FDE火了：AI落地最后一公里的人，一半是新岗位，一半是旧驻场

打开招聘软件，搜一个你三个月前可能还没听过的词：FDE，Forward Deployed Engineer，前置部署工程师。

这几个月，OpenAI、Anthropic、Google Cloud 都在把工程师往客户现场推。国内也开始出现 FDE、B 端 FDE、FDE 团队负责人这些岗位。配上一些很刺激的数字：年薪百万、岗位暴涨、OpenAI 拿 40 亿美元做部署公司。

问题是，热闹看完，你还是不知道这到底是不是一个值得转的岗位。它是 AI 时代的新职业，还是把「售前 + 实施 + 客户经理 + 技术支持 + 驻场外包」重新包装成了一个英文名？

我的判断：FDE 热是真的，但同一个名字下面，混着两种完全不同的东西。一半是产品化前线工程，一半是旧驻场模式换皮。

所以这篇不贩卖「年薪百万」焦虑。我们先把数字摆正，再看这份工作真正的含金量在哪里。

先把几个最容易传歪的数字摆正

第一，OpenAI 不是自己掏 40 亿美元养一批 FDE。

可核的事实是：2026 年 5 月 11 日，OpenAI 宣布成立 OpenAI Deployment Company。它会收购应用 AI 咨询与工程公司 Tomoro，带入约 150 名 FDE 和部署专家。这个新公司由 OpenAI 控股，初始投资超过 40 亿美元，TPG 领投，Advent、Bain Capital、Brookfield 等共同参与，Capgemini、McKinsey 等系统集成和咨询方也在里面。

这个差别很重要。它说明的不是「OpenAI 有钱任性」，而是资本、咨询公司、系统集成商一起押注一件事：模型公司下一阶段的瓶颈，不在模型本身，而在把模型接进真实企业。

第二，岗位增长是真的，但别混用口径。

公开可核的数据已经足够夸张：Business Insider 引用 Indeed 数据称，FDE 岗位在 2026 年 4 月同比增长约 729%；WSJ 也报道过，2025 年 FDE 岗位发布量比 2024 年增长超过 10 倍。

但流传稿里常见的「LinkedIn 42 倍 / AI engineer 13 倍」我没有找到公开原始报告。这个数字不是不能存在，而是发文时不能当硬证据写。能用的说法应该是：这个岗位从小众变成显性需求，但具体倍数要看平台、基线和统计区间。

第三，那个「6 周做出 2000 万美元产品」的故事，查不到原文。

这句话常被安到 Palantir 前工程师 Nabeel Qureshi 头上。但我翻了他 2024 年那篇《Reflections on Palantir》，没有看到这句话。原文能支撑的是：他第一个大项目是 Airbus，搬到法国图卢兹一年，每周四天在 A350 总装线附近工作，现场和业务贴得非常近。

这已经足够说明 FDE 的强度了，不需要再加一个查不到来源的热血数字。

为什么是现在？因为模型终于要被拿去赚钱

过去几年，行业把大部分注意力放在「把模型做强」上。但模型能力到了一定阶段之后，客户真正关心的问题变了。

不是「你这个模型 benchmark 多少分」，而是：

• 能不能接我的权限系统？
• 能不能读我的历史数据？
• 能不能过合规和审计？
• 能不能真的替我省钱、增收、提效？

这就是 deployment gap，部署鸿沟。模型在 demo 里无所不能，一进企业真实环境，就撞上几百个 Excel、扫描 PDF、跨部门权限、历史系统、合规流程和说不清需求的老板。

OpenAI FDE 负责人 Colin Jarvis 的公开访谈里有个意思很直白：ChatGPT 出来以后，客户很兴奋，但很难真正从模型里拿到价值。所以唯一稳定有效的方法，是把工程师嵌进客户现场，理解工作流，和客户一起把系统做进生产。

FDE 的出现，本质上是行业承认了一件事：AI 项目最后死不死，很多时候不取决于模型，而取决于有没有人把模型摁进真实流程。

FDE 到底干什么？写代码只是其中一部分

Palantir 是这个岗位的发源地。Nabeel 写过，Palantir 的 FDE 经常一周三四天在客户现场，先飞过去，再在现场搞清楚到底要解决什么问题。

听起来是工程师，但它不是纯写代码。它更像一个三合一角色：

工程师：把模型、数据、工具、权限、业务系统接起来。

产品经理：把客户说不清的需求，翻译成可交付的系统。

业务现场人：在客户组织的部门墙、流程墙、合规墙里把事情推进去。

真正难的不是写一个 demo，而是拿到数据、搞清权限、说服业务方、让系统进入日常流程。FDE 的价值就在这里：它不是把模型卖出去，而是让模型真的被用起来。

真 FDE 和高级驻场外包，只隔一层纸

判断一个 FDE 岗位值不值得去，不要先看头衔，也不要先看薪资。先问一个问题：

你在客户现场修出来的东西，最后会变成公司产品，还是只留在那一个客户？

真 FDE

• 按结果或订阅收钱，客户成功后公司也能复用。
• 客户痛点会回流成产品能力、平台原语、标准方案。
• 个人积累的是可迁移判断力：怎么拆问题、怎么接系统、怎么做取舍。

换皮驻场

• 按人天收钱，多驻一天多收一天。
• 成果留在单一客户，人走系统就没人懂。
• 个人积累的是某个客户的专属知识，离开场景就折价。

这也是国内最大的风险。美国企业软件和订阅制更成熟，FDE 成本更容易摊进经常性收入里；国内很多项目天然按人天、按驻场、按定制结算，你很容易被推成「高级实施」。

这不是人的问题，是商业土壤的问题。

Klarna 是最好的提醒：一个案例，两面都要看

很多人会把 Klarna 当成 AI 客服成功样板。它确实高调：2024 年 2 月，Klarna 宣布 OpenAI 驱动的 AI assistant 首月处理 230 万次对话，承担约 700 名全职客服的等量工作，覆盖约三分之二客服咨询，预计带来 4000 万美元利润改善。

但后面还有另一面。2025 年，Klarna CEO 又强调，在 AI 世界里没有什么比人更有价值，并承认过度以成本为主会带来服务质量问题，开始重新投资人类客服。

Klarna 不是简单的「AI 成功」或「AI 翻车」。它说明的是：AI 可以替代一部分流程，但服务质量、复杂问题、人类信任仍然会把系统拉回现实。

这正是 FDE 该存在的地方：不是把人从流程里粗暴拿掉，而是重新设计人、系统和模型的分工。

国内薪资怎么看？别只盯「年薪百万」

国内流传稿里有一组薪资：字节豆包 FDE、蚂蚁数科 B 端 FDE、智谱 FDE 负责人，月薪动辄几万到八万。但我暂时没有核到官方 JD 或公开原始媒体页。它们可以当线索，不能当铁证。

从BOSS直聘的公开搜索可以看到 AI FDE 的两个锚点，分别是新石器慧通和蚂蚁集团的职位：

资深 IC：35-55K·13 薪，杭州，5-10 年，本科。

团队负责人 P9：80-110K·15 薪，北京 / 上海 / 杭州，10 年以上，要求金融、医疗、能源行业 AI 技术或产品背景。

这比「年薪百万」四个字更有信息量。它要找的不是应届生，不是纯算法，也不是只会写代码的人，而是在传统行业里真的趟过 AI 落地、既懂技术又懂业务的人。

如果你正好来自金融、保险、医疗、能源、制造这些行业，又做过 AI 项目，这波 FDE 热和你的关系，比你以为的近。

我的判断：FDE 会怎么走

第一，FDE 是部署鸿沟窗口岗。当产品还没成熟、客户场景高度混乱、模型能力又刚好能产生价值时，它会变得很贵。等产品成熟、工具链完善，它会从核心岗回落成过渡岗，但不会消失。

第二，真正的赢家会把 FDE 当产品雷达。客户现场不是服务收入池，而是产品发现系统。谁能强制把客户痛点沉淀成产品，谁就能越做越轻。反过来，把 FDE 当外包利润中心，就会越做越重。

第三，AI coding 和 agent 会吃掉一部分管道工工作。自动接数据、自动生成集成代码、自动做验证，会提高单个 FDE 的杠杆。所以岗位人数未必无限扩张，但头部 FDE 可能更稀缺。

第四，中国会更容易滑向高级驻场外包。原因不是工程师不行，而是计价方式、信任结构、甲方成熟度和 SaaS 土壤不同。名字可以抄 Palantir，落地很可能还是出差、驻场、陪跑。

最后，给想转 FDE 的人三句话

第一，别因为一篇「年薪百万」的稿子改简历。高薪背后对应的是高出差、高沟通消耗、高不确定性，以及被客户锁定的风险。

第二，判断一个 FDE 岗是真是假，只问一句：你修出来的东西，会进入产品，还是只留在那个客户？

第三，真正稀缺的不是 FDE 这个头衔，而是它练出来的那身能力：在模糊需求里挖出真问题，在真实约束里把系统做出来，穿过组织的部门墙，把混乱变成可复用方案。

头衔会降温，肌肉不会。FDE 这个词是不是风口不重要，重要的是你有没有能力把 AI 从 demo 推进现实。

今天就做的一件事

找一个你最近接触过的、号称要「用 AI 改造」的真实业务场景。你自己的公司也行，客户现场也行。然后只回答一个问题：

这件事卡住，是因为模型不够强，还是因为数据拿不到、流程没理顺、权限接不上、没人说得清要什么？

如果答案是后者，那你刚刚看见的，就是 FDE 真正在解决的问题。

© THE END