慌的第一个月，投资人用它做尽调前的第一层过滤。

下一次面对陌生行业，
先别急着搜报告——
把"我不懂"改写成第一个能回答的问题。

长沙市智能存算产业促进会会长 李颖悟

联系邮箱：liyingwu@cszncs.com