[Cat Wu跳巢新聞給的啟發] 她不是創辦人，也不是工程師，為什麼矽谷肯為她開價

2026 年十一月的第一週，中文科技圈被同一則消息洗了一遍。標題一個比一個猛，「矽谷大地震」「今年最炸裂的人才跳槽」「OpenAI 這步棋有多狠」。

這類標題我們見多了，通常滑過去也就算了。但這次有一件事值得停下來想一下。跳槽的人是誰？不是 OpenAI 的創辦人，不是造模型的科學家，也不是寫出那套工具的技術原作者。她是一個產品負責人，帶的是產品管理團隊。

在 AI 圈，錢和注意力一向只追兩種人：開公司的人和造模型的人。工程師排在第三，產品經理排在更後面。所以真正該問的問題不是「她去了哪裡」，而是「什麼變了，讓一個產品負責人的動向被當成年度大事」。

我把手上的報導和一手資料對了一遍，先清掉幾處被放大的地方。

先把事實校準

那個被瘋傳的版本說她「昨天才剛從 Anthropic 告別」，隔天就官宣加盟。實際上，她的最後工作日是 10 月 30 日，11 月 3 日在 X 上宣布離開，11 月 5 日才官宣加入 OpenAI。中間隔了幾天，不是「昨天」。

職位也被說大了。準確的說法是 OpenAI 核心產品線（Core Products）的產品管理負責人，向 Thibault Sottiaux（內部常稱 Tibo）匯報，和負責企業產品的 Nick Turley、負責消費級產品的 Ashley Alexander 協作。她是去帶隊做產品管理，不是去當那條線的最高負責人。

還有一個數字要加限定。媒體愛說「十天走了四個人」，這四個是她和另外三位，另外三位分別負責 Agent 與上下文工程、桌面端和工程管理，都跟 Claude Code 這條線相關。不含她本人是三個。這個說法成立，但「同一條產品線」「十天」這兩個條件得講清楚，不然就成了渲染。

事實校準到這裡，反而讓問題更有意思了。把水分擠掉，她還是一個產品負責人，還是一次正常的職位流動。那為什麼 Business Insider 要用「major coup」（重大挖角勝利）這種詞？

她是誰

Catherine Wu，2017 年普林斯頓大學電腦科學系畢業。她的職涯由三種身分輪流上場。

表裡有一格值得特別看一眼。她在 Index Ventures 那三年，看起來是純投資人的路子。但她在官方部落格裡自己寫了，那三年她還在寫程式。寫的是什麼？爬 X 找新公司的成立公告，監測開源專案的勢頭有沒有起來。

這一點比「投資人轉產品經理」這句話有說服力得多。它說明她的工程手感一直沒斷，只是拿去自動化自己工作裡最枯燥的部分。後來她進 Anthropic 之後說的那些話，什麼「產品經理要自己搭原型」「不要寫完規格就交給工程師」，底氣就是從這裡來的。

那個讓她轉崗的下午

2024 年 8 月她進 Anthropic 時，位置是研究團隊的產品經理，工作是給研究員和真實客戶牽線。Claude Code 當時還只是個內部小工具。

她自己講的故事是這樣的。她讓這個工具去搭一個強化學習環境，她不懂那些細節，只能一遍遍描述需求、修正方向。前後幾十個小時，她一行程式碼都沒有手寫。最後環境真的跑起來了。

她在告別帖裡的原話是「我一下就上頭了，轉頭加入了這個團隊」。幾個月後寫在官方部落格裡的版本更精確，那批專案加起來花了數百小時的提示，但一行手寫程式碼都沒有。兩個說法不矛盾，一個是社群貼文的口氣，一個是正式文章的交代。她當時做的還包括用 Streamlit 做應用分析大規模使用者回饋、寫評估幫公司找可信的新基準。

於是她轉崗，成為 Claude Code 的創始產品經理，和技術原作者 Boris Cherny 搭檔。矽谷媒體給他們取了個綽號，叫「蝙蝠俠與羅賓」。分工很清楚，Cherny 把東西寫出來，她定方向、拉跨團隊、推商業化。

中間還有個插曲。2025 年 7 月，她和 Boris 一起被 Cursor 的母公司 Anysphere 挖走，她去做產品負責人，Boris 去做首席架構師兼工程負責人。結果大約兩週後，兩個人又雙雙回到 Anthropic。所以這次去 OpenAI，是她第二次從 Anthropic 出走，只是這次選了對手。

故事講到這裡，還沒解釋「為什麼是她」。要解釋這件事，得看她手上那條產品線值多少錢，以及 OpenAI 缺的到底是什麼。

一條產品線的價格

先擺數字。

「年化運行率」算的是拿最近一段時間的營收乘出來的估值，不是已確認收入。這個數字各家算法不同，聽聽就好。但同一組數字裡有個東西比金額更值得看，那就是企業訂閱數在一年內變成四倍。

放到更大的盤面看，Anthropic 在 2026 年第二季的營收是 115.55 億美元。截至 2026 年 6 月，有 34.4% 的美國企業在為它付費，這個數字首次超過 OpenAI 的 32.3%。Claude Code 長在這塊盤子裡，是其中最受注目的那一塊。

再看兩家公司的錢從哪裡來。Anthropic 有七成半到八成半的收入來自企業級 API，OpenAI 則有超過六成五來自消費端訂閱。這沒有誰好誰壞，只是土壤不同。而 Claude Code 這條線，是長在企業土壤裡最肥的一塊。

所以 OpenAI 的短板不在模型。它的推理能力沒人敢小看，她自己在赴任的聲明裡也誇了 OpenAI 把規模化這件事做成了，讓十億人用上了 AI。短板在另一件事上，把模型變成一個順手、可預期、人機分工清楚的工作工具。這件事過去一年在企業端被 Claude Code 壓著打，最直接的對手 Codex 在企業銷售上落後。

買下對手的產品負責人，一層是補強，一層是姿態。讓投資人看見「我們知道自己的短板在哪，而且我們動手補了」。還有一個安排很能說明她要去補的是什麼：她匯報的對象 Thibault Sottiaux，本人正是 Codex 的工程負責人。

真正的分量在時點

在我看來，這次挖角真正的分量在時點，不在她的履歷。

Anthropic 在 10 月 26 日公開遞交招股書，正在衝上市。她 10 月 30 日離職，距離遞表不到一週。一家公司最需要向投資人展示「我們的人很穩、產品線很強」的時候，對手挖走一條核心產品線的負責人，這個信號的代價比薪水高得多。

履歷那一層也是實的，只是排在後面。工程師、投資人、產品經理，三種身分她真的都做過，不是掛名。工程背景的價值她自己講得很直白，如果一件事該有多難你判斷得出來，簡單的就別討論了，花一小時做掉；難的就提前知道成本，好排優先順序。投資人那三年給她的是另一種眼光，看過上百家公司怎麼長起來、怎麼死掉。產品經理是她最後落腳的地方。

多數產品經理只有第三段。少數有前兩段其中一段。三段都有的人，全行業數得出來。

還有一個數字能說明時點這件事有多不尋常。Anthropic 整體的「遺憾離職率」大約只有 1%，員工從 940 人漲到 5300 人。一家幾乎不流失人的公司，同一條產品線在十天內連續掉骨幹，這不是普通的職場流動。

有人問她要不要乾脆休半年假再上班。她的回答是「post agi!」，等 AGI 之後再說。

真正變了的是什麼

如果把這件事讀成「AI 公司開始搶產品經理了」，那是讀錯了。

變的是行業的重心。模型的性能紅利正在見頂，這是個很樸素的觀察。當每一家的旗艦模型在大部分任務上都夠用，那「我的模型比你好一點」這件事能換來的溢價就愈來愈薄。剩下的仗在哪裡打？在誰能把那個已經夠強的模型，變成一般人每天上班真的會打開、真的敢把工作交出去的東西。

這件事過去在 AI 公司的價值排序裡排得很後面。工程師造模型，創辦人講願景，產品經理負責把需求寫成文件。現在這個位置被重新定價了。

被重新定價的那個人就是她。她不是技術原創者，Claude Code 的技術起點是 Boris Cherny 寫的原型。她也不是科學家。她的位置很特別，是把模型的能力翻譯成一個可交付產品的那個人。翻譯這件事，在模型不夠強的時候不重要，因為怎麼翻都是半成品；在模型夠強的時候變成決勝點，因為翻不好就是浪費。

這裡有個地方值得停下來想。她那次「幾百小時、一行程式碼沒寫」的經歷，本質上是什麼？是一個人在真實場景裡，把模型的能力邊界一段一段逼出來。

這件事有個正式的名字，而且過去二十年一直有人在做，只是不在矽谷的 AI 實驗室裡。它叫 FDE。

FDE 是什麼，它怎麼被逼出來的

Forward Deployed Engineer，前線部署工程師，也有人譯成前沿部署工程師。定義很簡單，住進客戶現場、對落地結果負責的工程師。

這個職位有三層身分疊在一起。既是嵌入客戶內部的產品經理，也是全端的工程師，還是懂那個行業的顧問。核心能力一句話講完，把業務的「疼」翻譯成技術問題，再把技術的「能」翻譯回業務價值。

時間分配上有個提法我覺得很傳神，七成時間在聽和看，三成時間在動手。這是《FDE 實戰手記》作者高承實的說法，不是行業標準，但抓到了這件事的筋骨。多數工程師的本能是坐下來就開始寫，FDE 的本能是先去看事情本來的樣子。

它的起源比很多人想的早。2003 年 Palantir 成立，早期的客戶是 CIA、國防部、陸軍、醫保這些單位。三個現實條件把這個物種逼了出來。

Palantir 內部不叫 FDE，叫 Delta。配對的產品經理叫 Echo。這兩個代號是從美軍和北約的通訊文化裡搬來的。

Echo 和 Delta 的分工，是這整個模式裡最精巧的一環。Echo 負責聽懂，把老闆和基層員工說的話翻譯成真需求；Delta 負責做出來，把需求做成人真的能跑的系統。一個是業務的耳朵，一個是工程的手。

這個分工是被客戶業務涉密這個條件逼出來的。想像那個現場：工程師坐進會議室，問對方「你們這個流程平常怎麼跑」，對方回答「這個不能講」。業務本身涉密，不是不配合。於是你能做的只剩下看。看誰在什麼時間點把哪份表從一個系統搬到另一個系統，看哪個環節永遠在等人簽核，看哪張紙條貼在螢幕邊上。這些動作加起來，才是一個沒人寫在文件裡的真實流程。

這套配對幹掉了什麼？幹掉了傳統系統整合那條「需求定義、基本設計、詳細設計、實現」的串行流水線。那條流水線的毛病是每一段都可能失真，等到東西做出來，最初的問題早就不一樣了。Echo 加 Delta 把這幾段壓縮成同一個人在現場來回迭代。據說直到 2016 年前後，Palantir 僱的 Delta 人數都還多於做產品的軟體工程師。

這個結構聽起來是不是有點熟？一個懂業務的人在現場，一個能動手的人把東西做出來，中間不隔著文件。2024 年的 Anthropic 裡，Cat Wu 幹的事本質上是把這兩個角色裝進了同一個人身上。

同源，但箭頭方向相反

先說同源。

她花幾百個小時、一行程式碼沒寫，把模型的能力邊界逼出來。這件事就是一次一個人的 FDE。不寫程式碼，在真實場景裡讓工具自己去撞牆，撞到哪裡卡住，那裡就是邊界。FDE 在客戶現場幹的是同一件事，只是他撞的是業務流程的牆。

連動作都對得上。她會專門騰出時間把 Cowork 推到極限，跟模型對話，搞清楚它到底為什麼在某個任務上犯錯。這不是測 bug，是親手去摸那條邊界在哪裡。

兩邊的規矩一樣。親手去摸邊界，不許坐在辦公室裡推演。

真正像的是產出。她那幾百個小時帶回來的，是一個做好的環境，也是「模型在哪一步卡住」這件事。FDE 從現場帶回來的，是一個交付完的系統，也是「業務在哪個環節卡住」。兩邊交回公司的東西裡，最值錢的那一份是邊界資訊，而非一份答案。

這一點決定了這兩種人值多少錢。只把答案帶回來的人，只能賣那一次；把邊界帶回來的人，能讓下一次不必再撞同一面牆。

再說反向，這裡才是關鍵。

最後那一行我想多說兩句。這裡借用一個講 FDE 模式時很好用的比喻。

傳統的駐場工程師，箭頭是從公司指向客戶。把人送出去，換一筆一次性專案款，專案結束知識留在客戶那裡，公司兩手空空回來。這是放血。Palantir 的 FDE 模式，箭頭是從客戶指向公司。派人到現場，真正帶回來的是客戶的現場知識，沉澱成產品，下一個客戶直接就能用。這是把現場的火力吸回自己身上。

Cat Wu 這一類產品負責人，箭頭也是從客戶指向產品。她把使用者怎麼繞路、怎麼硬幹，抽象成產品裡的一個功能，然後把鷹架拆掉。她解決的是最後一百公里，讓後面一萬個客戶不必再走那一公里。

所以有個反常識的結論。

FDE 的職位需求一年暴漲大約 729%，Indeed 上的數字從 2025 年 4 月的 643 條漲到 2026 年 4 月的 5330 條。這個數字看起來像 FDE 的春天，其實恰恰是產品還沒做到位的價格。產品愈笨，愈需要有人駐場翻譯；產品愈聰明，FDE 的活愈少。

Palantir 自己的故事可以作證。2020 年 9 月直接上市，發行價 7.25 美元，市值 158 億美元，比 2015 年上一輪私募的 204 億還低。華爾街當時給的評語是「人力密集的顧問公司」。2023 年起大面積用 AI 工具，營收連續多季強勁成長，市值一度超過 3000 億美元。a16z 的 Marc Andrusko 寫過一篇《The Palantirization of Everything》，談的就是 FDE 這套模式。他的說法是，它漲這麼多，關鍵原因在客戶的淨收入留存率被推到 150% 然後複利，不是因為軟體比誰強。這個歸因是 a16z 的判斷，留存率那組數字也不是官方披露的口徑，但方向值得參考。

回到台灣的辦公室

這段話在我們的辦公室裡是日常。

台灣企業裡幹 FDE 這些活的人，名字通常不叫 FDE，叫售前解決方案工程師、AI 實施工程師、私有化部署工程師。做的事情一模一樣：進客戶現場、聽需求、回來改設定、再進現場。

而且有兩股力量把這件事從「服務選項」逼成了「唯一可能」。一是資料，金融、醫療、大型製造的客戶，資料在物理上就是不能出域，等保、稽核、內規層層卡著。二是模型，模型太新，客戶不知道能拿它做什麼，也不知道什麼地方會出錯，得有人陪著跑一段。

有意思的是這兩股力量的來源不一樣。美國的 FDE 是被「模型太新需要陪跑」召喚出來的，台灣的 FDE 有很大一部分是被「資料物理上不能動」按在原地的。

我看過一個很典型的現場，在一家連鎖零售企業。三千多家門店的營運督導報告堆積如山，區域經理根本看不完。聽起來是個典型的「給他們一套智慧分析平台」的需求。

團隊進去之後，前兩週一行程式碼都沒寫，只是跟著區域經理巡店、坐在旁邊看他怎麼工作。然後看見一件很有意思的事。公司明明有官方系統的報表，區域經理卻不太看。他們真正在用的是各店店長每天手動填的表格，在群組裡傳來傳去，自己再用 Excel 匯總。

為什麼？因為官方系統的資料更新有延遲，偶爾還會出錯，跟不上他們每天做判斷的節奏。

這件事如果只靠訪談，永遠問不出來。因為問「你們怎麼取得資料」，答案一定是「用系統」。得坐在旁邊看，才會看見那份 Excel。

而那份 Excel 就是答案。它無關員工偷懶，也無關抗拒數位化。那是他們自己動手做出來的替代品。一個系統做到讓人另外開一張表來繞過它，那張表就是這個系統的待辦清單。

所以那個判斷放到我們的處境裡，問法要變一下。

每一次進客戶現場手動調參數、每一次為了個案寫一支腳本、每一次在會議室裡解釋「這個功能要這樣繞一下才行」，如果同一件事在五個客戶身上重複做了五次，那已經算不上服務，而是產品缺陷的證明。這些活該做的事只有一件，盡快抽象回產品裡，讓第六個客戶不必再來一次。

反過來說，如果一家公司請了 FDE，卻從來沒有把現場經驗回流成產品，那它做的是放血，不是吸星大法。專案一個接一個接，知識一回一回留在客戶那裡，規模永遠上不去。

這也是為什麼她這類人被重新定價。她幹的活，是把所有人的繞路動作收斂成一個產品決策。這件事做好了，FDE 的需求會少一點，但每一家企業的落地會快很多。

問題從來不是我們該不該請 FDE。是我們現在請這批人做的那些事，有多少是在替產品還債？

（系列第一篇。第二篇拆她整套方法論，附件另有可掛進 Claude Code 的技能檔案。）