FDE：AI时代最贵的新岗位，是把工程师派进客户的“车间”

本文来自微信公众号：划重点KeyPoints，作者：心怡，编辑：重点君

不久前，深圳一家物流公司找到前大厂程序员李飞，希望用AI优化业务流程。他去现场看了看，这家四五十人的公司里，二三十人每天做同一件事，客户发来PDF，人工把单号和收发地址抠出来，录进Excel。他用AI编程工具搭了个演示，人工几分钟处理一份的活儿，AI几秒钟解析完，对方当场签了意向合同。现在他上午跑企业调研，下午驻场观察，趁业务员喝水的间隙凑上去问问题，晚上回来梳理需求写代码。“以前我坐在办公室等别人提需求，现在是满深圳跑。”

李飞的新身份在硅谷叫FDE（Forward Deployed Engineer，前置部署工程师），一种被派进客户现场、把AI塞进业务流程的工程师，当下全球AI行业最抢手的一类人。

2026年春天，OpenAI和Anthropic几乎同时成立了专门的“部署公司”。Anthropic拉来黑石和高盛，做一家AI原生的企业服务公司；OpenAI的新公司初始投资超过40亿美元，据路透社报道，它向私募投资人承诺了五年内每年17.5%的回报。领英今年1月的报告显示，FDE新增岗位数量从2023年到2025年激增42倍，同期风头正劲的AI工程师只增长了13倍。

热度很快跨过太平洋来到中国，国内的讨论分成两派。一派盯着年薪百万的招聘启事，把FDE捧成“AI圈最火的岗位”；另一派断言它水土不服，客户不为探索过程付费，公司养不起长期驻场的团队，“乙方不如狗”的行业留不住复合人才。

很多人开始讨论，FDE在中国到底能不能成立？但这个问题可能问错了。

两派之争其实有同一个假设，FDE必须由一家高毛利软件公司供养，在客户现场一驻几个月，再靠平台沉淀慢慢收回成本。

这个假设未必成立。被移植过海的从来只是职能，也就是把工程师派到客户现场，把AI装进业务流程这件事。换个地方，职能会长成不同的模样：在美国，它长成了大公司供养的重模式；在中国，它可能跳过这一步，直接变成一个个不靠平台、轻装上阵的人。

最值钱的知识，藏在一线业务的直觉里

FDE职能本身没有争议。95%的企业AI试点没有产生可衡量的财务回报，而企业已为此投入300亿到400亿美元。这些失败，很少输在技术上。

真正挡在AI和业务之间的，是三道墙。

第一道墙是语言。技术团队见到客户，第一句话往往是“你们有什么数据”；坐在对面的业务负责人真正想问的是“你怎么帮我多赚5个点”。传统解法是中间加一层产品经理做传声筒，但传一次，失真一次。

第二道墙更隐蔽。一个行业里最值钱的知识，大多没被写进数据库，只压在资深从业者的直觉里。什么情况下这个客户的货可以先放行，哪台设备的报警可以不理，这类规则没有文档，像物理里的暗物质，看不见，却决定着整个系统怎么运转。模型再强，也读不到没被写下来的东西。

第三道墙是人。企业AI公司Writer与调研机构Workplace Intelligence对2400名员工和高管的联合调查显示，29%的员工承认自己在暗中抵制公司的AI战略，Z世代中这个比例高达44%；76%的高管把员工抵制列为AI落地的严重威胁。外部工程师哪怕技术再好，面对的也不只是技术问题，还有组织中人的摩擦。

FDE的全部工作，就是拆掉这三道墙。

在洛杉矶做了两年FDE的亚文说，这份工作不负责产品的任何一个具体模块，但要对整个产品有七成的了解，带着这份了解扎进客户的工作流。“你每天面对的都是不明确的需求，像一团乱麻。客户已经着急了，但你要静下心来，把业务线头一根一根理出来。”

克莱·巴沃是美国AI公司Sierra联合创始人。这家企业的核心业务是为大企业提供客户交互AI。巴沃曾有过类似描述：团队要贴近客户业务的运作机制、人和商业模式，做到“对它的理解虽不敢说和客户一样深，但也在逼近”，才可能做出好产品。

没有前置部署团队，产品同样卖得出去；但要想尽快、以足够规模释放技术的价值，FDE是“一个重要的催化剂”。

Palantir用20年走通了这条路，也证明了它有多贵

FDE出生在Palantir，一家由PayPal创始人彼得·蒂尔参与创办的美国大数据分析公司，长期为政府和大型企业整合、分析保密数据。2003年成立之初，它的第一批客户是CIA、FBI和军方。这类客户说不清自己要什么，数据保密，流程保密，连遇到的问题本身也保密，发需求文档、开远程会议的标准打法完全失效。Palantir的解法是把工程师直接派过去长期驻场，在现场找瓶颈、搭原型，FDE的头衔由此演化而来。

这套模式当年在硅谷不被看好，需要大量工程师，扩张极慢，看起来就像外包。Palantir的账是一个循环，FDE在现场解决的问题被带回总部沉淀进平台，下一个客户进来时需要的定制更少；前期不计成本拿下灯塔客户，后期靠产品规模化。代价是时间。Palantir成立于2003年，直到2023年才第一次实现全年GAAP盈利，整整二十年。

Sierra在AI领域正是“从Palantir那里重新发现并借来”了前置部署的方式。为做出第一版产品，团队把工程师嵌入客户内部，创始工程师Mahi一度形同客户Weight Watchers的一名员工，会收到对方绩效考核季的邮件。

熬过去之后，回报开始兑现。在美国，FDE的中位年薪约21万美元，前沿AI实验室的资深FDE总包能超过78万。Palantir前员工累计创办超过100家公司，融资116亿美元，其中国防科技公司Anduril的估值已达610亿美元，Palantir因此被称为“终极创始人工厂”。

但这本账的成立大量依赖商业土壤。美国咨询业几十年的惯性是按人天收费，客户默认“派专家来理解我的业务”必须付钱，埃森哲一年的咨询收入超过300亿美元；成熟的订阅制让厂商敢在第一年重投入，钱能在后续续费里收回来；资本市场也给得起二十年的耐心。Palantir前CFO科林·安德森说得直白，FDE的经济性只在大合同上成立，两万到十万美元的小单跑不通。

没人否认FDE这个岗位；真正的争议是，谁来出钱养干这件事的人：有没有人愿意为他驻场的每一天买单，比工程师本身有多强更要紧。

2026年，从OpenAI、Anthropic到字节、蚂蚁数科、智谱，前沿AI公司集体重拾这套重模式，因为AI落地的困境和当年Palantir面对CIA时一模一样。模型是现成的，但每家企业的数据、权限、工作流、潜规则都是黑盒，唯一的办法是派人进去。只是这一次，没人有二十年可熬。据《财富》获得的财务文件，OpenAI 2025年收入约131亿美元，经营亏损超过200亿美元，它的部署公司却已承诺五年内每年17.5%的回报。一边是赶向IPO的财务节奏，一边是要在客户现场住几个月的物理节奏，两个节奏是对冲的。

中国的土壤养不起重模式，先长出的是轻模式

按Palantir的账算，FDE在中国确实跑不通。

猎聘和BOSS直聘上，字节跳动“豆包AI大模型FDE”的月薪挂到3.5万至7万元，全年15薪，顶格105万。但同一个市场上，国内交付实施岗的应届生年薪约10万到15万元，老牌ERP厂商用友的实施运维岗，月薪5000到8000元。同一类“把软件送进客户现场”的工作，薪资差出一个数量级。拉开差距的与其说是技术，不如说是这份工作在鄙视链上的位置。研发、算法、产品、售前、实施、驻场，驻场排在最末一格，行话叫“乙方不如狗”。

这条鄙视链的根，是中国企业服务市场几十年的付费习惯。客户愿意为服务器、机房这些看得见摸得着的硬件买单，愿意为写进合同的ROI数字买单，唯独不愿意为软件、更不愿意为“理解业务”的过程本身付钱。软件常被折价塞进硬件集成里一起卖，咨询则被当成签单前的免费赠品。制度又把这个习惯钉死，标准技术服务项目依法采用最低评标价法，功能达标、报价最低者中标。价格战由此打到过荒诞的地步，2017年腾讯云以0.01元中标厦门市政务外网云服务项目，这个项目的预算是495万元。在这套体系里，FDE花三个月理解客户业务的时间，不会出现在任何一张功能清单上。水土不服论说的这些，其实都对。

但开头那位满深圳跑的李飞，不是这么算账的。“原来做一套企业管理系统要一两年，花几百万。现在我们用AI编程，两个月就能交付一套定制系统。”

Palantir需要二十年的平台沉淀去摊薄定制成本，AI把这个成本直接打穿了。客户既然不为过程付费，轻模式就用AI把过程的成本压到接近零，探索便宜到不再需要谁来买单。养FDE的角色，就此从公司换成了AI本身。

这背后不只是AI写代码变快了，更深一层的原因是AI Agent基础设施的爆发。编程Agent接管了从写代码到测试部署的整条链路，MCP这样的标准协议让模型直接接入企业内部系统，现成的编排框架把售前演示、需求梳理、原型交付串成一个人就能调度的流水线。过去一家公司要养产品、售前、实施三批人，现在这些环节由一组Agent串起来。一个人加一组Agent，就是一条完整的交付线。

交付速度上，几个数字可作参照。借助前置部署团队，Sierra让零售商NEXT在约六周内上线、让医疗公司Cigna在约58天内上线。

深度定制之所以能这么快，与编程智能体和整体推进速度有关。上海一家AI公司的陈默是另一种形态。他把自己定义为“除了写代码和行政以外，处理所有事情的大管家”，售前、产品、项目整合在一个人身上。他招FDE只看两点，学习能力，和洞察事物本质的能力。“团队里学设计、学小语种的员工，都做得非常出色。”一位从业者说，“坐在北京的办公室里，你无法为东莞的一家工厂设计出解决方案。”

中国没有等信用卡普及，直接跳进了移动支付；同样，中国可能不会等出一家养得起FDE团队的Palantir，就直接跳到下一个形态：不隶属于任何平台、用AI武装自己的个体。

一个以让自己过时为目标的岗位

FDE每解决一个问题，方案就被沉淀下来，下一个客户需要的定制就更少。做得越好，行业对这个岗位的需求就越少。它的终点，是消灭对自己的需要。

亚文更看重这段经历对创业的铺垫。FDE见过太多成功和失败，深知用户痛点和落地细节。“AI时代创业门槛越来越低，如果你做过FDE，你会很清楚市场缺什么。”这与Palantir校友创办百家公司是同一条逻辑线，只是在中国，这条路不需要先经过一家Palantir。

FDE的起落，是人与大模型重新分工的注脚。模型拿走一切能被写下来的东西，代码、文档、方案，生成得一天比一天便宜；人守住一切没被写下来的东西，车间里的潜规则、组织的抗体、“这张单子必须当天处理”的直觉。

未来的分界线未必划在“技术岗”与“业务岗”之间，更可能划在能与AI协作的人和不能的人之间。稀缺资源正在从造模型的人，换到让模型进入车间的人。争论FDE这个头衔在中国能活多久，意义不大；值得看的是，承担这个职能的人正以什么形态出现。

李飞已经拿到了哈佛的录取通知书，他决定先不去，抓住眼前一到两年传统企业AI改造的窗口期。亚文则说，没有人能准确预测任何一个职业的未来。“我们能做的，就是看清它转变的方向，在恰当的时机跳到下一个浪头上。”

FDE不是AI时代重新分工孕育的最后一个岗位，只不过，这次它率先站在了分界线上。

*文中李飞、亚文、陈默均为化名，其经历参考了中新经纬、路透社、《财富》的报道，领英、MIT与Writer发布的公开报告，以及猎聘、BOSS直聘的公开招聘信息。