← AI 与生产关系目录

AI 与生产关系 1|驻场工程师让自己失业:经验从客户手里,流进了模型

PRODUCTION / AI & RELATIONS23 OCT 2026

AI 与生产关系①|驻场工程师让自己失业:经验从客户手里,流进了模型

这是一个新系列。它只问一个问题:AI 除了让人干得更快,还改了什么?

工具让人干得更快;生产关系变的,是经验最后存在谁那里。驻场工程师每「失业」一次,客户公司里一段原本只在老员工脑子里的经验,就搬进了模型公司的产品,或者模型本身。

第一步

01

经验在人身上

第二步

02

经验在技能里

第三步

03

经验在模型里

我们把 AI 带来的变化分成两种。一种是工具:同一个人、同样的分工,干得更快。另一种是生产关系:谁来干、谁来指挥、谁来负责变了。这个系列再加一问:干活的经验,最后存在谁那里。

第一篇用一个刚发生的例子。10 月 22 日,OpenAI 驻场工程团队的负责人 Colin Jarvis 写了一篇文章,题目叫《FDE 的目标是让自己失业》。FDE 是驻场工程师,被派进客户公司,把模型真正用起来。

PRODUCTION / 01

一、同一个项目里,两种变化都有

文中的第一个例子是一家大型芯片公司。芯片验证可能占一个项目约七成的工作量。OpenAI 派了约 15 名驻场工程师,嵌进客户的验证团队,做了十多个用例。

—工具那一面:AI 生成测试省了约 48% 的时间,几周的调试缩短到几小时。验证工程师还是那批人,分工没变,只是快了。
—生产关系那一面:要看接下来的三步,经验每一步都换了地方。

PRODUCTION / 02

二、驻场三步,经验每一步存到哪里

—先做成。 工程师边学芯片设计,边和客户的工程师一起写考题,检验 AI 能不能生成有用的测试、诊断故障。这一步,经验在客户员工和驻场工程师的脑子里。
—再复制。 OpenAI 的编程工具 Codex 变强之后,团队把所有用例搬到同一个 Codex 框架上,删掉约九成定制代码,关键做法打包成一个个「技能」。第一个团队上线用了两个月,第二个团队只用一天。这一步,经验变成了客户可以自己管的技能,但底座是 Codex。
—补缺口。 模型做不到的,交给研究团队。一家电信公司的语音客服,模型一开始在关键考题上只拿约 60 分,研究团队针对性改进,半年后到 90 分以上。改出来的模型,又用在了别的客户身上。这一步,经验进了模型本身。

从第一步到第三步,经验从人身上,搬到客户能管的技能里,最后搬进了别人的模型。

PRODUCTION / 03

三、打个比方:老师傅的手艺写进了药厂配方

一位老中医的经验在他手上,徒弟跟着学,学到了就是徒弟的。如果药厂请他把方子写成标准配方,大批量生产,经验就从人身上搬到了配方上,配方归药厂。

机制相同的地方在于:经验从人身上搬到可以复制的载体上,载体归谁,这份经验以后赚的钱就归谁。

这个比方有一处不能硬套:药厂的配方写得出来,也能申请专利,看得见是谁的。进了模型的经验看不见,也说不清是哪个客户教的。

PRODUCTION / 04

四、和 Palantir 比,差在第三步

Palantir 也派工程师驻场,前两步几乎一样。差别在经验最后放在哪:Palantir 把它整理成客户自己那套数据和业务的模型(它叫「本体」),平台是 Palantir 的,但那套模型描述的是这一家客户,带不走。

OpenAI 的第三步是把它放进通用模型,所有客户共用。客户出了一道模型还做不了的难题,等于替供应商出了一道研发题,答案后来卖给了它的同行。

PRODUCTION / 05

五、所以有三个判断

—对客户:第一、二步是在买工具,划算。第三步要先问一句:这次改进会不会进通用模型?会的话,回报只是早用上几个月,经验会流到同行手里。
—对模型公司:难被抄走的不是模型,是「客户难题 → 研究 → 新模型」这个回路。别人能蒸馏你的答案,拿不到这些客户的真难题。这和《脑科学与AI》第 97 篇「抄得走答案,抄不走裁判」是同一件事。
—对员工:最先被拿走的,不是会干活的人,是「只有他知道怎么干」的那部分价值。文中另一个例子:为一家会计所做报税 AI,最难的出租房产申报花了六周,靠会计师逐条审核,才把准确率做到九成。会计师亲手教会了以后替他干活的系统。

PRODUCTION / 06

六、出现什么,说明这篇错了

—客户普遍在合同里写明「我的场景不许进通用模型」,模型公司也接受:经验就不会外流,第三步不成立。
—客户用开源模型、自己的团队,不靠驻场也做到同样效果:这个回路就不是护城河。
—模型越强,驻场团队反而越缩小、不再接新难题:说明驻场只是过渡,生产关系的变化没有文中说的那么深。

PRODUCTION / 07

七、边界

—文中所有成效数字,都是 OpenAI 自己说的。Jarvis 领导这个团队的身份我们核到了,他 9 月公开演讲讲的也是同一件事;这篇文章本身按中文译文读,英文原文没有直接打开核。
—Palantir「本体」那一段,是本系列作者对它公开资料的理解,不是 Palantir 的原话。
—本文是行业结构判断,处在能力圈五阶的第二阶,不涉及任何个股估值、买卖或仓位,不构成投资建议。
—作者所用的 AI 模型来自 Anthropic,它也设有驻场工程师岗位,本文的判断对它同样适用,请读者打折扣。

PRODUCTION / 08

八、三行,留着复习

—工具让人干得更快;生产关系看谁干、谁指挥、谁负责,以及经验最后存在谁那里。
—驻场三步:经验从人身上,到客户能管的技能,再到别人的模型。
—客户先问一句:这次改进进不进通用模型?进的话,经验就流向了同行。

新系列第一篇。文中成效数字均为 OpenAI 自述;Palantir「本体」一段为作者对其公开资料的理解。作者所用 AI 模型来自 Anthropic,它也设驻场工程师岗位,本文判断对它同样适用,请读者打折扣。本篇不涉及任何个股估值、买卖或仓位,不构成投资建议。

阅读依据:Colin Jarvis《FDE 的目标是让自己失业》(OpenAI,2026-10-22),按公众号 AGI Hunt 中文译文读,英文原文未直接打开;Jarvis 身份与 9 月 HumanX 演讲据 The Next Web 报道核对;《脑科学与AI》第 97 篇。