什么是FDE？它会一直存在吗？
FDE ，全网最火热、最神秘的AI岗位之一。
火热在于，不少大厂开出了月薪高达三五万的招聘，小红书FDE遍地走，到处都是求职经验贴。
据招聘数据网站FDE Pulse统计，海外公开薪资的FDE岗位，基本年薪中位数约20万美元，折合人民币约134万元。
（都是钱啊这都是钱）
神秘在于，我访谈了6个FDE从业者，最后发现，他们做的事情好像都不太一样……
FDE的全称是Forward Deployed Engineer，中文名叫 前线（前沿）部署工程师 。
顾名思义，就是驻扎到客户现场的工程师：一边部署软件，一边解决客户的实际问题。
现在，这个词已经从硅谷火到了国内。
海外，Anthropic宣布投资1亿美元，在2027年底前培训1万名FDE工程师，OpenAI也带着40亿美元投资成立了专做部署的公司；AWS则拿出10亿美元组建FDE部门，把数千名工程师派到客户身边。
国内也在跟进，不少大厂都挂出了FDE岗位。Kimi宣布联合多家IT服务商共建FDE队伍，腾讯云则推出号称行业首个的FDE工程师认证，同时招募FDE合作伙伴。
与此同时，也出现了不少独立开发者，凭一己之力接单，给企业做AI改造。
但说起来，派工程师去客户现场这件事，互联网时代早就有。
部署工程师、实施顾问、解决方案工程师、售后工程师…干的都是类似的活，甚至一度被看作“脏活累活”。
那为什么到了AI时代，它突然成了香饽饽？这个老岗位，到底变了什么？
FDE，究竟是个啥？
经典FDE模式里，经常出现两个不同角色： Echo 和 Delta 。
Echo负责理解业务、沟通需求和设计方案；Delta负责写代码、接数据，把方案真正做出来。两者在前线互相配合，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和Dev的区别：Dev做的是“一个能力，服务很多客户”，Delta做的是“一个客户，解决很多问题”。
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。这个情况起码在两个月以前是没有的。
前线的工作，很大程度上围绕Ontology（本体）展开。
简单理解，Ontology就是一张可以被软件和AI调用的“业务地图”：企业里有哪些员工、部门和订单，它们如何关联，各自允许执行哪些操作。
FDE要做的，就是把散落在不同系统、流程和员工经验里的信息，整理进这张地图，再在上面开发应用、解决问题。
当这套模式漂洋过海来到中国，它长出了各种变体。
到了AI时代，驻场的重心也变了： 企业自己都说不清AI能用在哪，FDE得先帮客户想清楚做什么 。
李开复带队的 零一万物 ，就是一个典型。
零一万物现在全面转向企业AI，走的路径是：先找到企业的一号位，再派前线部署工程师进场，梳理企业的Ontology，最后沉淀成产品和平台。早期一个项目，要派5名FDE驻场，再配5人的后端团队。
在李开复看来，他们的产品虽然已经实现产品化，也采用订阅制，“但它并不是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、角色和流程都要做好，客户才能拿到充分的结果”。
在不少公司里，也有人在做类似的事。比如 Layla 和 Sonic 。
Layla 在一家SaaS公司做FDE，title至今还是产品经理。
AI生成
2025年三四月起，她开始真正进到客户的项目里。客户都是万人以上的上市公司，涉及连锁门店和制造业，一驻场就是一两个月。
刚开始做的时候，还没人把这叫作FDE。后来这套模式火了，她深入了解了一番，“才发现，诶，好像就是一回事”。
她的工作流程be like：
第一步，进场摸清业务，从采购、市场、财务、IT等一堆角色里理出客户真正想要什么；
第二步，再给出方案，搭一个demo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，把能复用的能力抽象出来，迭代回公司的产品里。
这基本就是一套经典的FDE工作流程，也是现在企业或独立FDE做开发的常规流程。
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”。
而另外一位企业FDE—— Sonic ，做的是审核类AI项目，比如财税审核、广告物料审核。
AI生成
同样从2025年起，他们组就开始研究FDE。在他看来，FDE最关键的环节之一，就是 梳理Ontology 。
他举了个例子：如果企业想做一个组织管理方面的AI助手，就得先把企业有多少部门、部门之间什么关系梳理清楚；除了关系，还有属性，比如一个人的职级和薪资。
只有把这些抽象成Agent能理解的结构，它回答问题才会更准确，而不是瞎猜。
这一步往往相当费劲，因为FDE经常碰到上下游的历史数据拿不全、老系统没有开放接口等问题，项目就很难往下推进。
但Sonic认为，这一步绕不过去：“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，Layla和Sonic都得常驻客户现场。
在Sonic看来，驻场不只是为了了解需求，还要先拉齐业务方对AI的认知：什么能做、什么不能做，双方站在同一个语境里，才能谈后面的痛点和方案。
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是一家做AI推理云的公司，客户把模型部署在他们的平台上，他们让这些模型跑得更快、更稳、更省钱。
他们接触的客户几乎都是工程师，需求也很具体。比如原本调用OpenAI的API，现在想换成开源模型，应该选哪个模型？怎么部署？怎样达到预期的速度和成本？
FDE会和客户开会，了解技术需求，再搭一个prototype验证方案。问题可能涉及云基础设施、模型推理优化、训练或者产品体验，不同方向由不同专长的FDE负责。
对他们来说，这种沟通基本可以在线上完成。
原因在于，Baseten提供的是一套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。定制化程度并不高，也不需要深入客户组织肌理去解决业务问题。
“我们的产品跟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：他们不属于任何一家有产品的公司，自己找客户、自己接单，给企业做AI改造。
这本身也是AI带来的变化：过去定制一套系统，得一个团队做几个月； 现在代码几乎不要钱，一个人也能接单交付 。
这块市场现在非常野生。号称“全网第一FDE”的 Lawted 告诉我，他管这叫 土FDE 。
大厂FDE主要是去推广自家产品，而土FDE主要面向“土老板”，用OpenAI还是Gemini都行，也没有销售任务，“你要什么东西，我就给你什么东西”。
我接触到一个名叫 Zaniel 的FDE，聊完才发现，哥们路子太野了。。。
他是一名斯坦福在读博士，今年4月开始一个人接企业的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，已经做了几十个项目，交付全是他一个人。
而且有意思的是，做了这么多场景后，他的工作重点已经从“为客户开发AI系统和工具”，转变成了“教企业员工如何用AI”。
AI生成
比如，他的第一个客户是一家银行，几个员工每天要从数据系统里导出一堆数，汇总成几张报表给领导看。
他一开始做了一个自动生成器，数据拖进去，一点就出报表。
但东西做出来，很快就没人用了。因为报表规则每天都在变，导出来的表格式也不完全一样，写死的程序“用几天就崩溃了”。
后来他发现，不需要一个新的软件，直接教员工把脱敏后的数据交给通用AI去汇总，再把高频流程整理成Skill，接上现有的数据系统。
这样一来，员工真的用起来了。
Zaniel告诉我，至少在白领工作里，大部分问题靠一个通用Agent，加上一堆Skill和对现有系统的连接就能解决，“不需要开发其他新软件”。
另一位独立接单的FDE， 软萌孜神 也描述了类似情况。
她曾为一家外贸公司做FDE，跟老板讨论如何提高员工的AI使用率——最后结论是， 采购WorkBuddy就行 。
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，给企业改造改造着发现，很多时候并不需要做一个新产品或系统出来，他们的业务模式也开始偏向咨询服务。
Zaniel和企业的合作有两种模式，一种是项目制，另一种则是顾问制，而且第二种变得越来越多。
所谓顾问，说白了就是教员工怎么去用这些AI工具。每有新工具出来，就帮企业想清楚业务该怎么跟上；如果碰到不大的需求，他也会顺手做出来，包含在顾问服务里。
他把这种角色叫作企业外部的“CAIO”（首席AI官）。
而 Lawted ，也觉得自己的业务开始变得像一家咨询公司。
他运营着一个叫HA7CH的FDE社群，通过办线下交流会和黑客松，撮合想要AI改造的企业和独立接单的FDE签下订单。
AI生成
流程是，企业报上需求，他从报名的人里挑一两个选手。选手进厂48小时，梳理工作流、做出demo，打动老板就当场签单，后续交付由选手负责。
办了几期后，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得先进入现场完成诊断，再把方案做出来。
在他看来，咨询顾问甚至比程序员更适合转行做FDE，只需要补上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，FDE的工作里，写代码和做开发的时间并不多，与人沟通反而占了大多数。
← 返回最新