论证一（破题）：数字员工不是终局。按席位计费的数字员工，风险仍在客户，和真人外包站在同一条线上。规模再大也只是"更大的外包"。

论证二（推演）：AI 这次是变革而非替代。前三阶段都在替代区（交付物=工具，同维度提效）；AI FDE 三维同时跃迁（能力执行层→决策层、交付物工具→结果、计价软件→劳动力），跨入变革区。

论证三（规模）：历史规律显示每次跃迁打开一个数量级——财务软件从数亿→百亿→千亿。FDE 短中期跟随企业 AI 服务层（千亿级），跃迁后锚定劳动力市场，TAM 指向 15-20 万亿美元。停在数字员工=千亿封顶；跨过跃迁线=万亿打开。

论证四（终局）：主导权最可能在"更理解行业、敢于对结果负责的创新型应用企业"。模型公司主导模型层，巨头后期跟进放大。

当下关于 FDE（Forward Deployed Engineer，前沿部署工程师）最流行的误解，是把它看作"把企业员工替换成 AI 数字员工"的工种。OpenAI 在 2026 年 5 月成立独立子公司 DeployCo、砸 40 亿美元组建数百人 FDE 团队，Indeed 上 FDE 招聘一年涨 700%，YC 上百家创业公司跟进——这些热闹容易让人停留在"AI 替代人"的表层叙事。但这个理解只摸到了外壳。

把真人换成 AI 数字员工，按人头/席位计费——边际成本确实趋零了，一个数字员工可以复制一万份。但有一个东西没变：风险承担方。AI 没把活干成，客户照样付席位费，损失由客户承担。厂商卖的仍是劳动力，只是变便宜了。这恰恰是中国 SaaS 过去十年走过的老路：因为堆人便宜、流程围绕人设计、付费意愿低，最终滑向"我帮你找到方式、并给你人一直做下去"的人力外包模型。

这组对比揭示一个闭环：因为堆人便宜→流程围绕人设计→标准化软件难嵌入→需大量定制→SaaS 模型跑不顺。这就是中国 SaaS 十年没能复制美国的根本原因。但这个"劣势"在 AI 时代成了跳板：美国 AI 卖"更厚的软件"仍停替代区；中国 AI 卖"更便宜的人"——一旦能对结果负责，锚定的就是 4800 亿的人力服务市场而非 175 亿的 SaaS 市场，27 倍空间。中国因人力市场巨大，反而比美国更早被推进变革区。但前提是跨过"对结果负责"这道线。

前三个阶段都在"替代区"：交付物始终是工具/系统，每次演进只是让交付更高效，计价也始终在软件/项目维度内——同维度提效=替代。第四阶段跨进"变革区"，因为三个维度同时跃迁。

① 电算化 = 锦上添花：替代算盘手工记账，交付物仍是工具，同维度提效。② ERP+财务云 = 竞争力变化：南方电网称之为"脱胎换骨的自我革新"，财务从"价值记录者"变"价值创造者"，但交付物仍是工具，仍替代区。③ AI 智能财务 = 突破：月结 6 天→2 天、基础核算岗替代率 72.4%、44% 财务团队用 agentic AI（同比+600%）、发票处理 15 美元→2.5 美元。交付物从工具变"完成的工作"，计价按结果/人力替代，三维同时跃迁。

一句话：RPA 自动化任务，agentic AI 自动化判断。这意味着 AI 触及的不再只是"省人力"的边角，而是真正需要人判断的业务环节。Gartner 预测到 2028 年 33% 企业软件含 agentic AI（2024 年不足 1%），15% 日常决策由其自主完成。这是 AI 能"对结果负责"的前提。

能力边界扩大 + 交付物从工具到结果 + 计价从软件到劳动力，三个维度收束到一个判据：关系性质的改变。对结果负责把厂商从"卖劳动力的供应商"变成"共担风险、共享收益的合作伙伴"——从"skin in the game"走向"shared destiny"。

FDE 的演进路径至此清晰：执行替代（数字员工）→ 结果负责 → 合作伙伴。数字员工只是中转站。

于是出现悖论：厂商能力越强、越能对结果负责，反而越容易触发客户防御机制。这决定 outcome-based 会从非核心、可量化、低风险的环节（客服工单、发票处理）开始渗透，逐步向核心环节逼近。

① 定义"成功"难（per resolution 无统一定义）；② 逆向选择（客户只丢容易的活）；③ 结果归因（归功 AI 还是其他因素）；④ 合规责任（AI 失误谁担责，金融医疗未界定）。

飞书、钉钉、传统 ERP 巨头大概率不会率先转向 outcome-based。原因不是看不懂，而是被现有收入绑架——利润来自席位订阅和实施费，转向"对结果负责"等于颠覆自己的利润结构。

前 Palantir 高管 Bob McGrew 的度量原则：如果第一个客户 10 人月，第十个同类客户仍 10 人月，模式没跑通。能跑通的，交付成本必须随客户累积显著下降——这正是可规模化 FDE 的特征。

判断标准：如果 OpenAI/Anthropic 下个版本原生发布你这功能，客户会不会取消？会=thin（feature 不是 company）；不会，因为有复制不了的数据、工作流锁定和行业沉淀=thick。能否 thick 化，是创新企业能不能吃下这波指数级增长的分水岭。

前面四章建立了"FDE 会从数字员工走向合作伙伴"的逻辑。但一个模式的终局判断，最终要落在市场规模上——它决定了这条赛道值不值得下注，以及谁有动力主导。本章用一个简单但有力的方法：用历史市场规模的跃迁规律，外推 FDE 的未来规模。

回到财务软件三阶段的市场规模数据，一个清晰的规律浮现：每一次技术跃迁，市场规模都打开一个数量级，因为计价锚点跳到了一个更大的市场。

把这条历史规律套到 FDE——一个比财务软件宽得多的"全行业 AI 落地交付层"——它的市场规模可以从三层锚点逐级推演。

FDE 首先是企业 AI 支出中的"落地/服务"部分。IDC 预测全球企业 AI 支出 2026 年 9400 亿美元 → 2029 年 2.1 万亿美元。其中服务/落地层 2025 年已占约 412.9 亿美元（pmarketresearch 口径）。TPG 合伙人预测企业 AI 服务可寻址市场（TAM）最终达数千亿美元。

按企业 AI 支出中服务/落地层占 20-25% 估算：2026 年约 1880-2350 亿美元，2029 年随总支出增至 2.1 万亿，服务层约 4200-5250 亿美元。这是 FDE 短中期跟随的基准盘。

这是历史规律的关键延伸。当 FDE 进化为"对结果负责的合作伙伴"，计价锚点从软件市场跳到劳动力市场——而劳动力市场是数量级更大的池子。

财务 AI 市场 CAGR 31.5%（603 亿→2494 亿），企业 AI 市场 CAGR 约 40-44%（多口径）。若 FDE/企业 AI 服务层保持类似增速，并最终完成"对结果负责"的跃迁、计价锚点转向劳动力市场，则规模推演如下：

短中期（5 年，2026-2030）：FDE 作为企业 AI 落地服务层，跟随企业 AI 支出增长。2026 年约 2000 亿美元量级 → 2030 年 4000-6000 亿美元量级。这一阶段规模仍锚定"服务/软件市场"，CAGR 约 30-40%。

远期（10 年+，2030-2035）：当 outcome-based 合作伙伴模式成为主流、计价锚点转向劳动力市场，TAM 指向 15-20 万亿美元的可自动化薪水池。即使 FDE 只吃下其中 5-10%，也是1-2 万亿美元级市场——相比短中期的千亿级，又是一个数量级跃升，完全符合历史规律。

基于前五章推演，对未来市场主导权的判断不能模糊。本章给出三条明确路径，每条都有触发条件，但只有一条是基线判断。

三条路径不是"都有可能"的模糊摊派。基线判断是路径 A：未来主导这个市场的，最可能是"更理解行业、敢于对结果负责的创新型应用企业"。模型公司主导模型层、并在少数超大客户层局部垂直整合（路径 B）；巨头后期跟进放大（路径 C）。

数据来源：本报告数据与论据来自公开资料整理，包括但不限于：

• OpenAI 官方博客与 Deployment Company 页面、WSJ 关于 DeployCo 40 亿美元融资报道；

• 腾讯研究院《前线共创，双向赋能：FDE 模式行业观察与实践》（2026-08-05）；

• IDC（全球企业 AI 支出 9400 亿→2.1 万亿、财务 RPA）、头豹研究院（AI 财务市场 603→2494 亿）；

• Gartner（agentic AI 项目取消率、定价趋势、企业 AI 市场预测）、Mordor/pmarketresearch（企业 AI 市场规模）；

• Substrate/ADP 研究、麦肯锡（知识工作者薪酬 35-50 万亿、可自动化薪水池 15-20 万亿）；

• 用友/金蝶官方及财报、Bessemer 2026 AI Pricing Playbook、HighRadius outcome-based 案例；

• longbridge/掘金"中美 AI 两条路"、南方电网/广物汽贸财务共享案例、CRE as-a-service 行业分析。

免责声明：本报告为基于公开资料的产业推演与判断，仅供参考，不构成任何投资或商业建议。部分市场规模数据为研究机构测算值，口径不一，可能与实际存在偏差。远期规模推演基于"完成对结果负责跃迁"的假设，若跃迁未发生，规模将封顶在千亿级。终局判断基于当前可见变量推演，模型公司商业模式、巨头转型节奏等变量若发生重大变化，结论需相应修正。所引案例效果数据均来自厂商或第三方披露，未经独立验证。