中国四城 FDE 行业观察
2026 年 6 月 6 日到 7 月 4 日，HA7CH 在深圳、上海、杭州、北京连办了四场闭门 FDE Meetup，每场一个周六下午，四场合计129 位 builder。这份报告基于四场的现场讨论整理而成，是我们能找到的、关于中国 FDE 生态最早的一批一手证词。
先说清楚两件事。第一，到场人数来自报名系统统计（深圳 31、上海 31、杭州 32、北京 35），报告里引用的价格、流水、周期等数字全部来自现场分享原话，未做外推。第二，全部内容已匿名化：观点归属统一表述为 ha7ch guild 成员，只保留行业与背景描述；OpenAI 与 Anthropic 这类公开行业事实除外。
一、为什么是现在：有生意，没行业
FDE，Forward Deployed Engineer，前向部署工程师。这个此前只存在于硅谷招聘页上的岗位名称，在中国四座城市的四个下午被密集地讨论、争辩、定价。它在国内还没有统一定义，没有标准报价，没有成熟的入行通道，甚至没有一个所有人都认的中文名字。
但它已经有了真实的合同：2 万包圆的纺织外包单，约 2 亿的信创大单，按裁员比例抽 5% 的 ERP 订阅，单笔 500 元起步的电商小单。这份报告想记录的，正是这个「有生意、没行业」的时刻。
背景是一组错配。深圳场一位云厂商背景的 guild 成员给出了他的观察：自去年底新一代模型发布后，coding agent 的能力爆发，但用户端应用没有跟着爆发，算力消耗集中在少数用户手里，产研团队反而因为 AI 面临裁员，硅谷的 startup 几乎都在往 FDE 方向挤。能力过剩，落地不足。错配的缝隙里，站着的就是 FDE。
杭州场一位从大厂视角观察行业的成员把这个判断推得更远：上一代软件生意是卖工具，这一代 AI 生意的交付物是「增收入」或者「降本裁员」本身；大厂因为 coding 场景渗透已经开始裁员，而 90% 以上的行业还没有被渗透。他的原话被当场记进了金句：「这两年就是最大的蓝海市场，一定要抢。」
四场会呈现的不是二手转述，而是一线交付者带着回款单、失败复盘和裁员愧疚感的一手证词。下面按城市走一遍。
二、深圳 #001：产业带现场，先干出来再谈收钱
6 月 6 日，周六下午，31 位。
深圳场是典型的产业带现场，案例密度四城最高，而且全是带体温的词：驻场、提成、人效、裁员。开场自我介绍就能看出光谱：有人用大模型解决纺织行业 RGB 转 CMYK 的难题，有人在陪伴机器人公司做营销，有人在云厂商做售前，有人从销售转做 FDE。
案例先说小的。一位独立开发者气质的成员，几天手搓出一个照片自动分类工具，解决的是朋友的真实痛点：一位传统零售业务员，每月要手动整理两三千张照片。工具用视觉模型加本地算法。现场随即展开定价讨论：这个东西该收多少钱，按业务员的时薪算，还是别的锚点。没有结论，但所有人都意识到，定价是这个行业眼下最大的空白。另一位成员的单子更「野」：帮财务公司做自动开发票，用 agent 操作浏览器跑通整个流程，已经上线。还有一位原本做财务分析的成员，用 AI 提效自己的工作之后干脆辞了职，帮在海外开餐馆的亲戚做了网站和外卖系统，用划定配送区域、预先收费解决外卖费用不稳定，又用 Telegram bot 做了员工自助选班和自动算工资。这类单子不会出现在任何招聘网站上，但它们是真实发生的 FDE 业务。
案例再说大的。一位深耕石油化工信息化的成员分享了三个项目：用 RAG 解决企业内部技术专家被频繁答疑的困扰，后来拓展到外部售前；外贸订单追踪系统因为邮件格式不稳定，停在半成品；在既有设备管理系统上加 AI 辅助决策，落地顺利。一位在某外资银行做核心交易系统多年的成员，推动交易系统 AI 化，上线后日处理大量交易，行内随后缩减人员，他自嘲是「罪人」。一位跨境电商出身的成员把选货单逻辑和出关单据整理成算式套进 ERP，每周上百个 SKU 的运输流程自动化后降低约 60% 人效，一部分员工被裁，一部分转去操控系统，转型周期约两个月。一位科技公司 CTO 说得更直接：AI 化之后能用三四天完成以前半年以上的开发任务，效率提升和裁员焦虑是同一枚硬币的两面。
一个悬而未决的单子能看出市场的边界条件：某数字化程度很高的制造工厂，自研系统，想接入 AI，端侧项目预期收益 300 至 500 多万。但条件苛刻：数据不上云、端侧部署、供应商交出知识产权。原团队没接，现场另有成员当场表示想接。同一个条款，有人看到的是风险，有人看到的是门票。
深圳场的独特性在于产学研罕见地同桌。华南某高校一位工科学院副院长现场发起 FDE 项目制培训：跨专业招学生，请实战 FDE 授课，组队做真实企业项目，当场征集授课者。供给侧同样活跃：从新加坡高校毕业的应届硕士自己搭了三个 B2B 的 POC 带着来求职，裸辞的大厂人在找方向，一位 00 后游戏引擎技术出身的成员，已经给母亲做了一个 AI 分身用于外贸获客。一位做工程勘察数字化的成员说出内部改造者的普遍处境：工具做了不少，但在公司内部提效议价权低，正在犹豫要不要出来单干。现场给他的建议只有一句：出来赚钱。
商业模式在这一场聊得最直接也最野：按裁员或增长比例分成，技术换股权，AI roll-up（融资收购传统企业、用 AI 改造提升利润率再滚动收购），以及把项目拆成培训、陪跑、画饼三段分开收费。定价焦虑是全场暗线，从「抹不开脸收钱」到「按客户焦虑程度报价」。现场也留下了对市场竞争的预期：价格战可能出现，行业会走向整合与规范化。
三、上海 #002：把钱收回来的学问
6 月 13 日，周六下午，31 位。
上海场是一场极其务实的商务局，讨论重心不在技术，而在回款。金融浓度显著高于其他城市：外资银行的资产配置产品经理、做过 9 段金融实习的本科生、券商背景的学生同场，把强监管、可追溯可审计、私有化部署、智能投顾政策评估这些别处少见的约束条件摆上了桌面。
先从定义讲起。一位组织者背景的成员给 FDE 划了线：不是数据标准化、搭数据库、部署聊天机器人的外包，而是让企业决策流程变短的角色。他举的例子是航空公司：下雨能不能飞、紧急情况怎么处理，AI 缩短的是决策链路，不是文档处理时间。另一位成员的项目把定义具象化了：他为某职业车队做 agent，负责公关、后勤，提前决策人员住宿和货物运输。他的总结被现场记住：AI 提效不一定是让赛车开得更快，而是让决策更快、车手休息更好。
最硬的干货来自传统行业老兵。一位做了十多年智能化改造的成员复盘智慧矿山项目：含硬件的项目前置工作多，误差和成本容易失控，验收标准不明确，甲方领导随时可以拿问题当理由推迟付款。最极端的样本是西部某矿业项目，因甲方现场落实和预算问题拖了数年没有完成，硬件质保期都过了。他的对策不是技术，是客情：跟企业每个层级建立沟通，从一开始就筛掉不适合进的行业。一位国有信息化企业的操盘者用一个亿元级的信创大单做例子，给出更结构性的判断：FDE 在国有单位不适合落地，谈省钱提效结算要层层审批，逻辑走不通；国央企只对上负责，验收标准就是让上面的人满意，要做就先跟最高层达成共识，自上而下推。
一位做整体方案销售的成员算了两笔账。利润那笔：含高端生命支持设备与预测系统的整体方案，单案例谈到 100 至 150 万，交付边界明确，利润空间大，但项目做到 60% 至 70% 时，因为红头文件有周期、学校资源和年度预算的问题，无疾而终。成本那笔：一条数据标注业务线 agent 化后效率确实提高，但当月模型消耗花掉 3 万美元，比原来的小规模云成本还高，且流程跑完仍需人工审核。成本不可控，直接卡死了他后续报价的能力。
组织问题在这一场被摆到了台面上。一位做销售全流程自动化的成员说，他的系统针对工业企业的标书和招投标流程，基本做到零员工输入，但员工知道智能体要替代自己的工作后，沟通阻力立刻出现。现场给出的解法成熟得让人意外：与专业人员安置公司合作，在组织诊断阶段就跟 CEO 和 HRBP 谈清补偿、转岗和竞业；能转岗的转岗，能培训的培训。物流行业的教训类似：提效方案处处受阻，最后把功能抽成插件嫁接到企业原有 ERP 上；业财一体这种动核心系统的事，能不碰就不碰。
打法层面，一家较早做 FDE 业务的 AI 工具公司给出路径：先用通用需求进入企业、快速建立信任，再用深度需求获取高毛利。一位有咨询背景、在做企业诊断的成员补充了中国 toB 生态的特点：产品是卖给决策者的，不是卖给使用者的。数据安全被反复提及：有团队给头部消费品牌做 AI 项目，客户文档脱敏全部用本地模型处理；某地国企的 AI 转型项目有预算，但对 agent 技术了解不足，市场教育只能靠培训一点点做。
还有两个细节解释了为什么非技术因素重要：微软 Copilot 不好用还卖得好，因为 SLA 出问题有补偿，品牌本身就是采购理由；航天系统为了长周期项目的稳定性，宁可坚持用旧版本软件。把这两条放在一起，就是 toB 的真实采购逻辑。
供需闭环在房间内直接发生：一家储能新材料企业现场找算法合作方，想从矿端开始做选矿和工艺优化；一位传统工科背景的博士生，四五月份才接触 vibe coding，现场就被在招实习生的团队接住了。散场时留下的是对行业组织化的真实诉求：有成员提议成立 FDE 行业协会，统一认知、制定准则。
四、杭州 #003：草根蓝海，毛细血管里的 AI 落地
6 月 27 日，周六下午，32 位。
杭州场是四城里最草根、最电商味的一场，价格光谱极宽。一头是单笔 500 到 5000 元的小单快跑：一位从跨境电商运营自学 coding 转型的成员，在电商公司做 FDE，业务是内容裂变（复刻爆款带货视频）、RPA 自动化（模拟人工操作网页）和数据仪表盘（用他的说法，土老板最欢迎这类东西），收费看客户预算，含软件安装和培训，获客靠短视频平台和招聘平台，筛客户的办法直白：用包装过的开源项目和 demo 先把不付费的滤掉。另一头是一位敢想敢做的成员，到杭州才两周就靠关系签下 CRM 加 B 端询盘客户画像的项目：一期 5 万，整体约 10 万，团队 2 到 3 人。
中间夹着的案例五花八门。刚毕业的成员入职一家企业服务商做 FDE，入职不久就被派到寺庙驻场，教师傅用 AI、配置系统，他的现场报告是：大师们好说话、接受度高，但要手把手教。一位泛工业方向解决方案工程师复盘了钢厂项目为什么推不动：不是技术不行，是客户对自己的数据质量没自信，老师傅担忧被 AI 取代，项目死在了技术之前。有大厂里做高性能计算的工程师，把算法部署的长链路用 agent 自动化了，但在大厂内部用不了最新模型、预算受限，内部流程调整空间也小，他的自我评价是：离技术近，离市场远，来这里想听 FDE 在一线跟客户打交道的故事。
转型者浓度是这一场的底色。一位连锁企业的财务会计，管着上百家门店的账，用 AI 编程助手自动化了 60% 的工作，同事对 AI 的恐惧反而让他看到了 FDE 这个方向，担心的是自己非技术出身。一位有 5 年经验的 Java 开发想转 FDE，靠在内容社区发帖获客，已经帮朋友的工厂搭了大屏，还有炒股散户找上门让他写量化交易代码。一位在芯片制造行业做了 5 年多 AI 算法落地的成员想做一人公司，坦承不懂获客和商业。一位在国企大模型小组为汽车软件开发提效的成员，卡在需求理解和测试质量评估上，现场直接收到可用的测试思路：流量回放加验证。各路人马问的是同一个问题：我这半边能力，怎么补上另外半边。
供给和需求的错位在这一场看得最清楚。一位主业做云计算的创业者说，他靠渠道积累了大量客户，AI 落地需求真实存在而且预算充足，但他的团队商务有余、交付信心不足。一位在头部外贸 B2B 平台生态里做销售的成员正好相反：平台今年力推 AI 产品，他已经开始售卖，客户对 AI 有初步认知但缺落地指导，他有客户资源缺技术，正在考虑补技术短板还是找技术合伙人。一边是有活没人干，一边是有人没活干，中间隔着的就是这个行业还没长出来的信任和定价机制。
杭州场贡献了几条全场共识级的判断。其一，工程不再是门槛：很容易有 agent 帮你，也很容易找到通用技术栈的工程师，但很难找到懂某个业务领域的人，FDE 的核心壁垒是领域业务知识。其二，业务数据比业务逻辑更重要：企业数据大多无法直接供 agent 使用，数据基建本身就是机会。其三，客户付费考量只有两类：按 ROI 算账的，和让老板开心的；国央企出详细 PRD 的单好做、易赚钱，但和传统外包流程差别不大，难收溢价。其四，AI 转型必须老板一号位推动，从下往上基本推不动；商务签单前先看对接人的权限。获客与筛客的打法也直白到底：对没预算没认知的客户，先收咨询费是最好的筛选器。
还有一条海外参照被现场反复引用：OpenAI 与 Anthropic 分别与 PE 成立合资公司，改造投资组合公司的利润率，本质是用资本关系解决交易摩擦、加速 AI 渗透。硅谷的 startup 有上一代 toB 的积累和 VC 支持，做 FDE 相对容易；而国内 VC 更关注宏大趋势，FDE 爬坡周期长，toB 叙事在中国被系统性低估。计费方法上，一位同时做 FDE 业务的硬件公司 COO 给出三件套：管理层与员工分开培训，诊断层入驻即计费，之后走项目费用制。团队配置公式也在这一场收敛：行业专家，加上有项目经验的工程师。
五、北京 #004：体系、组织与甲方心理学
7 月 4 日，周六下午，35 位。
北京场资源密度最高，光谱最宽。开场第一位发言者是一位数据标注员：他把评测集从表格复制粘贴到对话框的工作用 Python 脚本自动化，打包成了 EXE，看到 FDE 方向后想转型，包装简历投出去发现市场需求真不少，但每次被问到「你怎么收费」就答不上来。同一个下午的另一端，是一家年营收数千万的 AI 品牌营销公司创始人，来招技术型联合创始人；一家深耕医院发票服务的医疗信息服务公司，想深入做医院经济运行管理平台；还有一位近 20 年酒店招商加盟经验的老兵，拿着按年付费、单店 1 万到 4 万的产品设想找研发团队，目标说得很大：一起冲击上市。
两个年轻人的故事值得单独记下。一位刚毕业的成员在乙方广告营销公司从零到一用 AI 重构内容平台业务，一个人对着原来 30 人的团队 PK，批量生成图文和数据看板已经迭代出来，下一步想接 FDE 商单。一位在读研究生做了帮外国游客打车、找餐厅、安排行程的 AI agent，正在探索出海获客。他们的共同点是没有等任何人给许可：先做出来，再来现场找放大器。
这一场的讨论明显偏体系和组织。一家政企数字化服务商在打造 FDE 课程体系、参与标准和认证共建，以运营商客情为切口服务北方重工业和能源企业，现场发布的需求是找优秀 FDE 匹配大 B 订单。有成员想做 FDE 人才平台：找人、培训、对接企业，附带个人 IP 孵化。某车企在通过组织架构变革推动 AI native 改革，构建结构化的 AI coding 知识库。一家大型消费品企业全部门推 AI 化，从业务线抽调员工，同时对外招人。某大厂的经营分析岗给出了内部提效的量化样本：商业分析各环节提效超过 50%，外部工具则因工具本身的问题用了又停。招聘标准的转向由一位 A 轮 AI 硬件公司合伙人说破：从偏工程师转向偏产品经理，偏好年轻、有大厂加创业公司加 SE 服务经验的复合背景；现场另有成员补充观察：顶尖高校的学生学习能力和多端适应力确实强。他分享的规模化样本是一家垂直硬件领域的 FDE 公司，年营收约 2000 万，靠投资人关系转介绍扩客；另一个获客参照是一位服务私募投行的自媒体博主，同业案例的信任背书比跨行案例强得多。
对甲方心理的拆解是四城最犀利的。一位运营多个 AI 产品的成员（其中 AI 论文产品稳定有 10 万级流水）点破：有的公司招 FDE 不是要 ROI，是老板想要一个人放在那里心安。所以第一步要分清楚，老板要的是 ROI 还是心理安抚。一位从垂类智能体转 B 端的成员用自己的弯路作证：合同审核项目遇阻，转做财务和业务数据分析才跑通，他的总结是老板只关注三件事，效果、成本、能不能复制到其他业务，完全不在乎你怎么实现。一位法律背景的成员补充了另一面：客户对 AI 能力边界的期待普遍不明确，边界管理本身就是交付的一部分。
方法论层面的收敛在这一场最清晰。企业 AI 化的第一步是数据化：小公司先做数据库或知识库，大公司才谈业务流程和组织架构重构。知识库是重头戏：要把异构数据和专家知识整合成 agent 能调用的形态，老板最关心的是知识库能不能随业务自进化，这一点目前没有通解，传统 RAG 的准确度在下降。一个可复用的样本是给某职业车队搭的知识库：轮胎、赛车、后勤信息全部结构化，接上协同办公平台做 agentic search，现场的判断是知识库加 data skills 能解决 80% 的 FDE 项目问题。获客建议回到朴素：从身边有信任关系的渠道跑出第一单，形成正向飞轮；选行业比选客户重要，家政这类低毛利、低人才密度的行业被点名支付能力有限；AI 创业应该走出海、外贸这样的增量市场，避开存量市场里降本增效的利益纠葛。
六、横向对比：定价、获客、痛点、人才
先把四城的价格数据点摆在一起。这可能是目前关于中国 FDE 定价最密集的一份公开样本：
深圳 · 制造工厂端侧 AI 项目：预期收益 300 至 500 多万，附数据不上云、交出知识产权等苛刻条件。
深圳 · 跨境电商供应链自动化：降约 60% 人效，转型周期约两个月，每周上百个 SKU。
深圳 · AI 内容获客：4 天 5 万播放量，直接带来企业询单。
上海 · 高端生命支持设备加预测系统整体方案：单案例 100 至 150 万。
上海 · 信创大单：合同约 2 亿。
上海 · 数据标注 agent 化：单月模型消耗 3 万美元，高于原云成本。
上海 · 长期陪跑咨询：按企业规模每年百万量级，合同多签三年。
杭州 · 电商 FDE 小单：单笔 500 至 5000 元，含安装加培训。
杭州 · CRM 加客户画像项目：一期 5 万，整体约 10 万，2 至 3 人团队。
北京 · 纺织喷墨定位外包：2 万包圆，可复制转卖给其他纺织厂。
北京 · 义乌制造业 AI 加 ERP：按裁员比例抽 5% 订阅费，一年 5 万。
北京 · 酒店 AI 产品设想：按年付费，单店 1 万至 4 万。
北京 · 垂直硬件领域 FDE 公司：年营收约 2000 万。
北京 · AI 品牌营销公司：年营收数千万。
北京 · C 端 AI 论文产品：稳定 10 万级流水。
模式上，四城各有偏重，但拼起来是一张完整图谱：项目制（人天、功能点、包圆），订阅制（降本抽成、按年付费），咨询先行（先收咨询费筛客、诊断入驻即计费），绑定制（技术换股权、与 PE 合资的海外参照），复用制（方案模板化转卖、沉淀后收 token 钱）。定价锚点有两个被多城认可：数字员工年薪（按替代岗位的年薪给 AI 服务定价，老板更容易接受），和按降本增效倒算（深圳的按裁员比例分成，北京的抽 5% 订阅）。深圳暴露的问题（抹不开脸收钱、报价没标准），到北京已经有了三阶段计费这类结构化答案：企业内训、驻场诊断收费、开发交付加运维，前两段可以单独买，长期运维建议教会企业内部 IT 自己接手。但「工作流程改善的价值怎么折算成钱」这个问题，在四城都没有解。
获客上，四城打法高度重叠：内容获客（短视频、内容社区，深圳有 4 天 5 万播放带来询单的样本），熟人信任关系跑首单（北京总结为正向飞轮的起点），行业老兵渠道复用（酒店 20 年人脉、佛山义乌产业带资源），驻场切入后横向扩展，转介绍加同业案例背书。差异在客群：上海强调国央企的客情关系和自上而下打法，北京补充了以运营商客情切入政企的路径，杭州最直白，先收咨询费把没预算的挡在门外。
痛点可以归成四层，四城都在说，只是说法不同。需求层：客户说不清痛点，只提 AI 营销、AI 获客等宽泛概念，没有验收标准，乙方不敢承诺效果。数据层：企业数据无法直接给 agent 用，敏感数据难打通，客户甚至对自己的数据质量没自信。组织层：员工抵制、老师傅阻挠、部门墙，提效直接触发裁员焦虑，管理层与员工需要两套叙事。技术与商业层：单个任务成功率再高，多任务串联后整个业务场景的成功率会大幅下降；模型消耗成本不可控；回款周期失控；企业内部改造者议价权低；AI 咨询难规模化。
人才与转型路径的信号在四城逐场升级。深圳出现高校 FDE 项目制培训和应届生自建 POC 求职；上海在摸索「专家加 FDE 加实习生」的产学研派驻模式，博士生靠 vibe coding 补齐算法能力后现场被抢；杭州证明非技术出身可行，财务会计自动化 60% 工作、电商运营、Java 开发各有转法；北京给出了需求侧的标准变化，招人从偏工程师转向偏产品经理，高阶 FDE 可以直通联合创始人席位，课程体系与认证共建已经启动。贯穿四城的共识：主观能动性优先，领域知识是稀缺项，纯工程能力正在被 agent 拉平。
七、趋势判断：未来 6 至 12 个月
判断一：定价将从锚点收敛走向价格战前夜。深圳场已点名「抹不开脸收钱」带来的定价问题，纪要同时记下了价格战与行业整合的预期；上海给出数字员工年薪和陪跑年费百万量级的锚点；北京出现按裁员比例抽 5% 的可复制订阅公式。锚点扩散的速度会快于从业者预期，低端市场（500 至 5000 元的小单）最先卷。
判断二：数据基建将取代 agent 开发成为 FDE 的主战场。杭州场判断业务数据比业务逻辑更重要，北京场总结知识库加 data skills 可解决 80% 的项目问题、企业 AI 化第一步是数据化，深圳场提出独家数据就是切入位点。三城独立收敛到同一结论，意味着未来半年 FDE 项目的第一张报价单大概率是数据治理，而不是 agent。
判断三：客户分层将成为生死线。上海场对国有单位给出「省钱提效叙事走不通」的结构性否定，杭州场指出国央企出详细 PRD 的单好做易赚钱、但和传统外包流程差别不大且难收溢价，北京场点名家政这类低毛利行业付不起 FDE，并主张走出海增量市场。选错客群的团队会在回款环节被拖死（拖了数年没有完成的矿业项目是前车之鉴），行业筛选能力将比交付能力更早分出胜负。
判断四：提效裁员悖论将从道德话题变成交付流程的一部分。深圳的银行工程师自嘲罪人，杭州的钢厂项目死于老师傅抵触，上海已经出现与安置公司合作、在组织诊断阶段谈清补偿与转岗的成熟做法。人员安置方案会进入 FDE 的标准交付物清单。
判断五：FDE 人才供给将在 6 至 12 个月内体系化。深圳的高校项目制培训、上海的产学研派驻、北京的课程体系与认证共建和人才平台创业方向，是同一件事的三个阶段。叠加大厂裁员带来的人才溢出和招人标准转向产品经理的变化，第一批「科班 FDE」会在明年上半年进入市场。
判断六：规模化路径之争将决定资本是否入场。北京场的 VC 坦言大多还在接触阶段、流程尚不明确；「像外包、难规模化」则被现场创业者转述为业界的普遍顾虑。现场已出现三条回应路径：方案沉淀复用后收 token 钱，技术换股权，以及海外模型公司与 PE 合资的参照模式。哪条先跑出可复制样本，决定国内 toB 叙事被低估的局面能否在一年内翻转。
八、结语
四座城市，129 位 builder，四个下午，拼出的是中国 FDE 生态最早的一张地形图：深圳的产业带肉搏，上海的回款清醒，杭州的草根蓝海，北京的体系野心。这个行业还没有名字上的共识，连会议转写工具都拼不对它的全称，但已经有了从 500 元到 2 亿的真实合同谱系。
ha7ch guild 的下一步方向，是把这张地形图变成基础设施：按城市持续办周期性闭门会，让供需两端继续在同一个房间完成闭环；把黑客松和 Sprint 做成年轻人进入真实企业现场的通道；沉淀四城反复出现的定价锚点、筛客方法和交付教训，让下一个转型 FDE 的人不必从「抹不开脸收钱」重新走一遍。
「这两年就是最大的蓝海市场，一定要抢。」这句话出自杭州场。我们把它原样放在这里，一年后回来对答案。