最火AI岗位FDE：月薪5万，都干这些…

FDE，当前AI领域最受瞩目且最具神秘色彩的职位之一。

其热度体现在，众多大型企业纷纷提供月薪3至5万元的招聘待遇，小红书上关于FDE的帖子随处可见，求职经验分享内容层出不穷。

据招聘数据平台FDE Pulse统计，海外公开薪酬信息的FDE职位，年薪中位数大约为20万美元，换算成人民币约合134万元。

（处处是金钱的气息）

其神秘之处在于，我先后与6位FDE从业者交流，最终发现，他们各自负责的工作内容似乎大相径庭……

FDE是Forward Deployed Engineer的缩写，中文称为前线（前沿）部署工程师。

顾名思义，这是指驻扎在客户现场的工程师：一边进行软件部署，一边解决客户面临的实际问题。

如今，这个概念已从硅谷蔓延至国内。

在海外，Anthropic宣布投入1亿美元，计划在2027年底前培训1万名FDE工程师，OpenAI也携40亿美元投资成立了专注于部署的公司；AWS则出资10亿美元组建FDE部门，将数千名工程师派往客户身边。

国内亦在积极跟进，不少大型企业已发布FDE岗位。Kimi宣布联合多家IT服务商共同建设FDE队伍，腾讯云则推出了号称行业首个的FDE工程师认证，同时招募FDE合作伙伴。

与此同时，也涌现出不少独立开发者，凭借个人能力承接业务，为企业进行AI改造。

然而，派遣工程师前往客户现场的做法，在互联网时代早已存在。

部署工程师、实施顾问、解决方案工程师、售后工程师……这些职位从事的类似工作，甚至一度被视为“苦差事”。

那么，为何到了AI时代，它突然变得炙手可热？这个传统岗位，究竟发生了哪些变化？

FDE，到底是什么？

在经典的FDE模式中，经常出现两个不同的角色：Echo和Delta。

Echo负责理解业务、沟通需求并设计方案；Delta则负责编写代码、对接数据，将方案实际落地。两者在前线相互配合，共同满足客户需求。

在后方，还有一群Dev（普通工程师），负责开发标准平台。

可以这样概括Delta与Dev的区别：Dev做的是“一项能力，服务众多客户”，Delta做的是“一个客户，解决众多问题”。

值得一提的是，国内FDE的部分岗位招聘，也开始标注Echo或Delta方向。这种情况至少在两个月前是不存在的。

前线的工作，很大程度上围绕Ontology（本体）展开。

简单来说，Ontology就像一张可以被软件和AI调用的“业务地图”：企业中包含哪些员工、部门和订单，它们之间如何关联，各自允许执行哪些操作。

FDE要做的，就是将散落在不同系统、流程和员工经验中的信息，整理进这张地图，然后在此基础上开发应用、解决问题。

当这套模式传入中国后，衍生出了各种变体。

到了AI时代，驻场的重心也发生了变化：企业自身往往说不清AI能用在哪里，FDE需要先帮助客户明确目标。

李开复带领的零一万物，就是一个典型案例。

零一万物现已全面转向企业AI，其路径是：先找到企业的一号位，再派遣前线部署工程师进场，梳理企业的Ontology，最终沉淀为产品和平台。早期一个项目，需要派出5名FDE驻场，并配备5人的后端团队。

在李开复看来，尽管他们的产品已实现产品化并采用订阅制，“但它并非一个即插即用的产品”。建立一家公司的Ontology需要一至三个月，“公司的数据库、角色和流程都要准备妥当，客户才能获得充分的结果”。

在不少公司里，也有人从事着类似的工作。例如Layla和Sonic。

Layla在一家SaaS公司担任FDE，但她的职位头衔至今仍是产品经理。

**△**AI生成

从2025年三四月份开始，她真正进入客户的项目中。客户都是员工超过万人的上市公司，涉及连锁门店和制造业，每次驻场持续一两个月。

刚开始做的时候，还没有人将其称为FDE。后来这套模式流行起来，她深入了解后，“才发现，哎，好像就是同一回事”。

她的工作流程大致如下：

第一步，进场摸清业务，从采购、市场、财务、IT等多个角色中理清客户真正想要什么；

第二步，给出方案，搭建一个demo进行快速验证；

第三步，验证通过后，交给公司原有的交付团队上线；

最后，将可复用的能力抽象出来，迭代回公司的产品中。

这基本就是一套经典的FDE工作流程，也是目前企业或独立FDE进行开发的常规流程。

Layla认为，FDE的观察和经验，“最终还是要沉淀到标准产品里面去的”。

而另一位企业FDE——Sonic，负责的是审核类AI项目，例如财税审核、广告物料审核。

**△**AI生成

同样从2025年起，他们团队就开始研究FDE。在他看来，FDE最关键的环节之一，就是梳理Ontology。

他举例说明：如果企业想开发一个组织管理方面的AI助手，就必须先理清企业有多少部门、部门之间是什么关系；除了关系，还有属性，比如一个人的职级和薪资。

只有将这些抽象成Agent能够理解的结构，它回答问题时才会更准确，而不是胡乱猜测。

这一步往往相当费力，因为FDE经常遇到上下游历史数据不完整、老系统未开放接口等问题，导致项目难以推进。

但Sonic认为，这一步无法跳过：“如果质量足够高会很有效，后续交付质量主要取决于前面的Ontology质量。”

为了做好这些工作，Layla和Sonic都需要常驻客户现场。

在Sonic看来，驻场不仅是为了了解需求，还要先拉平业务方对AI的认知：什么能做、什么不能做，双方站在同一个语境里，才能进一步讨论痛点和方案。

而来自硅谷公司Baseten的程天舒却告诉我，他们的FDE基本不驻场。

**△**AI生成

Baseten是一家提供AI推理云服务的公司，客户将模型部署在他们的平台上，他们帮助这些模型运行得更快、更稳定、更节省成本。

他们接触的客户几乎都是工程师，需求也很具体。例如，原本调用OpenAI的API，现在想换成开源模型，应该选择哪个模型？如何部署？如何达到预期的速度和成本？

FDE会与客户开会，了解技术需求，然后搭建一个prototype来验证方案。问题可能涉及云基础设施、模型推理优化、训练或产品体验，不同方向由不同专长的FDE负责。

对他们而言，这种沟通基本可以在线上完成。

原因在于，Baseten提供的是面向开发者的标准化产品，它只负责客户业务中的一段明确链路。定制化程度不高，也不需要深入客户组织内部去解决业务问题。

“我们的产品与客户自己的业务逻辑耦合度不高。”程天舒说。

大厂之外，一群“游击队”在野蛮生长

在公司之外，还有一批“游击队”正在迅速壮大：他们不属于任何有产品的公司，而是自己寻找客户、自己承接订单，为企业进行AI改造。

这本身也是AI带来的变化：过去定制一套系统，需要一个团队花费数月时间；现在代码几乎零成本，一个人也能接单交付。

这个市场目前非常原始。自称“全网第一FDE”的Lawted告诉我，他将这种模式称为土FDE。

大厂FDE主要是推广自家产品，而土FDE则面向“土老板”，使用OpenAI还是Gemini都行，没有销售任务，“你要什么，我就给你什么”。

我接触到一个名为Zaniel的FDE，聊完才发现，他的路子相当野。

他是一名斯坦福在读博士，今年4月开始独自承接企业的AI项目。

银行、律所、煤化工、月子中心、家政中介、建筑企业……五个多月下来，他已经完成了数十个项目，交付全部由他一人完成。

有趣的是，在经历这么多场景后，他的工作重点已经从“为客户开发AI系统和工具”，转变为“教企业员工如何使用AI”。

**△**AI生成

例如，他的第一个客户是一家银行，几名员工每天需要从数据系统中导出大量数据，汇总成几份报表给领导看。

他起初制作了一个自动生成器，将数据拖进去，点击一下就能生成报表。

但东西做出来后，很快就没人使用了。因为报表规则每天都在变化，导出的表格格式也不完全一致，写死的程序“用几天就崩溃了”。

后来他发现，不需要开发新软件，直接教员工将脱敏后的数据交给通用AI进行汇总，再将高频流程整理成Skill，连接到现有的数据系统。

这样一来，员工真的开始使用了。

Zaniel告诉我，至少在白领工作中，大部分问题可以通过一个通用Agent，配合一系列Skill和对现有系统的连接来解决，“不需要开发其他新软件”。

另一位独立接单的FDE，软萌孜神也描述了类似的情况。

她曾为一家外贸公司担任FDE，与老板讨论如何提高员工的AI使用率——最终结论是，采购WorkBuddy即可。

**△**AI生成

而她负责培训员工如何使用WorkBuddy，以及为WorkBuddy打通集团内部现有的系统。

这些“游击队”式的土FDE，在为企业进行改造的过程中发现，很多时候并不需要开发新产品或系统，他们的业务模式也开始偏向咨询服务。

Zaniel与企业的合作有两种模式：一种是项目制，另一种是顾问制，而且第二种模式越来越多。

所谓顾问，说白了就是教员工如何使用这些AI工具。每当有新工具出现，就帮助企业思考业务如何跟上；如果遇到不大的需求，他也会顺手完成，包含在顾问服务中。

他将这种角色称为企业外部的“CAIO”（首席AI官）。

而Lawted也觉得自己的业务开始像一家咨询公司。

他运营着一个名为HA7CH的FDE社群，通过举办线下交流会和黑客松，撮合希望进行AI改造的企业与独立接单的FDE签订订单。

**△**AI生成

流程是：企业提出需求，他从报名者中挑选一两名选手。选手进入企业48小时，梳理工作流、制作demo，打动老板就当场签单，后续交付由选手负责。

举办几期后，Lawted越来越觉得FDE“非常像咨询”：企业往往只知道自己想用AI，却说不清问题在哪里，FDE需要先进入现场完成诊断，再制定方案。

在他看来，咨询顾问甚至比程序员更适合转行做FDE，只需补充vibe coding能力，“vibe coding其实不难”。

代码两天写完，真正的麻烦在人

看到这里，你大概也会发现，在FDE的工作中，编写代码和进行开发的时间并不多，与人沟通反而占据了大部分。

几位从业者都告诉我，他们沟通需求的时间占了七成以上，开发大约只占三成。

而与客户员工产生摩擦、无法获取接口权限等困难，也往往发生在这个过程中。

在推动WorkBuddy接入企业内部系统的过程中，软萌孜神经常需要与采购、IT、ERP产品经理和外部工程师反复沟通。有些系统没有现成接口，还需要推动企业自行开发。

一个多月过去，仍有不少API未开放。她说，第二天还要继续去找IT部门交涉。

不过，她也不认为这是员工故意阻挠。“没有人刻意给你使绊。”只是每个人都有自己的任务，AI改造在对方那里未必有很高的优先级。

**△**AI生成

拿不到权限，有时只是流程问题。

但AI带来的阻力，还有更微妙的一层：过去部署一套软件，很少直接影响到谁的位置；AI不同，它可能改变一个团队原本的工作方式。

有家企业想开发一套覆盖数十个业务模块的AI系统。Zaniel估算，自己三四个月就能完成，但客户要求他以顾问身份与IT团队合作。

尽管签署了保密协议，对方仍不愿开放代码库，却时常让他远程排查问题。

Zaniel也建议，部分模块直接使用通用Agent即可，没必要全部自研。

领导回了一句：“你都用WorkBuddy了，那他们干啥呢？”

……听完我只能说，这太真实了。

不过，Zaniel也并不简单地将此归结为客户“不配合”。客户可能有保密要求、既有的供应商关系，也可能只是不同部门各有顾虑。

“对于企业来说，换一种工作方式的代价，常常比换一个工具大得多。”他说。

FDE，不就是外包吗？

另一个常被讨论的问题是：FDE到底是不是外包？

至少在Baseten，答案是否定的。

程天舒告诉我，他们的FDE与普通工程师一样，招聘标准、面试流程完全相同，同样领取固定薪资和股票，不靠提成。

FDE提供的服务也不单独收费。即使搭建了原型，只要客户最终没有使用Baseten的云平台，就不需要付费。

对他们来说，FDE服务于自家产品：帮助客户使用产品，再将现场反馈带回改进产品。

**△**AI生成

在企业里的Layla和Sonic也认为，将经验沉淀回产品并进行复用，是FDE与外包的重要区别。

Layla表示，过去区分外包，看的就是它“不会做自己的产品，不会沉淀自己的能力”。

“如果我们也不沉淀自己的能力，不做自己的产品，然后每个项目都要从零开始做，别人说我们是外包，其实也没有办法反驳。”

Sonic很直接地告诉我，传统外包做不了FDE。“不信的话可以找外包试试。”

作为FDE，他们会将项目中可复用的模块，按场景沉淀到一个评测和迭代平台上，再搭建Skill Hub、Agent Hub，团队里的FDE都在上面进行评测和优化。

效果是，在一个垂直领域里，第一个场景从接入到上线大约需要一个月；做完之后，后续的同类场景可能一两天就能接完。

“做得越久，速度越快。”做得快，意味着会议更少、沟通成本更低，“业务会觉得整个过程很轻，钱花得值”。

听起来，只要能把经验沉淀下来并复用到下一家，FDE就与外包划清了界限。

本来到这里，我已经被前面几位嘉宾说服了，但Zaniel又刷新了我的认知。

大家通常想象的复用，是先做出一套半标准化软件，到了下一家客户，“把规则调一调，就可以直接部署”。

Zaniel并不否认Skill、代码和行业经验可以复用。但他质疑：这些积累，究竟能让下一次完整交付便宜多少？

过去做一套企业软件，开发可能要花费90块，给每家客户适配只要10块。软件做一次、卖给很多家，前面那90块就能被逐步摊薄。这是传统软件公司的生意逻辑。

AI改变了这个公式。现在开发只要1块，适配还是10块。

**△**AI生成

例如，给一个客户做了客户管理系统，下一个客户也需要，那还不如直接重新做一套，“因为AI现在开发一个软件的速度太快了”。

当然，代码可以复用，Skill和行业知识也能积累。但每进入一家新企业，FDE仍然需要重新理解需求、连接系统、处理权限，再推动不同部门接受新的工作方式。

这部分投入，并不会随代码成本一起降低。

软件越来越容易复制，但这项生意能否复制，却是另一个问题。

FDE们，已经不想说自己是FDE了

访谈到最后，我几乎问了每个人同一个问题：

FDE会一直存在吗？

程天舒认为，FDE这个岗位的最终目的，“就是要把FDE给取消掉”。

需要FDE出手的地方，说明产品和客户需求之间还有差距；产品做得足够好，客户自己就能搞定，也就不再需要FDE了。

在他看来，FDE更适合产品还不成熟的早期公司。成熟的公司，其实不太需要这个职位，它更像是公司打磨产品过程中“一个过渡性职能”。

但他也承认，AI发展得太快，“你昨天做的产品，今天就跟不上了”。只要市场还在变化，这个差距就会一直存在，所以这个目标“可以逐渐靠近，但永远无法抵达”。

Zaniel的看法则是：FDE要做的事，在AI之前就一直有人在做，以前叫管理咨询，也叫IT外包，只是这个词最近才火起来。

“至于这个词火不火，这就是一个互联网的传播学问题了。”

事实上，他和软萌孜神都不太在意自己是不是FDE。对外这么说，只是因为大家熟悉这个词。

“其实我不是特别喜欢别人说我是FDE，但我又不得不这样。因为现在市场上，你必须跟你的客户说AI FDE，大家才会关注。”软萌孜神说。

她更愿意说自己是一名创业者，目标是用AI改造外贸，“让中国供应链再次伟大”。

FDE三个字母，已经被赋予了过于丰富的含义。

软件开发、咨询服务、员工培训、系统对接、社群撮合……这些看似不同的工种，统统都可以与FDE相关。

但无论哪种FDE，做的都是将AI真正应用到客户业务中，并为此去协调人的工作。

如果一定要说这个老岗位在AI时代究竟变了什么，我认为有三点：

过去，驻场的人负责将做好的软件安装上去；现在，需要先帮客户想清楚AI该用在哪里。

过去，定制一套系统需要一个团队；现在，代码几乎零成本，一个人也能接单。

过去，难的是技术；现在，难的是人。

岗位还是那个老岗位，只是到了AI时代，它需要懂得更多、跑得更快，也承担得更多。

FDE之所以火爆，也正是因为技术变化来得太快：企业还没想清楚该如何使用，组织分工也来不及跟上，于是太多需要的能力，被一股脑押在了一个人身上。

就像那条很火的短视频结尾所说：

“企业买SaaS买到的是软件，请咨询买到的是建议，找外包买到的是功能。

而找FDE，他们想买到的是一个人——

一个懂管理、懂技术、懂人性、懂AI，最好还别要太多钱的人。”

本文来自微信公众号 “量子位”（ID：QbitAI），作者：关注前沿科技，36氪经授权发布。