FDE 走红背后，是 AI 落地最后一公里对复合型人才的新需求。
冷月清谈：
怜星夜思：
2、如果 AI 越来越会写代码，未来工程师最该补的是业务能力，还是继续深挖技术？
3、普通人想转型 FDE，最靠谱的第一步是什么？是学 Agent 开发，还是先找业务场景练手？
4、FDE 模式适合所有 AI 项目吗？哪些场景其实不该硬上 FDE？
原文标题：全网热议的 FDE，是 AI 时代真风口，还是旧岗位新包装？一文看懂机会与边界
原文作者：图灵编辑部
原文内容
很久没有一个技术岗位，能像 FDE（Forward Deployed Engineer，前线部署工程师）这样，同时激发出技术人的亢奋与焦虑了。
有人说它是 AI 时代稀缺的新角色，一些 AI 公司已经开始招募这类人才。也有人认为，它不过是把驻场开发或者售前解决方案换了一个新标签。
神策数据联合创始人曹犟认为，FDE 之所以在最近半年重新受到关注，关键在于企业开始真正面对 AI 落地的难题。这位曾经在百度工作、带过 800 人技术团队的技术老兵，如今正频繁往返于广州、厦门等地的客户现场，自己也开始走向了 FDE。
与他对谈的是图灵智能研究院院长刘江。两位在互联网浪潮里深耕多年的老友，在这个夏天展开了一场关于“AI 落地最后一公里”的深度讨论。
他们试图回答一个迫切的问题：当 AI 越来越擅长写代码，技术门槛逐渐降低后，普通人是否也有机会进入真实业务，用 AI 解决问题并完成交付？
01 锯齿边缘：AI 的不完美鸿沟
FDE 最早可以追溯到二十年前的 Palantir。Palantir 早期服务国防和情报机构，内部有 Delta 和 Echo 两个代号，其中 Delta 指被直接派往客户现场的工程师。
可为什么这个二十年前的概念，偏偏在过去的半年里突然爆火？
曹犟认为，答案的关键就在于 AI。
刘江随即分享了一张行业趋势图，抛出了一个关键认知——“锯齿状智能”（Jagged Intelligence）。在大模型时代，AI 展现出了极强但边界极其不规则的能力。
刘江分析，过去整个技术行业主要是在开发软件，软件交付后的代码和功能相对固定；但大模型的能力边界并不规则，要满足客户的完整需求，总会存在无法直接覆盖的地方。他判断，未来会出现越来越多的 Agent。
曹犟认为，AI 可以让写代码变快十倍、百倍，但它自己解决不了落地的“最后一公里”。AI 系统要在客户真实的数据全链路中运行，中间仍有很多需要人在现场填补的缺口。
而 FDE，就是那个带着技术和业务认知，卷起裤脚去现场填沟的人。
曹犟回忆，过去交付的是确定性的产品，最终以签字、验收和回款为节点；但今天交付 AI 系统，不是交付一个静态的点，而是交付一条持续向上的效果曲线。FDE 要到客户现场观察用户怎样使用产品，再依据反馈和数据回流不断迭代。
从交付软件到交付业务结果，这场由 AI 倒逼的商业逻辑重塑，把工程师们重新逼回了真实的商业现场。
02 现场实操：FDE 是怎样工作的
如果只是出差去现场，那 FDE 确实和传统的驻场开发没什么区别。但 FDE 在现场究竟做什么？
根据曹犟在直播中的介绍，FDE 的交付链路可以归纳为五个环节：
-
建立关系与理解 ：和客户建立信任，理解客户的业务与痛点；
-
场景筛选 ：从大量问题中选择一个合适且有价值的场景；
-
开发与配置 ：在现有产品或平台上，通过开发或配置解决这个问题；
-
真实环境运行 ：让系统在真实环境里运行，根据反馈持续迭代；
-
认知回流 ：把现场沉淀的共性业务认知回流到产品和平台。
在现场，最大的挑战往往不是写代码，而是 找到客户真正的问题 。做了十一年企业服务后，曹犟总结出了寻找真实需求的三个体会：
-
客户说的，和他真正要的，往往不是一回事。 客户说“我要一个报表”，如果你真的只做了一张报表，可能就做错了。他真正想解决的，也许只是把来自不同渠道的信息放在一起，方便判断和行动。
-
正式会议上，客户不一定会说真话。 有时在工作餐、电梯里听他随口吐槽，反而更容易发现真正的问题。前提是先取得信任，而信任来自你用专业性快速帮他解决眼前的真实痛点。
-
不要只做一个漂亮 Demo 拿去讲 PPT。 更有效的方式是做出一个高保真的 Demo 让客户真正使用，然后坐在旁边观察他卡在哪里。AI 让 Demo 的开发速度大幅提升，产品迭代周期可以变得非常短。
曹犟和团队为了做广告投放 Agent，在去客户现场前借助 AI 补了 Meta 和 Google 广告系统的知识。到了现场，客户口中蹦出的行业黑话依然让他们听懵了。
即便做了十几年数据分析，从私域营销转向公域营销时，他依然感受到“隔行如隔山”。
他们的解决方式很直接：请客户团队的年轻同事喝奶茶、一起吃饭，在现场向他们学习，并争取亲自跑一遍从素材、选品、投放到盯盘的完整流程。
曹犟还分享了另一个建立客户信任的例子：团队在此前一家客户驻场时，发现对方在重复做一件事，同事很快做出一个小工具，帮客户查看和发送数据。客户切实感受到价值后，信任也随之建立。
这种以结果为导向的交付，也在重构团队形态。曹犟透露，如今他团队中的三个人都是四十岁左右的资深工程师，没有明确的产品、前端、后端和测试分工，而是各自负责一个功能或用户故事，从头做到尾。他们仍然会写 PRD、User Story、Requirements、设计与任务文档，但这些文档更多用于人与 AI 协作。通过规格驱动开发和交叉 Review，整体效率得到明显提升。
同时，现场沉淀的知识在去除隐私后反哺产品，让平台能力更丰富。
03 破局路径：不同背景的人，如何应对？
直播的评论区，焦虑与好奇交织。最常被问到的问题是：“没有技术背景的人，能做 FDE 吗？”
刘江和曹犟都认为，没有技术背景的人并非完全没有机会；业务专家拥有行业认知优势，但仍要补足工程能力。
直播中的核心判断是：代码能力越来越容易由 AI 弥补，但业务认知仍要沉淀在人的脑子里。在两位嘉宾的拆解中，不同角色的转型呈现出不同路径：
-
售前、解决方案与交付人员 ：离 FDE 最近。但需要从只负责交付其中一个环节转向交付完整业务结果，重点补齐 AI Engineering、Agent 开发与工程落地能力。
-
研发工程师 ：技术底子最强。要向前一步主动进入客户现场，克服沟通意愿，听懂客户嘴上说 A 背后其实想解决 B 的真实诉求。
-
产品经理 ：擅长理解用户与抽象需求。但在 AI 时代需要补足工程能力，学会亲自借助 AI 把方案做出来，而不只是写需求交给别人。
-
行业分析师与业务专家 ：优势在于行业知识与业务认知。代码能力越来越容易由 AI 弥补，但仍需补齐工程思维、基本工程常识与评估维护等能力，做出能在生产环境运行的系统，而不仅仅是一个 Demo。
对于想要转型的人，曹犟给出了冷思考： 不要盲目跨行。 补齐业务认知的过程非常痛苦，更可行的路径是在自己熟悉的行业里寻找 AI 可以解决的真实问题。
曹犟建议，想转型的人不一定要先辞职，再去投一个名为 FDE 的岗位，可以先在当前公司按照 FDE 的方式解决一个真实问题、交付业务结果。
刘江进一步补充，在很多公司内部，IT 团队本身就是“内部乙方”，业务团队是“内部甲方”。由于内部员工已经了解公司的流程和业务语言，往往比外部招聘的人更容易开始。
04 适用边界：高薪背后的门槛与场景选择
尽管这是一个巨大的增量市场，但曹犟和刘江都给这场热潮浇了一盆冷水：FDE 绝非零基础高薪的避风港。
曹犟提到，他看到的一项调查显示，硅谷 FDE 的入门薪资约为二三十万美元，已经接近资深研发工程师水平。市场上几乎没有真正意义上的初级 FDE，因为被派往客户现场就意味着要真正解决问题。刚毕业的同学很难直接胜任。更适合尝试的人，通常已经具备一定的 行业认知、解决问题经验和产品理解 。
同时， 并非所有场景和客户都适合 FDE 模式。 业务流程越复杂、不确定性越高，而且问题足够有价值，就越适合采用 FDE 模式。例如广告投放，曹犟团队接触的十个投手，对如何盯盘、何时关停广告或增加预算，并没有统一 SOP。这类高价值且不确定性强的场景，更适合 FDE 去观察、抽象和沉淀。
如果客户的问题价值不高，或者组织流程僵化，无法容忍前两三周的探索尚未产出，那么就不适合强行采用 FDE 模式，使用传统软件交付、验收和回款的方式反而更合适。
05 写在最后：关注本质，而非标签
直播接近尾声时，有读者在评论区提议：“两位老师是不是可以出本书，就叫《人人都是 FDE》？”
刘江并不认同“人人都是”这类过度泛化的说法，但他认为，未来越来越多人都会借助 AI 解决问题，FDE 也可能演变成一个更广泛的角色。真正值得关注的不是岗位名，而是能力：Prompt Engineer、Agent Engineer 与特定的技术手段绑定，而 FDE 更面向解决问题。工具会变，岗位名也可能变化，但这一能力内核不会变。
AI 确实降低了写代码和解决问题的成本，但至少在当前，发现问题、判断问题是否值得解决，以及对最终的业务结果负责，仍然是人的重要价值。
如果你读到这里，真正值得带走的，或许不只是要不要转型做 FDE 这个答案，而是一套判断 AI 新机会的方法：
-
它究竟在解决谁的什么问题？
-
它能不能从 Demo 走进真实业务，交付可以验证的结果？
-
机会背后有哪些真实门槛？
-
哪些人适合进入，哪些人更应该先补能力？
-
哪些变化值得长期关注，哪些可能只是新概念和旧岗位的重新包装？
这场直播之所以有价值，不是因为它给出了一个简单的能或不能，而是刘江和曹犟结合一线实践，把 FDE 的机会、门槛、工作现场和适用边界都摊开来讲清楚了。
但 FDE 只是 AI 变化中的一个切面。新的模型、产品、岗位和商业机会仍在不断出现。对大多数人来说，真正困难的不是获取更多信息，而是判断：什么值得关注，什么值得投入，以及它究竟是否适合自己。
AI365 陪你持续看懂 AI
这正是图灵推出 AI365 的原因。
像今天这样不只讲概念、而是邀请真正身处一线的嘉宾，用真实经历和案例讨论机会与门槛的深度直播，在 AI365 里还会持续进行。
我们会长期跟进 AI 的重要变化，围绕新的技术、产品、职业方向和商业机会，帮助你：
-
从大量信息中筛出真正重要的变化；
-
听到一线实践者讲清真实案例，而不只看二手观点；
-
看懂一个新机会的价值、边界与进入门槛；
-
结合自己的背景，形成判断并找到行动方向。
除了持续更新的深度直播，AI365 还通过知识库、社群和电子书等内容，把零散信息沉淀成可以反复查阅、持续学习的体系。
你不需要追赶每一条 AI 新闻，也不必因为又冒出一个新概念而焦虑。更重要的是，在关键变化出现时，有可靠的信息、一线的经验和一群同行者，帮助你看清之后再做决定。
如果这场直播帮助你真正看懂了 FDE，那么 AI365 想持续提供的，正是这种帮你看懂变化、做好判断的价值。
加入 AI365，和我们一起持续跟进 AI 的一线变化，找到真正适合自己的机会。👇
