很多公司都有行业情报团队。
他们每天收集政策、竞品、客户、供应链、投融资和技术动态,做成周报、月报和专题报告。报告通常很完整,信息也很丰富,但真正到了决策会上,大家还是会问一句:
所以,我们现在到底要做什么?
这句话暴露了行业情报最常见的失败。
情报被当成了信息产品,而不是行动系统。它负责把外部世界讲清楚,却没有把外部变化接到公司的客户、产品、资源和下一步动作上。
我越来越觉得,行业情报与 Palantir、FDE 之间存在一条很深的关系:
情报负责让组织看见变化,Palantir 式的数据与业务关系负责让变化变得可计算,FDE 则负责把判断带进现场,变成可以验收的结果。
缺一环,企业就会卡住。
没有情报,FDE 只能被动接需求;没有 FDE,情报只能停在报告里;没有中间的数据与业务关系,两者都无法积累成组织能力。
行业情报真正要回答的,不是“发生了什么”
一份普通情报报告,往往按主题排列:某个竞争对手发布了新品,某项政策出现变化,某个客户增加了预算,某个供应商遇到风险。
这些信息当然有价值。但它们还没有成为公司的情报。
因为“发生了什么”只是事实,“对我们意味着什么”才是判断,“下一步谁做什么”才是经营。
举个例子。
如果情报团队发现某个客户开始大量采购推理算力,最简单的写法是:客户 AI 需求增长,建议持续关注。
更有用的写法应该继续往下追问:
这个采购发生在哪个业务单元?它解决的是训练、推理,还是内部应用?客户目前使用哪种部署方式?预算由谁掌握?现有供应商的短板是什么?我们能提供的是算力、网络、模型接入、私域部署,还是一套 FDE 交付服务?谁在本周联系客户?用什么证据判断机会成立?
当这些问题被连起来,情报才从新闻变成了一个可进入销售、产品和交付流程的任务。
所以,行业情报的产物不应该只是文章和表格,还应该包括:一个待验证的判断、一组关系、一位负责人、一个时间窗口和一个下一步动作。
可以把两种情报放在一起看:
| 只做信息整理 | 能进入经营的情报 |
|---|---|
| 竞品发布了新产品 | 哪些客户会因此改变采购计划 |
| 某地出台了产业政策 | 我们是否满足准入条件,谁在本周核实 |
| 供应商出现经营风险 | 哪些项目会受影响,替代方案要多久 |
| 客户增加了算力采购 | 预算、决策人和下一次拜访动作是什么 |
左边回答“我找到了什么”,右边回答“组织接下来做什么”。

情报的价值,不是增加组织知道的事情,而是减少组织从知道到行动之间的延迟。
Palantir 的启发:数据不是仓库,而是行动中的关系
Palantir 最值得研究的地方,不只是它服务过政府和情报客户,也不只是它拥有 Gotham、Foundry 或 AIP 这样的产品名。
更关键的,是它没有把数据理解成一堆等待查询的表,而是试图把现实世界中的对象、关系、权限和行动放进同一个工作环境。
在真实业务里,一条“客户可能需要推理服务”的信息,永远不会孤立存在。它会和客户、合同、机房、芯片、价格、项目进度、销售负责人、合规边界和竞争对手联系在一起。
如果这些信息分散在 Excel、邮件、会议纪要、CRM 和个人记忆里,企业就算拥有很多数据,也没有真正拥有对这件事的理解。
这也是 Palantir 式“本体”(Ontology)的启发:本体不是给数据换一个更时髦的名字,而是明确系统里有哪些业务对象,它们之间是什么关系,谁可以看见和修改,以及一个判断怎样进入行动。
行业情报真正需要的,正是这层关系。
比如,供应链情报不应只是一张供应商名单,而应该能够回答:某个供应商依赖哪些上游?影响哪些客户和项目?替代方案要多久?由谁批准?在什么风险阈值下必须启动替代?
客户情报也不应只是拜访记录,而应该把客户的预算变化、业务压力、决策人、历史项目、使用反馈和下一次动作连起来。
再看三个常见场景。
场景一:竞争对手降价。
普通报告会记录价格变化。行动系统会继续标出:哪些客户正在续约,哪些合同有价格保护条款,哪些产品的毛利已经承压,销售应该先守住哪一批客户,产品团队是否需要调整套餐。
场景二:政策开放新的算力补贴。
普通报告会摘录政策原文。行动系统会把政策条款映射到客户类型、地区、申报窗口、所需材料和内部负责人,最后形成一张“谁在什么时候提交什么”的任务表。
场景三:供应商交付周期拉长。
普通报告会提醒风险。行动系统会把供应商和项目、库存、替代型号、交付承诺连起来,算出哪些项目必须提前沟通,哪些订单可以切换,哪些客户需要重新承诺。
同一条外部信息,经过关系组织之后,才会变成不同部门都能执行的动作。

这时,数据才从“被存储的过去”,变成“可以帮助今天做决定的现在”。
但这里也有一个容易被忽略的边界:
把信息连起来,不等于系统自动得出了正确答案。
关系结构可以让问题被看见,让影响范围被计算,让权限和证据更加清楚,但最后仍然需要业务判断、现场验证和结果反馈。企业不能把一张漂亮的关系图当成决策本身。
FDE 的位置:把情报送到最后一公里之前
FDE 是 Forward Deployed Engineer,通常译作前沿部署工程师。
这个角色最早在 Palantir 的政府和情报客户场景中发展出来,并不是因为客户缺一个会写代码的人,而是因为现场问题无法被总部的标准产品说明书完整描述。
工程师必须靠近任务现场,理解真实流程,处理数据和权限,修改系统,再观察结果。
这件事与行业情报非常相似。
行业情报团队面对的是外部世界的复杂性;FDE 面对的是客户现场和内部业务流程的复杂性。两者都不能只做一次信息转述,而要不断把模糊问题压缩成可以验证的任务。
情报团队说:“某个行业正在发生变化。”
FDE 会继续问:“哪个客户已经受到影响?哪个流程可以先试?需要接入什么数据?谁来验收?如果模型判断错了,谁来复核?四周后什么结果能证明这件事值得继续?”
这就是 FDE 的独特价值:它把情报里的“可能性”,变成现场里的“责任”。
没有这一层,行业情报很容易出现三种空转:
第一,信息越来越多,但一线不知道和自己有什么关系。
第二,机会判断越来越快,但没有人愿意为验证结果负责。
第三,试点做了很多,但每个项目都从零开始,经验没有回到产品、流程和组织里。
所以 FDE 不是更快的驻场外包,也不是会用 AI 的业务人员。FDE 要对从问题定义到生产运行的完整链路负责,并把现场经验沉淀为代码、规则、Skill、测试、数据接口和可复用的交付方法。
行业情报、Palantir 与 FDE,其实是一条生产线
把三者放在一起看,可以得到一条更完整的链路:
外部信号 → 业务关系 → 现场任务 → 生产系统 → 结果反馈 → 新情报。
| 环节 | 关键问题 | 主要责任人 | 可交付物 |
|---|---|---|---|
| 外部信号 | 哪个变化值得关注 | 行业情报 | 事实、来源、时间、置信度 |
| 业务关系 | 它影响谁、影响什么 | 产品/业务负责人 | 对象、关系、权限、影响范围 |
| 现场任务 | 先在哪个流程验证 | FDE + 业务 Owner | 场景卡、基线、指标、停止条件 |
| 生产系统 | 如何稳定运行 | FDE / 工程团队 | 工具、工作流、测试、监控 |
| 结果反馈 | 判断是否成立、经验能否复制 | 业务 Owner + 情报团队 | 验收记录、复盘、可复用资产 |
这张表里最容易被跳过的是最后一行。很多项目能完成开发,却没有完成反馈;能交付一次,却没有让第二次更容易。没有反馈,情报永远只是单向广播,FDE 永远只是一次性派工。

外部信号来自政策、客户、竞争对手、供应链和技术变化。
业务关系负责说明这些信号影响了哪些对象,牵动哪些资源,可能改变什么决策。
现场任务负责把判断压到一个具体流程,找到业务 Owner,确定数据、权限、指标和停止条件。
生产系统负责把一次试验变成可以持续运行的工具、工作流或智能体。
结果反馈再回到情报系统:这个判断是否成立?客户是否真的采用?成本和收益是否符合预期?哪些经验可以复制到下一个项目?
这不是一个“情报部门 + IT 部门 + 交付部门”的串联流程,而是一条越来越短的学习回路。
它要求不同角色之间的边界重新连接:
• 情报人员不能只负责搜集,还要知道信息将进入哪个决策。
• 业务 Owner 不能只提出愿望,还要提供规则、样例和验收标准。
• FDE 不能只完成一次项目,还要把经验回流为产品和方法。
• 管理者不能只问“用了多少 AI”,还要问哪些判断变快了,哪些结果变好了。
在这个意义上,企业真正缺的不是更多数据库,而是一个能让情报、判断和行动互相反馈的组织回路。
中国企业最难的地方,不是技术,而是情报没有 Owner
很多企业已经有不少数据:销售记录、客户拜访、项目台账、供应商资料、政策文件、产品文档和历史报告。
它们的问题往往不在数据太少,而在于没有人对“这份数据最后要改变什么动作”负责。
我接触过一个很典型的行业情报场景:团队已经长期维护友商、项目、政策、收并购和服务器出货量等结构化资料。数据并不新,价值也不低,真正缺的是一套能持续更新、按关系检索、辅助判断并自动生成报告的工作流。
这类需求很容易被误解成“做一个行业情报知识库”。但知识库只是存放位置。真正的项目应该继续追问:哪些变化需要触发客户拜访?哪些供应商风险要进入采购决策?哪些竞品动作会改变产品优先级?报告生成以后,谁必须在几天内做什么?
如果这些动作没有被写进系统,所谓智能化只是把旧报告换了一个更快的出口。
情报团队把报告交给业务,业务说需要更准确的报告;IT 团队说可以做一个系统,但需要业务先把需求写清楚;管理者要求“全面拥抱 AI”,却没有给出场景、权限和验收人。
每个人都在工作,事情却没有闭环。
我在企业 AI 转型的实际讨论里越来越确定:一个行业情报场景要进入 FDE 交付,至少需要四个条件。
第一,有明确的业务 Owner,而不是只有一个感兴趣的联系人。
第二,有原流程基线,知道现在花了多少时间、经过多少人、错在哪里。
第三,有可以取得并合规使用的数据,不能把“以后接数据”当成方案的一部分。
第四,有结果指标和停止条件。做错了怎么办,连续几周没有采用怎么办,都要提前说清楚。
如果这些条件都没有,项目大概率会停留在展示层。它可能有很好的界面,有漂亮的图表,也能在会议上获得“挺好”的评价,但没有真正改变任何经营动作。
这也是为什么“行业情报系统”不能只由情报人员或技术人员单独完成。它需要由懂行业的人发现问题,由 FDE 把问题做成系统,由业务 Owner 对结果负责。
可以用一句更直白的话来分工:
情报人员负责把远处的变化带回来;
业务人员负责说明变化会碰到哪条流程;
FDE 负责把流程改到能运行;
管理者负责决定继续、扩大,还是停止。
不是谁的报告写得更长,谁就拥有更大的决策权;不是谁的 Demo 做得更快,谁就已经完成了交付;不是谁在会上说“未来很大”,谁就已经证明了价值。
真正的情报能力,最后会长成组织记忆
一个企业做完十个行业情报项目,如果每次仍然要重新找数据、重新问问题、重新解释规则,那么它只是完成了十次项目,没有获得十次能力。
能力的标志是:第二次做同类事情时,组织明显比第一次更快、更稳,也更知道什么不该做。
这需要把隐性的现场经验蒸馏成可以调用的资产:
• 竞争对手和客户的对象模型;
• 关键指标与数据来源说明;
• 情报更新和复核规则;
• 行业判断的提示词、Skill 和 Agent;
• 事实、推断和待验证假设的区分;
• 业务 Owner 的验收模板;
• 失败案例和停止信号。
这些资产共同构成企业的组织记忆。
组织记忆不是把所有过去保存下来,而是让未来遇到相似问题时,能够更早看见、更少犯错,并且更快进入行动。
因此,FDE 的“蒸馏”不是项目结束后的文档工作,而应该从第一天就进入交付设计。每一次现场交付,都要同时回答两个问题:今天的问题解决了吗?下一次类似问题会不会因此更容易解决?
后一个问题,决定了 FDE 是在创造组织能力,还是只是在出售自己的时间。
结尾:企业最后要管理的,可能不是信息,而是注意力
我们正在进入一个奇怪的阶段:获取信息越来越便宜,生成报告越来越快,做出一个可以演示的系统也越来越容易。
真正稀缺的东西,反而变成了三件事:
谁有资格定义什么值得关注;
谁愿意为一个判断付出验证成本;
谁能在结果不如预期时继续留在现场,把失败变成下一次更好的方法。
Palantir 给我们的启发,不是再建一个更大的数据平台,而是把现实世界的关系、权限和行动放进同一个语境。FDE 给我们的启发,也不是给组织增加一个时髦岗位,而是让判断必须经过现场、系统和结果的检验。
行业情报真正成熟的那一天,可能不会再有一份孤零零的“情报报告”。一条外部变化会直接连到受影响的客户、项目和资源,形成一个待验证的任务;任务完成后,结果又会回到组织记忆里,改变下一次判断。
到那时,情报部门、产品部门和交付部门的边界也许会变得模糊。
因为真正有竞争力的企业,不是知道得最多的企业,而是从看见变化到做出正确动作,所需要的时间最短的企业。
而我们每个人都可以问自己一个更不舒服的问题:
我今天收集的这些信息,究竟改变了谁的哪个动作?如果没有改变,它还算情报吗?
延伸阅读
• Palantir:Dev versus Delta: Demystifying engineering roles at Palantir
• Palantir:Escaping the Cargo Cult: Exchanging blind faith for real-world outcomes
• 腾讯研究院:来自硅谷一线创业者的 FDE 非共识和落地指南


