最火AI崗位FDE：月薪5萬，都幹這些…

什麼是FDE？它會一直存在嗎？聽雨 發自 凹非寺 | 公眾號 QbitAI FDE，全網最火熱、最神秘的AI崗位之一。火熱在於，不少大廠開出了月薪高達三五萬的招聘，小紅書FDE遍地走，到處都是求職經驗貼。據招聘數據網站FDE Pulse統計，海外公開薪資的FDE崗位，基本年薪中位數約20萬美元，摺合人民幣約134萬元。（都是錢啊這都是錢） 神秘在於，我訪談了6個FDE從業者，最後發現，他們做的事情好像都不太一樣…… FDE的全稱是Forward Deployed Engineer，中文名叫前線（前沿）部署工程師。顧名思義，就是駐紮到客戶現場的工程師：一邊部署軟件，一邊解決客戶的實際問題。

現在，這個詞已經從硅谷火到了國內。海外，Anthropic宣佈投資1億美元，在2027年底前培訓1萬名FDE工程師，OpenAI也帶著40億美元投資成立了專做部署的公司；AWS則拿出10億美元組建FDE部門，把數千名工程師派到客戶身邊。國內也在跟進，不少大廠都掛出了FDE崗位。Kimi宣佈聯合多家IT服務商共建FDE隊伍，騰訊雲則推出號稱行業首個的FDE工程師認證，同時招募FDE合作伙伴。與此同時，也出現了不少獨立開發者，憑一己之力接單，給企業做AI改造。但說起來，派工程師去客戶現場這件事，互聯網時代早就有。

部署工程師、實施顧問、解決方案工程師、售後工程師…乾的都是類似的活，甚至一度被看作“髒活累活”。那為什麼到了AI時代，它突然成了香餑餑？這個老崗位，到底變了什麼？FDE，究竟是個啥？經典FDE模式裡，經常出現兩個不同角色：Echo和Delta。Echo負責理解業務、溝通需求和設計方案；Delta負責寫代碼、接數據，把方案真正做出來。兩者在前線互相配合，共同滿足客戶需求。在後方，還有一群Dev（普通工程師），負責開發標準平臺。可以這樣概括Delta和Dev的區別：Dev做的是“一個能力，服務很多客戶”，Delta做的是“一個客戶，解決很多問題”。

值得一提的是，國內FDE的部分崗位招聘，也開始標註Echo或Delta方向。這個情況起碼在兩個月以前是沒有的。前線的工作，很大程度上圍繞Ontology（本體）展開。簡單理解，Ontology就是一張可以被軟件和AI調用的“業務地圖”：企業裡有哪些員工、部門和訂單，它們如何關聯，各自允許執行哪些操作。FDE要做的，就是把散落在不同系統、流程和員工經驗裡的信息，整理進這張地圖，再在上面開發應用、解決問題。當這套模式漂洋過海來到中國，它長出了各種變體。到了AI時代，駐場的重心也變了：企業自己都說不清AI能用在哪，FDE得先幫客戶想清楚做什麼。李開復帶隊的零一萬物，就是一個典型。

零一萬物現在全面轉向企業AI，走的路徑是：先找到企業的一號位，再派前線部署工程師進場，梳理企業的Ontology，最後沉澱成產品和平臺。早期一個項目，要派5名FDE駐場，再配5人的後端團隊。在李開復看來，他們的產品雖然已經實現產品化，也採用訂閱制，“但它並不是一個即插即用的產品”。建立一家公司的Ontology需要一至三個月，“公司的數據庫、角色和流程都要做好，客戶才能拿到充分的結果”。在不少公司裡，也有人在做類似的事。比如Layla和Sonic。Layla在一家SaaS公司做FDE，title至今還是產品經理。AI生成 2025年三四月起，她開始真正進到客戶的項目裡。

客戶都是萬人以上的上市公司，涉及連鎖門店和製造業，一駐場就是一兩個月。剛開始做的時候，還沒人把這叫作FDE。後來這套模式火了，她深入瞭解了一番，“才發現，誒，好像就是一回事”。她的工作流程be like： 第一步，進場摸清業務，從採購、市場、財務、IT等一堆角色裡理出客戶真正想要什麼； 第二步，再給出方案，搭一個demo快速驗證； 第三步，驗證通過後，交給公司原有的交付團隊上線； 最後，把能複用的能力抽象出來，迭代回公司的產品裡。這基本就是一套經典的FDE工作流程，也是現在企業或獨立FDE做開發的常規流程。Layla認為，FDE的觀察和經驗，“最終還是要沉澱到標準產品裡面去的”。

而另外一位企業FDE——Sonic，做的是審核類AI項目，比如財稅審核、廣告物料審核。AI生成 同樣從2025年起，他們組就開始研究FDE。在他看來，FDE最關鍵的環節之一，就是梳理Ontology。他舉了個例子：如果企業想做一個組織管理方面的AI助手，就得先把企業有多少部門、部門之間什麼關係梳理清楚；除了關係，還有屬性，比如一個人的職級和薪資。只有把這些抽象成Agent能理解的結構，它回答問題才會更準確，而不是瞎猜。這一步往往相當費勁，因為FDE經常碰到上下游的歷史數據拿不全、老系統沒有開放接口等問題，項目就很難往下推進。

但Sonic認為，這一步繞不過去：“如果質量足夠高會很有效，後續交付質量主要取決於前面的Ontology質量。” 為了做好這些，Layla和Sonic都得常駐客戶現場。在Sonic看來，駐場不只是為了瞭解需求，還要先拉齊業務方對AI的認知：什麼能做、什麼不能做，雙方站在同一個語境裡，才能談後面的痛點和方案。而來自硅谷公司Baseten的程天舒卻告訴我，他們的FDE，基本不駐場。AI生成 Baseten是一家做AI推理雲的公司，客戶把模型部署在他們的平臺上，他們讓這些模型跑得更快、更穩、更省錢。他們接觸的客戶幾乎都是工程師，需求也很具體。

比如原本調用OpenAI的API，現在想換成開源模型，應該選哪個模型？怎麼部署？怎樣達到預期的速度和成本？FDE會和客戶開會，瞭解技術需求，再搭一個prototype驗證方案。問題可能涉及雲基礎設施、模型推理優化、訓練或者產品體驗，不同方向由不同專長的FDE負責。對他們來說，這種溝通基本可以在線上完成。原因在於，Baseten提供的是一套面向開發者的標準化產品，它只負責客戶業務中的一段明確鏈路。定製化程度並不高，也不需要深入客戶組織肌理去解決業務問題。“我們的產品跟客戶自己的業務邏輯耦合度不高。”程天舒說。

大廠之外，一群“游擊隊”在野蠻生長 在公司之外，還有一批“游擊隊”正在迅速壯大：他們不屬於任何一家有產品的公司，自己找客戶、自己接單，給企業做AI改造。這本身也是AI帶來的變化：過去定製一套系統，得一個團隊做幾個月；現在代碼幾乎不要錢，一個人也能接單交付。這塊市場現在非常野生。號稱“全網第一FDE”的Lawted告訴我，他管這叫土FDE。大廠FDE主要是去推廣自家產品，而土FDE主要面向“土老闆”，用OpenAI還是Gemini都行，也沒有銷售任務，“你要什麼東西，我就給你什麼東西”。我接觸到一個名叫Zaniel的FDE，聊完才發現，哥們路子太野了。。。

他是一名斯坦福在讀博士，今年4月開始一個人接企業的AI項目。銀行、律所、煤化工、月子中心、家政中介、建築企業……五個多月下來，已經做了幾十個項目，交付全是他一個人。而且有意思的是，做了這麼多場景後，他的工作重點已經從“為客戶開發AI系統和工具”，轉變成了“教企業員工如何用AI”。AI生成 比如，他的第一個客戶是一家銀行，幾個員工每天要從數據系統裡導出一堆數，彙總成幾張報表給領導看。他一開始做了一個自動生成器，數據拖進去，一點就出報表。但東西做出來，很快就沒人用了。因為報表規則每天都在變，導出來的表格式也不完全一樣，寫死的程序“用幾天就崩潰了”。

後來他發現，不需要一個新的軟件，直接教員工把脫敏後的數據交給通用AI去彙總，再把高頻流程整理成Skill，接上現有的數據系統。這樣一來，員工真的用起來了。Zaniel告訴我，至少在白領工作裡，大部分問題靠一個通用Agent，加上一堆Skill和對現有系統的連接就能解決，“不需要開發其他新軟件”。另一位獨立接單的FDE，軟萌孜神也描述了類似情況。她曾為一家外貿公司做FDE，跟老闆討論如何提高員工的AI使用率——最後結論是，採購WorkBuddy就行。AI生成 而她負責培訓員工如何使用WorkBuddy，以及為WorkBuddy打通集團內部現有的系統。

這些“游擊隊”式的土FDE，給企業改造改造著發現，很多時候並不需要做一個新產品或系統出來，他們的業務模式也開始偏向諮詢服務。Zaniel和企業的合作有兩種模式，一種是項目制，另一種則是顧問制，而且第二種變得越來越多。所謂顧問，說白了就是教員工怎麼去用這些AI工具。每有新工具出來，就幫企業想清楚業務該怎麼跟上；如果碰到不大的需求，他也會順手做出來，包含在顧問服務裡。他把這種角色叫作企業外部的“CAIO”（首席AI官）。而Lawted，也覺得自己的業務開始變得像一家諮詢公司。他運營著一個叫HA7CH的FDE社群，通過辦線下交流會和黑客松，撮合想要AI改造的企業和獨立接單的FDE簽下訂單。

AI生成 流程是，企業報上需求，他從報名的人裡挑一兩個選手。選手進廠48小時，梳理工作流、做出demo，打動老闆就當場簽單，後續交付由選手負責。辦了幾期後，Lawted越來越覺得FDE“非常像諮詢”：企業往往只知道自己想用AI，卻說不清問題在哪裡，FDE得先進入現場完成診斷，再把方案做出來。在他看來，諮詢顧問甚至比程序員更適合轉行做FDE，只需要補上vibe coding能力，“vibe coding其實不難”。代碼兩天寫完，真正的麻煩在人 看到這裡，你大概也會發現，FDE的工作裡，寫代碼和做開發的時間並不多，與人溝通反而佔了大多數。

幾位從業者都告訴我，他們溝通需求的時間佔了七成以上，開發大約只佔三成。而與客戶員工產生摩擦、打不開接口權限等困難，也往往發生在這個過程中。在推動WorkBuddy接入企業內部系統的過程中，軟萌孜神經常要找採購、IT、ERP產品經理和外部工程師反覆溝通。有些系統沒有現成接口，還得推動企業自己開發。一個多月過去，仍有不少API沒有開放。她說，第二天自己還要繼續去找IT扯皮。不過，她也不認為是員工故意阻撓。“沒有人刻意給你使絆。”只是每個人都有自己的任務，AI改造在對方那裡未必有那麼高的優先級。AI生成 拿不到權限，有時只是流程問題。

但AI帶來的阻力，還有更微妙的一層：過去部署一套軟件，很少直接動到誰的位置；AI不一樣，它可能改變一個團隊原本的工作。有家企業想開發一套覆蓋幾十個業務模塊的AI系統。Zaniel估算，自己三四個月就能完成，但客戶要求他以顧問身份與IT團隊合作。儘管簽了保密協議，對方仍不願開放代碼庫，卻時常讓他隔空排查問題。Zaniel也建議，部分模塊直接使用通用Agent即可，沒必要全部自研。領導回了一句：“你都用WorkBuddy了，那他們幹啥呢？” ……聽完我只能說，這太真實了。不過，Zaniel也並不簡單地把這歸結為客戶“不配合”。客戶可能有保密要求、既有的供應商關係，也可能只是不同部門各有顧慮。

“對於企業，換一種工作方式的代價，常常比換一個工具大得多。”他說。FDE，不就是外包嗎？另一個常常被談論的問題是：FDE究竟是不是外包？至少在Baseten，答案是否定的。程天舒告訴我，他們的FDE和普通工程師一樣，招聘標準、面試流程完全相同，同樣拿固定薪資和股票，不靠提成。FDE提供的服務也不單獨收費。即使搭出了原型，只要客戶最後沒有使用Baseten的雲平臺，就不需要付錢。對他們來說，FDE服務於自家產品：幫客戶用起來，再把現場反饋帶回去改進產品。AI生成 在企業裡的Layla和Sonic也認為，把經驗沉澱回產品、進行復用，是FDE和外包的重要區別。

Layla表示，過去大家區分外包，看的就是它“不會做自己的產品，不會沉澱自己的能力”。“如果我們也不沉澱自己的能力，不做自己的產品，然後每個項目都要從0到1做，別人說外包，其實也沒有辦法反駁。” Sonic很直接地告訴我，傳統外包做不了FDE。“不信的話可以找外包試試。” 作為FDE，他們會把項目裡能複用的模塊，按場景沉澱到一個評測和迭代平臺上，再搭建Skill Hub、Agent Hub，組裡的FDE都在上面做評測和優化。效果是，在一個垂直領域裡，第一個場景從接入到上線大概要一個月；做完之後，後續的同類場景可能一兩天就能接完。“做得越久，速度越快。

”做得快，意味著會開得更少、溝通成本更低，“業務會覺得整個過程很輕，錢花得值”。聽起來，只要能把經驗沉澱下來、複用到下一家，FDE就和外包劃清了界限。本來到這裡，我已經被前面幾位嘉賓說服了，但Zaniel又刷新了我的認知。大家通常想象的複用，是先做出一套半標準化軟件，到了下一家客戶，“把規則調一調，就可以直接部署”。Zaniel並不否認Skill、代碼和行業經驗可以複用。但他質疑：這些積累，究竟能讓下一次完整交付便宜多少？過去做一套企業軟件，開發可能要花90塊，給每家客戶適配只要10塊。軟件做一次、賣給很多家，前面那90塊就能被一點點攤薄。這是傳統軟件公司的生意邏輯。AI把這個公式改了。

現在開發只要1塊，適配還是10塊。AI生成 比如給一個客戶做了客戶管理系統，下一個客戶也要，那還不如直接重新做一套，“因為AI現在做一個軟件出來太快了”。當然，代碼可以複用，Skill和行業知識也能積累。但每進入一家新企業，FDE仍然要重新理解需求、連接系統、處理權限，再推動不同部門接受新的工作方式。這部分投入，並不會隨著代碼成本一起降低。軟件越來越容易複製，這門生意能不能複製，卻是另一個問題。FDE們，已經不想說自己是FDE了 訪談到最後，我幾乎問了每個人同一個問題： FDE會一直存在嗎？程天舒認為，FDE這個崗位的最終目的，“就是要把FDE給取消掉”。

需要FDE出手的地方，說明產品和客戶需求之間還有差距；產品做得足夠好，客戶自己就能搞定，也就不再需要FDE了。在他看來，FDE更適合產品還不成熟的早期公司。成熟的公司，其實不太需要這個職位，它更像是公司打磨產品過程中“一個過渡性職能”。但他也承認，AI發展得太快，“你昨天做的產品，今天就跟不上了”。只要市場還在變，這個差距就會一直在，所以這個目標“可以逐漸靠近，但是永遠無法抵達”。Zaniel的看法則是：FDE要做的事，在AI之前就一直有人在做，以前叫管理諮詢，也叫IT外包，只是這個詞最近才火起來。“至於這個詞火不火，這就是一個互聯網的傳播學問題了。

” 事實上，他和軟萌孜神都不太在意自己是不是FDE。對外這麼說，只是因為大家熟悉這個詞。“其實我不是特別喜歡別人說我是FDE，但是我又不得不這樣。因為現在市場上，你就必須跟你的客戶說AI FDE，大家才會去看。”軟萌孜神說。她更願意說自己是一名創業者，目標是用AI改造外貿，“讓中國供應鏈再次偉大”。FDE三個字母，已經被塞入了太過豐富的含義。軟件開發、諮詢服務、員工培訓、系統對接、社群撮合……這些看似不同的工種，統統都可以跟FDE有關。但不管哪種FDE，乾的都是把AI真正用進客戶業務裡、併為此去搞定人的活。

如果一定要說，這個老崗位在AI時代到底變了什麼，我認為有三點： 過去，駐場的人負責把做好的軟件裝上去；現在，得先幫客戶想清楚AI該用在哪。過去，定製一套系統要一個團隊；現在，代碼幾乎不要錢，一個人也能接單。過去，難的是技術；現在，難的是人。崗位還是那個老崗位，只是到了AI時代，它得懂得更多、跑得更快，也扛得更多。FDE之所以火，也正是因為技術變化來得太快：企業還沒想清楚該怎麼用，組織分工也來不及跟上，於是太多需要的能力，被一股腦押在了一個人身上。就像那條很火的短視頻結尾說的： “企業買SaaS買到的是軟件，請諮詢買到的是建議，找外包買到的是功能。

而找FDE，他們想買到的是一個人—— 一個懂管理、懂技術、懂人性、懂AI，最好還別要太多錢的人。” 版權所有，未經授權不得以任何形式轉載及使用，違者必究。