掘金FDE的真相｜从«百万年薪»梦到«月入平常»的现实冷遇

山海无痕 • 2026/08/07 21:29 • 美国

大模型热潮为这个岗位赋予了新生命，但首批从业者过得究竟如何？

这个职位在升温。

FDE是前线部署工程师（Forward Deployed Engineer）的缩写。如今，人们用它来指代那些身处企业一线、主要工作是将生成式AI系统整合进实际业务流程的技术人员。他们身兼数职：既要动手写代码、设计系统架构，也必须不断地和领导、员工进行沟通协调，将企业那句含糊的「想要用AI来提效」变为真实可运行的方案和工作链路。

这并非全新概念。美国科技巨头Palantir在十五年前就创立了这一角色，然而漫长的岁月里，它只在少数软件公司中出现。当生成式大模型兴起之后，局面改变了：企业逐渐明白，单纯导入模型远不等于拥有一个真正能用的AI系统。陈旧的软件体系无法兼容、重要信息散落在各类即时通讯和电子表格里、管理者也讲不出真正的业务需求是什么，这一系列难题都急需有人上门去解决。由此，作为连接器的FDE终于步入聚光灯下。

市场对这类人才的呼声在上升。根据美国求职网站Indeed的统计，岗位招聘数从2025年4月的643个跃升至2026年4月的5330个，环比暴涨729%。国内的情况也很相似。招人的主要是两大阵营：其一为面向政府、大企业客户的模型厂商，FDE充当售后和产品落地的角色；其二是个体创业者或小型团队，为那些不懂如何驾驭AI的中小企业提供定制方案。

需求在升温，但成熟的商业模式还没有定型。有人按项目次数计费，有人收服务咨询或年付费，还有人从成本削减的收益中抽成，或者把完成的方案打磨成可复用的工具反复售卖。企业主最容易理解的成本是「这个数字工作者相当于多少年薪」，可是改造一个流程究竟该定价多少，业界依然没有达成共识。

质疑随之而至。有人把它捧为AI时代最金贵的职位，培训机构更是打着「无基础三月速成、年薪百万」的口号揽客；也有人持保留意见，认为它不过是换个新名字的方案架构师、实施顾问或交付工程师，甚至被讽为没有价值的外包工作。

我们和五位FDE工作者进行了交流。其中有刚结束学业就承接千万级企业项目的新手，有日薪百元却周工作时长逼近五十小时的实习生，也有独立接单者、产品负责人和行业社群创办者。

真的进入企业场景后，他们才意识到：写代码仅仅是工作的冰山一角。驻场观察、参加会议、培训职员、摸清数据库和遗留系统的脾气秉性，这些才是日常的大头。财务收入也没有坊间传言那样光彩照人。有些人接了数万块的单子，却要自己包揽获客、开发、返修和维保等全链条；有些人频繁在外奔波、夜以继日地交付，到手的还是产品经理级别的工资。

五位从业者有一致的判断：FDE需求确实存在，但远未达到一个成熟行业的水准；企业想用AI却说不清要什么，从业者要承受大量的沟通成本；收益差异很大，那些「百万年薪」的故事，实际上鲜有人真的拿到。

1. 作为公司首位全职FDE，约八成工作都得参与其中

冯又又｜00后 深圳 内容营销科技公司FDE

今年六月底，我加入了一家专注B端内容营销的科技企业。招聘岗位标注的是AI产品经理，但到岗仅一周，我就被派往异地驻点，真正开始做FDE工作。

我们这支队伍是AI原生型小团队，角色划分还不够精细。开发和设计人员各自独立负责，而我是公司成立以来首位专职FDE，也是客户对接面最广的人。

传统意义的AI产品经理主要负责原型设计、需求文档编写，然后对接技术部门和做验收，通常只参与项目的中间流程。但FDE的参与覆盖全周期：从挖掘客户需求、现场走访、理清业务逻辑、搭建Demo演示、推进项目上线，再到最后梳理经验形成可迭代的架构，一项工作里大约八成的事项都需要我的介入。

我现在的工作节奏是，大部分时间用于协调沟通，小部分时间用于技术实现，经常在外地出差，有一次在客户现场连续待了近四周。日常驻场的典型流程是这样：上午与公司高管对话，挖掘具体的业务痛点；午间汇总客户的零散诉求，借用各类AI工具迅速打造流程样本；入夜后微调方案方案，第二天再和客户对齐反馈，形成多轮迭代，一直持续到方案能真正落地为止。

图源 / pexels

我日常使用Codex、Kimi、Copilot等多个工具，它们帮我整理信息、搭建框架、生成文档。某些需要开发同事花费好几天才能完成的设计稿，现在我半天就能搞定。然而，架构设计的取舍、客户谈判的博弈、最终方案的定夺，这些AI都做不了。

我确实感觉到今年FDE岗位的招聘量明显增加，但薪资待遇方面并未如传言那般诱人。我目前的报酬仍然按照产品经理的标准。不过，我现在看重的是能够直接服务客户、领导项目全流程、对最终结果负责的机会，这些履历在其他岗位较难获得。

现阶段这个岗位仍在探索阶段，各家企业对其定位和需求各不相同。比如有些公司要求FDE承担前后端开发的全部工作，但在我们这边，我只需负责需求分析、样本设计、上线跟踪，后端开发有专职人员配合。由于ToB内容营销的决策链条相对简洁，客户的负责人可以直接拍板；如果转向服务数百万C端用户，用户需求的离散度会高得多，平衡成本和体验的难度就大幅提升。

我最感到不安的是，自己涉猎很广但深度有限。沟通技能在不断打磨，但对技术判断的嗅觉可能还没跟上。每天都沉浸在解决客户问题中，缺少时间去思考如何积淀出能够重复应用的产品能力。

AI产业的词汇更新换代很快，Prompt工程师、Agent工程师等概念迭代不断，但我相信即便这个岗位改了名字，沉淀下来的能力——即沟通、判断、落地执行，都是能够带走的。给那些想入行的人一句话：不要被「高薪」这个标签冲昏了头脑，先用低投入成本去验证自己是否真的适合这一行。比如说，可以从头到尾做一个产品，和真正的用户交流。如果你能接受高度不确定、强沟通诉求、亲力亲为这类工作特征，可以考虑一试。

AI时代FDE这个岗位能否长期存在还不好说，但那些能在第一线把问题解决掉的人，我想永远都会有舞台。

2. 做FDE后，我得先学会理解别人的日常工作

@82LSF｜ 30岁 广州 自由职业

我在本科阶段学的是计算机专业。毕业后我在广东的一家上市企业里搞金融风险管理软件，主要用户是港交所这类的机构。

从去年起，我开始自由接单，接触各种软件编程和AI相关项目。前不久，一位朋友介绍，我去到一家老牌连锁餐饮集团担任FDE。

更确切地说，我更像是在经营一个«一人公司»。我的想法挺实际的：先把这家客户伺候好、积累案例，然后再去开拓更多的业务。到目前为止，我沉淀了十余个不同行业能通用的技能组件，这是收获最大的地方。

我上岗第一天没急着敲代码，而是先加进企业微信群，跟着运营部、销售部、物流部、各门店店长，观察他们每天具体是怎么工作的，摸清整个餐饮体系员工们的日常流程。这个步骤非常吃紧。很多时候，客户能说出来的只有「希望借AI加快效率」，但他们根本搞不清AI应该用在业务的什么环节。作为FDE，我要自己融入业务流程，看看员工每天在什么地方填写表格、什么地方撰写总结、什么地方处理什么类型数据，从而识别那些重复度高、又不需要太多决策的工作。

经过一番观察，我看出这个企业的日常工作主要还是靠手工填报、汇总陈述、合同撰写这类事务，最多偶尔用一下豆包，所有办公行为都离不开电脑。

我随后为每条业务链、每个部分定制了WorkBuddy的技能模块，用来简化日常琐碎工作，把那些没有附加值的重复操作交由AI完成。举例来说，我做了自动汇总各分店营收日报、记录考勤异常、对比库存定价的系统。

之前这些活儿全靠人工完成，每人每天得在桌前花上三十分钟到一小时的时间，现在基本都是AI自动生成，每个人的工作时间每天至少压缩三十分钟。一个月的尺度上，等同于减轻了一个人的工作量。

现在这些技能模块跑起来后，工作人员甚至不用坐在电脑前操作，只需在移动端微信中输入自然语言指令，绝大多数反复性的日常操作就能自动完成。

图源 / AI生成

关于FDE应该具备什么能力，我经常被问到。

根据我的经历，首先得对基础技术有全面的把握，比如理解API、MCP协议的限制边界，尤其在企业情景中，不同部门接触到的业务范围必须清晰划分，某些数据可以查看，某些只可读取不能修改，有些则是禁区。

其次要对所在行业有基本了解，这和咨询顾问的工作有些相似。你要先弄懂客户怎么运作，才能判断AI能解决什么问题。

最后，也是最关键的，是沟通能力。对比技术能力，FDE的沟通水平可能更加重要，如果总是理解不了客户在说什么，或者不能及时解决问题，对方会没有耐心。

即便具备这些本领，也不保证项目一定会成功。根据我的观察，FDE被派到企业、三五个月没有进展、最后项目流产的情况真的很普遍。

但对前景我不太担忧。从长远看，我认为这个领域至少还需要三至五年，甚至更久的时间打磨，才能建立起真正成型的产品体系、工作方法论和生态系统。

3. 实习只有日薪两百，加班最多时周时长接近五十

哲伟｜ 00后 北京 FDE实习生

进公司一个月，我对这份工作最直观的感受就是，网上吹得和实际干的完全是两码事。这是个「理想图景」和「实际处境」形成鲜明对比的职业。

很多人脑子里装的是「年薪百万」「六分协调、四分代码」「靠AI提效就能坐享其成」这样的印象。可是到了一线，那些被吹得神乎其神的AI自动化，往往转化为繁重的体力活。

作为一名FDE实习生，我的每日报酬是两百块，最繁忙的时间段，一周我会超过五十小时的工作量，其中有三天需要驻场或者在外奔波，收益与付出的比值确实很低。

通常我早上就到了客户的场所，先开好几个小时的会，确定需求内容和后续的执行计划，剩下的时间全拿来码代码。碰上项目时间紧张，我可能得连续敲七八小时的键盘，甚至在睡前还要给自己的Agent组件分配一个超长的后台任务，等它夜里自己跑，我第二天早上再去验收。

图源 / pexels

当然，这样熬夜匆忙出来的代码质量不会很好。但现在很多人的认知是，既然有了AI，那么开发效率就应该日新月异。实际上，代码生成以后还得经过审查、测试，这两个环节才是耗时最多的。再加上AI工具本身在不断迭代更新，很多新理念和新方向都要学。我常常有种错觉，自己好像不是在上班，而是在做«技术民工»的工作。

进来之前，我想象中的FDE工作流是这样：理清客户痛点后，就把它丢给AI，人类只需做一些微调整。进来以后才发现现实大不相同。客户往往有一大堆遗留系统，你得先理解它怎么运转、它的开放程度如何；客户的数据要是混乱的，还得先做数据清理。但客户会表示不理解，觉得自己只是想要一个AI功能，为什么要这么多前置工作。

有一回，客户想在内部搭建飞书AI助理。这个任务看上去简单，难点在于要把飞书AI、我们服务器上的程序还有飞书的在线表格三者打通。而这三个模块要能互通信息，中间必须加上一层网络服务。

为了实现文件的批量改动和格式调整，我们还接入了外部工具«秒搭»。但工具一多，问题排查就变得繁琐。哪怕出了一个小故障，我也得分别在三个地方都过一遍：是中间层的算法算错了呢？还是表格里的数据不对？还是AI助理那边的参数没配对？

本来想靠工具来简化工作，没成想却因为对接太多工具反而增加了复杂度。最后我们放弃了这套方案，回到了老套路，直接在自己的服务器上部署AI助理，配合其他工具进行调试，反倒简洁多了。

在我看来，FDE不像外面说的那样是方案架构师或者交付工程师改个新名字，它其实是AI驱动下，把传统的许多职位功能融合到了一个岗位上。过去可能是几个人分别负责的工作，现在全部压在一个FDE身上，既要懂编程，还要比客户更了解业务的细节和可能的风险。

有人说，FDE是个过渡性的职位，两三年后AI系统成型了就不需要这么多人了。但我持不同意见。只要企业的业务运作模式在不断演变，只要有新的应用场景需要人去理解、去执行，FDE这个岗位就不会消失。不过，从业的门槛会逐渐下降，因为AI辅助工具会越来越强大。但当门槛下降时，稀缺的反而成了那些能搞明白复杂业务、勇于制定技术方向的人。

我个人的打算是，长期来看可能会走独立开发者的路线，搞个个人工作室。给别人打工，琐碎的杂事太多，没法按照自己的节奏来。同一件事，我更想用自己的方式去解决。

4. FDE是「全能战士」，我自己也没做到完美

XIAO｜ 23岁 杭州 创业

我进入FDE这条赛道，可以说是阴差阳错。到现在也就一个多月。

我本科在北邮，硕士在南洋理工。我最初在网络上看到一个博主谈论FDE职业前景，觉得自己的条件挺适合——沟通这块儿没问题，对AI也有自己的想法。后来发现那位博主是我的学长，目前已经成了我的商业伙伴。

受他的启发，我开始尝试用AI去优化企业的工作程序。学长给我录了一个视频分享到网络，热度不高但效果不错，第一个客户主动找上门来了。一位«老板的儿子»当时在父亲关联的销售公司实习，他把我介绍给了公司老总。对方的意图是搭建一套个性化CRM系统。我们先在网络上讨论合作的可能性，也聊了对行业的看法。到周末的时候，我就赶往温州，把以前做过的一些成果都展示给了老板看。老板觉得我们年纪轻、有技术硬度，双方相谈甚欢。周日当天我们就口头确认了合作。

现在我接触的客户，企业年营收基本都过亿。其中一家年收入约两亿的供应链公司想要一个拍照识物系统，把识别结果直接录入到ERP。

听起来很直白，真正执行却是另一个故事。FDE真正考验的地方，不在于模型能否识别图片，而在于能否把企业内部混乱、不清晰的需求分解成AI能处理的一系列操作。客户的信息可能分散在员工的个人微信里，ERP也许根本没有开放接口，管理者自己也说不清真正想要什么。我得先进去了解业务，给员工做培训、搭建知识库，之后才能判断哪些岗位该交给AI处理。

有一次我发觉某位员工每日都要手工整理Excel数据。我花了三十分钟搞清楚这些数据的源头在哪、怎样经过处理、最后要以什么格式呈现，同一天的下午就让AI来接手了。FDE的专长就在于这里：不只是纯粹地写代码，而是快速理解业务逻辑，再把它翻译成可执行的解决办法。

AI的执行效率很快，但前期理解业务这一块儿是省不掉的。即使面对同一个产业，一套方案能做到三成的通用性已经相当不错，其余部分都要根据客户的具体情况重新调整。我交付的不是一个现成的产品，而是持续产出成果的服务。

说到收入，我也远没有传说中那么风光。获客、驻场、交付工作全是我自己来，每天从早忙到晚，比进入大型互联网企业还要辛苦。网络上说美国这行年薪能破百万美元，但我认识的从业者里，真的赚到这个数字的一个都没有。欧美可能对过程性工作付款更大方，但国内只关注最后的结果。产品没有真正跑通，之前做的再多工作也都是白费力气。

但这不等于FDE这个行业赚不了钱。这个领域还在非常初期，标准还未建立，市场混杂。那些真正有本事、能把项目做出来的人，会得到与实力相符的报酬，甚至会超过互联网大厂同技术水平的职位收入。不过这样的高薪不是因为叫«FDE»这个名字，而是来自于技术、业务、沟通、交付等多方面能力的汇聚。

依照我的认识，FDE是一个«全能战士»：懂技术、懂行业、能沟通，还要行动敏捷、迭代迅速。绝大多数人都达不到这个标准，连我自己也没能全部做到。

FDE也许只是AI融入各行各业的一个过渡环节。即便它最终消失，我相信也会是软件领域里撤退最晚的一批岗位。但假如只是听说高薪就想来试试，我劝你别来；如果真的想从事这一行，可以先用AI来优化自己的工作，看看效果。

5. 跑了北上深杭四座城，我发现FDE最缺乏的是信用基础

Lawted｜全国26岁 Ha7ch FDE社群发起人

我是从今年四月才开始从事FDE工作。

当时一个伙伴问我有没有意思去一家进出口货运代理公司帮忙部署OpenClaw。到了现场我才知道，那位老板连豆包这样的基础工具都不太会用。公司的订单跟单员每天在微信、Excel、PDF这些工具中往返切换，抓取文件内容、输入数据，绝大部分工作全是手工。

我想这一套流程完全可以交给AI来做，于是接下了第一个项目，想帮他们做一次系统的改造升级。

我在老板和员工之间来回跑了整整一个月，才把流程一点点搭起来。两个月后，系统总算完成了。用户只需上传Excel或PDF文件，AI就能自动抓取、自动建单、自动填单，员工最后只需检查一下就行了。

图源 / pexels

但系统虽然完成了，项目却失败了。老板问我，这套系统稳不稳定、要是出问题谁来负责、能否提供全天候维护服务。作为一个独自创业的OPC，我没有能力去保障一套系统的长期平稳运行。

项目虽然黄了，但FDE的热度刚好开始升温。我把自己踩过的坑分享到了网络上，解释了FDE的工作形态、驻场时会碰到哪些难处，吸引了一批粉丝。之后我又在深圳、上海、杭州、北京这四座城市分别组织了一场私密会议，认识了许多从事企业AI实施的人士。

巡回完这四座都市，我观察到FDE目前只是一个«有活儿可干、还没形成行业»的状态。四个地方都有各式各样的项目，从几百块、几千块的小电商订单，到几十万块、上百万块的大型企业改造项目。可是大项目需要拉起整个团队，项目费用还要覆盖客源开拓、程序设计、现地驻扎、故障修复、系统维护等诸多环节的成本，最后分到手头的酬劳并不如外面看上去那么多。

拿到一个项目仅仅是开始。客户只会说要做AI，却解释不清真实需求是什么；企业内部数据一团糟，敏感类信息难以流转；职工们害怕自己被替代，业务部门和老员工们会坚决反对；某个环节看似成功运作，但接成一个完整流程后，识别精度、运算花费、回款周期等变量又可能超出预期。

但对于独立从业的FDE，最大的挑战是争取企业的信任。参与讨论会的人中，有近七成的首个项目都来自亲戚、伙伴或累积的人脉资源。背靠大企业或产品的FDE身后有公司信誉做保障，可以直接进入客户的办公室，而独立从业者不具备这些优势，客户的信任度很难建立。对于传统企业领导来说，把经营数据交给一个陌生人本身就是一项危险的决定。单干的FDE只能凭借个案成绩和反复交付来证实自己的水平。没有行业人脉，也不愿意展现自己，只顾着自己技术积累的人，很难获得第一个机遇。

为了化解这种局面，我最近在尝试举办黑客马拉松赛事，参赛的选手有四十八小时的时间来帮企业解决问题。我帮忙邀请有AI转型需求的公司方，也筛选有志做FDE的人员。企业那边报销差旅，参赛选手直接来现场，在这四十八小时内梳理诉求、做出样本。如果企业认可，双方深入合作；如果不认可，项目到此为止。

有一个案例是我们去帮一家律师事务所建造系统。那里的见习律师通常要处理五六百份纸质文件，还要整理成一千多行的数据表，这件事得耗掉半个工作周。而我们的参赛队用AI做自动化识别和概括，有的内容甚至比人工填的更精准。四十八小时一结束，律所就决定和我们签合作，启动第一阶段的系统上线。

所以我的看法是， FDE就像是«AGI的搭桥人»，在AI还不能自己走进一家公司、独立理解周遭环境和启动工作时，由人作为中介把它接入真实的业务中。只有制作出真正能让企业看得见效果的产品，才能真正留住客户。

我觉得FDE的起始门槛没有想象中那么高，掌握技术、也想主动进企业理解需求，都可以去试。但真正把项目做成功的门槛比较高，你要让领导确信，可以把业务和数据放心交给你，同时也得在系统出故障时自己顶上去。

关于作者

山海无痕管理员组