「我们准备招二十个人,成立一个数字中心。」
十月的一次战略会上,一家年营收六十亿的服装集团董事长这样说。他的依据是同行里做得好的都在自建团队,外包总觉得不牢靠。
顾问问,这二十个人打算做什么。
董事长说,先做打样自动化,再做网点的智能配货,后面还想做自己的模型。
顾问说,这三件事的时间跨度从三个月到三年,你打算用一支团队一次做完。更实际的做法是先算一笔账,这三件事里哪一件买现成的比自己养便宜。
十一月中旬巴塞罗那的 Fermat 拿到800万美元种子轮,Kibo Ventures 与 Lunar Ventures 领投,PROfounders 参投,钱用来开纽约办公室,同时发布了一个叫 Techpacks 的功能,用 AI 生成技术图纸、尺寸、工艺细节、物料清单和配色。这家公司说收入自2026年初增长了三倍,客户超过350个,包括 ASOS、J.Crew Group、New Look,三分之一的收入来自美国。ASOS 的数字产品负责人 Nick Eley 说,打样从数周变成数分钟。
这组数字回答了一半的问题。打样这件事已经有成熟的产品,350个客户在用,价格是订阅费。自己养团队做同样的功能,第一年的人力成本就超过订阅费十倍,还不一定能做出来。
另一半问题在产品覆盖不到的地方。Fermat 这类工具解决的是从图到规格书这一段,它不懂你的版型库,不懂你和某家面料商的独家协议,不懂你过去三年某个品类退货的真实原因。这三样东西只有你自己有,也只有你自己能把它变成系统能力。
分界线可以画得很清楚。通用能力买,专有能力建。判断一个需求属于哪一类,问三个问题。同行是不是都需要,答案是要买;是否依赖我们自己的历史数据,答案是要建;外部产品的迭代速度能不能跟上,跟不上就要建。
多数公司栽在第二类上。嘴上说数据独家,那些数据大多躺在硬盘里没人整理。建团队之前该做的是把数据整理干净,这件事不需要二十个人,需要两三个懂业务的人加一套规则。
希纪在给服装企业做增长诊断时,见过一家公司花两年建了一个配货模型,上线后发现准确率不如商品总监的经验。往下查,问题不在模型,在数据,它用的历史销售数据里有一半是促销期数据,促销期的规律和日常不一样,模型学错了。
FDE 咨询在这类决策里的位置,是帮企业把自建与采购的账算清,再把自建那部分落地。FDE 是 Forward Deployed Engineer,前沿部署工程师,Palantir 大约二十年前把这个偏解决方案的工程角色改成了这个名字,2025到2026年 OpenAI、Anthropic、AWS、Google DeepMind 都在招,国内岗位需求今年增长超过800%,驻场报价已出现一人一天一万元。它进场做的第一件事,是把需求按通用与专有分类,列出采购清单与自建清单。
自建清单上的项目,还需要一个能验的交付节奏。按三个月一个场景,第一个月定数据和口径,第二个月做模型和规则,第三个月上线并验证。做不到这个节奏的项目,问题多数出在数据上,技术反倒不难。
收费按人天,通常六到十周。和企业自己的信息技术部门怎么分工,FDE 定架构与验收标准,内部团队负责长期维护。
反方的看法也站得住。有董事长会说,数据放在外部平台手里不放心。这个担心在客户名单、版型库这类核心资产上成立,解法是把数据留在自己库里,只把接口开放给工具,这件事技术上不难,难在合同要谈。
边界在规模。年营收十亿以内的公司,养一个五人以上的技术团队不划算,订阅加外部支持更实际;过了五十亿,专有能力的自建开始有规模效应,因为同一套能力可以复用到多个品牌、多个渠道。
可以当场核的检验有三个数,技术团队的人均产出、外购工具的年费占总技术支出比例、自建项目的上线准时率。人均产出说不清、外购占比低于两成、准时率低于一半,说明这支团队的定位还没想清楚。
自建团队的价值不在人多,在他们能把你公司独有的那点东西变成别人买不走的能力。
希纪 · 服装产业观察