Hedy Zhang

非常认同宝玉老师的这个判断：如果每个客户都要从零写一套代码，那本质上还是外包开发，而不是可持续的 FDE。 想补充一个国内视角。 类似的模式，在大数据时代，很多大厂包括阿里、网易其实已经完整地跑过一轮。 很多 To B 公司都是先带着一套底层产品进场，前几个客户做重交付定制，再把交付中反复出现的模块和基础设施抽出来，逐渐沉淀成面向不同行业的产品，每次带着标准产品进厂，应用层继续按客户需求做少量定制。 目前AI 时代，国内很多公司包括我们这种小团队，当前还处在先接定制项目赚钱和攒行业经验的阶段，所以大部分时候看起来的确跟外包没啥区别。 这样做有个好处就是启动快，客户需求贴的紧，但风险也…

曾鸣教授有个极度颠覆的预判：“未来的公司会消失，取而代之的是一个个具体的‘任务’。” 听张小珺和曾鸣教授最新播客，这个洞察彻底打通了我最近的困惑。 1. “公司”本来就不是天经地义的。 工业革命前根本没有现代公司。公司、打卡和岗位，只是工业时代为了搞流水线规模化生产发明出来的“临时配套制度”。 AI 时代的生产力变革远超工业革命，这套老旧的“公司壳子”自然顶不住了。 2.以后不再招聘“岗位”，只发布“任务”。 传统逻辑：先造个萝卜坑（岗位说明），再招个萝卜（员工），画个汇报线，按月发薪。 AI 原生逻辑：以解决具体问题为核心。一个复杂任务出来，直接拆解，碳基（人）与硅基（AI…

曾鸣教授说OPC、一人公司只是一种阶段性现象，它最大的作用就是让大家看到了 AI 给个体的巨大杠杆。 但单打独斗一定走不远。 真正的终局是：每个人靠 AI 进化为“六边形战士”，再在新网络中与其他六边形战士组队合作。 那普通人如何进化成“六边形战士”呢？ 结合我的理解，核心就4点： 1. 卷“原生创造力” 过去靠积累 20 年经验构建的知识壁垒，已经被大模型快速吸收沉淀。所有可被结构化处理的知识性工作都会被 AI 接管。 普通人的核心竞争力不再是“记住多少知识”，而是培养机器做不到的“原生创造力”——即“无中生有”定义复杂问题的能力、原创的产品洞察力以及对真实世界的同理心。 2…

目前看到的AI 落地案例中，真正能赚到钱，且还能有转介绍客户的，是给企业老板做“AI 外脑”搭建。 核心逻辑符合第二条：节省老板的时间。 这类买单的老板普遍有几个共同画像： 1. 垂直专家型：比如资深律师、财税专家、专业咨询人； 2. 意愿与能力双高：本身认知高，极度看重效率，付费能力和意愿都非常强； 3. 交付相对轻量：比起传统重资产的 To B 服务，做 AI 外脑相对轻很多。 这个赛道对技术要求并不高，核心全在对业务场景的理解深度和精细的客户沟通共情能力。真心觉得，非常适合想切入 FDE 方向的女性朋友~

具体到做FDE，短、中、长期分别怎么走？ 分享几点当前的思考~ 短期（干一季）：先活下来，有什么活接什么活（攒积木阶段） 不挑活：现阶段只要有客户愿意为 AI 解决实际业务买单，就果断接。 攒积木：干完别只顾交差。把能复用的能力拆解沉淀——结构化提取、判定规则、自动校验流。接单赚的是当下的现金流，沉淀下来的是你的通用 AI 工具箱。 中期（想一年）：识别信号，找“被动复购”的高频场景 找规律：等你接了十几个不一样的活之后，突然有一天你会发现：“诶？怎么最近有 3 个不同的客户，找我干的都是同一种麻烦事儿？”（比如私域数据脱敏清洗、合同风险初审等等）。 这就是黄金信号：这说明市场在主…