开场：十年老友与一个被批判的热词

主播介绍张帆从妙计旅行、大搜购车到智谱 AI COO 的经历，点明本期将从 FDE 切入，并预告嘉宾会对这个概念做系统批判。两人以「人肉 AGI」「随机性」互相打趣，气氛轻松。

FDE 本质是外包：能力沉淀在人，就做不大

张帆直言不认同 FDE，认为它只是名字更高级的定制外包。他拆解 Palantir 毛利攀升的真实原因：特殊客户加顶尖人才，是 AI 能力放大而非组织创新，且能力随人流动无法形成长期壁垒。

Palantir 不够 AI 原生，咨询业是军阀制

张帆认为 Palantir 的 ontology 是上一代知识图谱逻辑，不够 AI 原生；FDE 若真 AI 原生应该变成 FDA（Agent）。两人讨论智力服务业的规模不经济，指出咨询公司普遍采用合伙人制的原因。

两种哲学：以智能为中心还是以企业为中心

张帆提出企业是否愿意把业务绑定在某一家模型公司上的根本矛盾。主播以 Harvey 使用开放权重模型、以及最前沿模型只占约 11% 收入为例，说明企业更在意可部署与成本。

两波私有模型热潮与合成数据的翻案

张帆回顾 2023 年与当下的两波私有模型热潮，并解释自己从极度怀疑合成数据到成为拥趸的转变：如果规则数量远多于数据，过拟合的担忧就不成立。

为知识建模的天花板：坍缩、昂贵、只是切片

张帆系统批判传统知识建模：访谈得到的是被人二次加工后坍缩的规则，天花板只有六十分；成本极高；且只是某一瞬间的切片，而企业业务每天都在变。

六十分容易，八十五分是斩杀线

张帆提出企业应用的难度曲线：六十到七十难十倍，七十到八十难十倍，八十五分以下全废。真正做深需要研究级人才和小半年投入，市面多数 FDE 只停留在写 prompt 的层面。

企业 AI 化的跟风史：从 prompt 到养虾

两人复盘 2023 年以来企业 AI 的一轮轮热词：prompt engineer、workflow、知识库、向量数据库、GPTs、一体机、Manus、MCP、harness，质疑这些对企业真正的价值。

通用智能的代价与企业主权

张帆区分通用智能与垂直智能：通用智能第一性是泛化，代价是模型越来越大、越来越贵。企业用不起最前沿模型，于是「AI 主权」从国家泛化到企业，企业应独立构造自己的智能。

基模是大海，企业要造船而不是建灯塔

张帆用正态分布解释：基模输出偏向中央的共识解，而价值在边缘解。企业要施加独特分布，把边缘解扭曲成自己的中央解。建灯塔会被上涨的海平面淹没，造船才能与基模解耦。

星巴克与瑞幸：两个相反的边缘解

以咖啡店为例说明公共解为何平庸：大模型给出的建议多半导致亏损，而星巴克与瑞幸各自定义了相反却成立的边缘解。企业应在自己的场域内追求最优，而非公共场域的最优。

知识承载的三层：workflow、harness、weight

张帆把人类知识承载分为规则、文字、脑神经三层，对应 AI 的 workflow、harness、weight。表达力越强越难控制，但只有权重才是别人动不了的东西。主播称这是本期最重要的 takeaway。

钢琴老师的比喻：不必请爱因斯坦来教小提琴

张帆用请钢琴老师类比：企业不需要一个同时是数学家、物理学家、诗人的通才，只需在划定范围内更小、更快、更便宜的模型。人类社会靠分工进化，本身就是一次 MOE 化。

蒸馏员工为什么不靠谱

张帆认为蒸馏员工是市场噪音：没有谁蒸馏了巴菲特或乔布斯就成功。实验显示模型学到的是语言风格而非思考逻辑，加「你是数学家」反而降低解题成功率。真正做深需要反复标注与训练，成本极高。

从深蓝到 AlphaZero：为学习建模

张帆梳理三种学习方式：人总结规则、人记录机器总结、人只定义环境让模型自己跑。企业环境小、边界清楚，反而比通用模型更接近 RSI，每一次服务可以从折旧变成训练。

元理智能的定位：垂直智能公司

张帆拒绝 FDE 与 RSI 的标签，称自己是垂直智能公司，把通用智能转化为企业垂直智能并产品化。他举例说明 AI 在旅游规划、体检问询等场景中需要软性文化与红线约束，无法靠脚本堆砌。

AI 是反工业革命：一切都在液体化

张帆提出工业时代是体力无限而脑力不足，因此需要标准化与分工；AI 让脑力体力重归对称，带来颗粒度革命，界面、组织、业务全部液体化。组织从腐化逻辑转向生长逻辑。

管理学要被重写，以及一个地壳变动的比喻

两人讨论企业为何存在、超级个体与组织的关系，认为传统管理经验会越来越弱。张帆用「地壳变动时还在挖护城河」形容企业误判，主张从 AI 第一性提前布局自己的闭环。