FDE走红背后，是AI从演示走向真实业务落地的关键缺口。
冷月清谈：
这一角色最早由Palantir发展成熟。面对政府、军队、情报机构等高度复杂且保密的客户环境，Palantir无法依靠标准化软件交付，只能让工程师深入一线，在现场发现问题、修改产品，并把可复用经验反馈给总部，逐渐形成“前线部署+平台沉淀”的模式。
文章认为，FDE在AI时代爆火，核心原因是企业AI试点项目普遍难以产生可衡量收益。问题往往不在模型能力，而在企业流程、数据、系统和组织学习能力之间存在鸿沟。AI公司因此开始重视FDE团队，把模型能力嵌入具体业务场景，提升续费率、沉淀产品能力，并增强客户黏性。中国大厂和地方政策也开始关注这一新岗位。
怜星夜思：
2、企业AI项目失败率高，主要是技术不够强，还是组织不会用？
3、如果FDE会成为热门岗位，普通程序员现在该补哪些能力？
4、FDE模式会不会让AI公司越来越像咨询公司？这算倒退还是进化？
原文标题：新书上架 | 一文讲懂这个火了的年薪百万的新岗位：FDE！
原文作者：图灵编辑部
原文内容
过去几年，AI 创造了很多新工具；而最近，它开始创造一种新的职业。这个职业叫 FDE，英文全称 Forward Deployed Engineer，直译过来就是前沿部署工程师。如果你最近关注过 AI 行业招聘，尤其是海外公司的职位列表，大概率已经见过这个名字。
其实每隔几年，技术行业都会诞生一些新的职业。PC 互联网时代，有了网站开发工程师；移动互联网时代，有了 iOS 和 Android 开发工程师；大模型时代，前沿部署工程师FDE迅速走红。其实它不是一个简单的新职位名称，而是代表着 AI 产品落地方式的一次变化。
如果你是第一次看到这个名字，可能也会觉得有点莫名其妙。
「前沿」是什么前沿？「部署」又是部署什么？听起来既像军队里的职务，又像 IT 部门负责服务器部署的工程师，似乎怎么理解都不太对。
更有意思的是，这个岗位招的既不是最顶尖的算法科学家，也不是传统意义上的销售，而是一种过去一直存在、却很少被单独命名的新角色。
这本小书想回答三个问题：FDE 到底是做什么的？为什么它会在 AI 时代迅速崛起？以及，即使你永远不会成为一名 FDE，这个岗位背后的思维方式，又有哪些值得借鉴？
文章摘自图灵文化与微信读书合作上架的《半小时讲透FDE》。
（LinkedIn 上FDE相关职位）
1 FDE到底是什么
一个装修的比喻
想象你买了一套毛坯房，在家居商场里购买了全套顶级家电以及智能家居系统——可以通过语音来控制灯光、自动开合窗帘、调节室内温度、播放音乐等等。销售人员对你说：“这套系统可以让你的生活发生根本性的变化。”
东西送到了，堆在客厅里。然后呢？
说明书有八百多页，但是你们家的路由器比较陈旧，所以不能用它来连接网络；空调安装的时候要先埋好管道，可是你们家的天花板已经装好了；语音系统默认使用英语，而你妈妈只会说方言；当你打电话给客服时，客服会告诉你：“我们产品本身是没有问题的。”
——他说得对，产品本身确实没有问题。问题在于产品和你家之间隔着一万个具体的、琐碎的、说明书上没写的障碍。
这时候，如果家电公司的工程师直接搬到你家附近居住，并且每天上门为你更换路由器、改造管道、调试方言语音包、教你全家如何使用，并且把“中国老房子天花板一般都做了吊顶”的信息带回公司，使得下一款产品出厂时就可以兼容——那么这个人就是FDE。
正式一点的定义
前沿部署工程师就是指被科技公司派往客户的现场，在客户的实际环境中把技术产品进行改造、搭建和调试直至可以正常使用的一线技术人员。
有三个词需要细细品味。
「前沿」（Forward）：这个词借自军事用语。军队里有「前沿部署部队」的说法，指驻扎在离前线最近位置的部队。对科技公司来说，「前线」就是客户的办公室、工厂、医院、银行——技术真正要发挥作用的地方。FDE不坐在总部写代码，而是常年泡在客户那里。
「部署」（Deployed）：在软件行业，「部署」指把写好的程序安装到实际运行环境中。但FDE的「部署」远不止安装，它包括理解客户的业务、打通杂乱的数据、绕过老旧的系统、说服犹豫的员工，直到技术产生看得见的效果。
「工程师」（Engineer）：这是FDE与传统「售前顾问」「客户经理」最大的区别——FDE自己动手写代码。他们不是画PPT讲方案的人，而是当场把方案做出来的人。
一句话总结
如果非要一句话概括：FDE是「懂技术的人」和「有问题的人」之间的那座桥，而且这座桥是自己会施工的。
顺便澄清：FDE不是什么
新名词出现时，最容易发生的事是张冠李戴，所以这里先排除几个常见误会。
FDE不是「现场维修工」。尽管它的名字中有“部署”二字，但是它所做的工作并不包括安装设备、修复网络等标准化的操作，而是在没有固定答案的情况下解决业务问题所进行的创造性工程活动。FDE也不等同于高级销售，他们的业绩一般不会与签单金额直接关联，而是取决于项目的实际执行情况以及客户的长期使用状况——这就使得他们敢于对客户说“不”。FDE更不同于外包程序员，外包是客户提出问题，由乙方来解答；而FDE的价值就在于帮助客户自己提出问题，在很多情况下，客户最初想要的是什么，并不是最终要解决的问题。
另外一种常见的中文翻译错误就是把FDE译为“前端部署工程师”，这是望文生义造成的误译，与网页“前端”开发没有关系。「Forward」在这里是「前线、前沿」的意思，通行的译法是「前沿部署工程师」，也有译作「现场部署工程师」「驻场工程师」的，指的都是同一类角色。
下面这张图展示了FDE在传统模式里补上的缺口：
看完这张图之后，你就可以大致了解FDE的一半内容了。
另一半就藏在它的历史之中。
2 它从哪里来：Palantir的「发明」
一家「怪」公司的难题
FDE这个职位不是AI时代的新发明。它的源头，公认是一家叫Palantir的美国公司。
Palantir公司于2003年成立，其中一位创始人就是著名的硅谷投资者彼得·蒂尔，而公司的首席执行官则是亚历克斯·卡普。该公司所从事的业务在硅谷中十分独特：为情报部门、军队以及政府机构提供数据分析软件。
该客户的到来给公司带来了严重的困难。一般情况下，软件公司会通过做市场调研、发放调查问卷以及分析使用数据来了解客户需求。但是Palantir的客户是情报部门，它们的需求本身就带有保密性质。客户无法向外界透露数据的样子，不能让别人远程登录系统，也不愿意公开自己想要解决的问题是什么。
传统的「总部开发、打包交付、客服支持」流程，在这种环境里完全行不通。
Palantir的方法很直接：因为客户不会把需求带到现场去，所以就把工程师送到现场去。让工程师带着安全许可进入客户的办公室里，亲眼看到客户的资料、亲耳听到客户的不满，并且马上对产品做出修改。这批人，就是最早的Forward Deployed Engineer（Palantir内部也叫FDSE，前沿部署软件工程师）。
（图片是我用GPT Image 2.0 生成的 2010 年代在政府机构办公的 FDE）
「法国服务员」哲学
据多方报道，卡普喜欢用一个比喻来描述理想中的FDE：法国餐厅里的资深服务员。
优秀的法国服务员不只是会端盘子、记账的人。他们会在顾客身边走来走去，随时注意顾客的需求；他们对菜单上的每一道菜都了如指掌。而且，在顾客想要点一份不适合自己的菜品时，他们会很有底气地说：“先生，请允许我替您选择另一份。”
该比喻很好地概括了FDE的特点：贴近、了解透彻、敢于指正客户。客户说“给我做一个聊天机器人”，普通的乙方就会做出一个聊天机器人；优秀的FDE则会先问一句“你想解决什么样的问题”，之后可能会发现客户真正想要的是一个可以自动处理报销单的系统——而并非聊天机器人。
从被嘲笑到被模仿
有意思的是，这套模式在很长时间里是被硅谷主流看不起的。
硅谷信奉的经典教条是「做产品，不做项目」：好的软件公司应该写一份代码卖给一万个客户，而不是给每个客户单独定制——后者被贬称为「咨询公司」「人力外包」，利润低、不性感、无法规模化。Palantir养着一大批驻场工程师、给客户做深度定制，一度被批评为「披着科技公司外衣的咨询公司」。
在Palantir内部形成了独特的双轨文化，工程师大致分为两种：一种是Deltas，即前沿部署工程师，在客户现场冲锋陷阵；另一种是Devs，留守总部打磨核心产品。两者的关系类似于前线部队和兵工厂：Deltas在客户处用胶带、急智拼凑出可用方案的同时把“哪些功能被反复使用”的信息带回；Devs根据这些信息把一次性的定制转化为人人都可以用的标准平台功能。曾任Palantir员工多年的Nabeel Qureshi后来在一篇广为传播的文章《Reflections on Palantir》中回忆道：外界最难以理解的这套“人肉密集”打法，其实是公司最大的壁垒——因为竞争对手可以复制产品，但是复制不出几百名工程师在客户现场泡出来的行业认知。
转折点有两个方面。一方面，Palantir用业绩来反击质疑：驻场工程师前期所做的定制工作，在后期变成了大量的标准化平台（比如面向企业的Foundry），一次定制可以反复使用很多次，毛利率也越来越接近正规软件公司的水平，市值也一路飙升，成为美股中市值最高的公司之一。当年嘲笑它的分析师们不得不重新考虑问题：也许“先当保姆、再做平台”并不是一个愚蠢的方法，在复杂的行业中找到出路或许才是正确的选择。另一方面，在AI的时代来临之后，所有人都突然发现自己的问题和Palantir当年所遇到的问题一样。这就是接下来要讲述的故事。
3 为什么现在突然爆火
一个尴尬的数字：95%
要理解FDE为什么在2025年前后突然身价倍增，只需要记住一个数字。
2025年8月，麻省理工学院（MIT）NANDA项目发布了一份广为流传的报告《生成式AI鸿沟：2025企业AI现状》。研究团队分析了300个公开的企业AI项目，访谈了150位企业负责人，调研了350名员工，得出一个让整个行业倒吸凉气的结论：大约95%的企业生成式AI试点项目，没有产生可衡量的利润影响。 换句话说，企业在生成式AI上投入了估计300亿到400亿美元，绝大多数打了水漂。
注意，报告特别强调：问题不出在AI模型本身。模型的能力是够的，在演示的时候大家都觉得非常惊艳，但是从惊艳的演示到可以天天使用的工具之间就存在着一个很大的鸿沟，数据杂乱无章、系统陈旧落后、流程烦琐复杂、员工抵触情绪严重。报告把这样的情况叫作“学习鸿沟”，即不是AI不行，而是组织不会使用。
这就如同全世界的企业都把最好的智能家居买回来，在客厅里坐着发呆一样。
卖模型的公司坐不住了
对OpenAI、Anthropic这样卖AI模型的公司来说，95%这个数字是生死攸关的。
道理很简单：如果企业客户花大价钱买了AI服务却看不到效果，第二年就不会续费，还会到处说「AI是泡沫」。模型再强，落不了地，商业故事就讲不下去。而那5%成功的项目有什么共同点？MIT的报告指出：成功者不追逐炫酷的演示，而是把AI深度嵌入具体工作流程，并且依赖既懂技术又懂业务领域的合作伙伴。
——这不就是Palantir二十年前趟出来的那条路吗？
成功的5%可以再详细说明一下。在行业分析中经常被提及的成功案例具有以下一些共性：不急于一下子改变整个公司的所有事情，而是选择一个痛苦到不能再痛苦的地方入手，比如客服工单自动分类、合同条款初步审核、财报数据校验等；项目一开始就由业务部门人员深度参与其中，并非IT部门单打独斗；上线之后还有人在不断调整优化效果，而不仅仅是验收完毕之后就散了。你会发现这三者背后都有一个人的存在——既能够和业务沟通交流又可以动手修改系统而且一直待在现场的人。企业内部培养出这样的人很难，所以FDE的价格也就因此被抬高了。
于是，戏剧性的一幕出现了：当年嘲笑Palantir是「咨询公司」的硅谷，开始集体照抄它的作业。OpenAI从2024年起组建FDE团队，把工程师直接派到摩根士丹利、克利夫兰诊所这类大客户的办公室里；Anthropic、谷歌、微软、亚马逊纷纷跟进。据行业媒体报道，到2026年上半年，这场竞赛进一步升级：OpenAI斥巨资扩建部署服务体系，并收购了拥有约150名资深交付工程师的咨询公司Tomoro；Anthropic则联手多家大型投资机构，组建了专门的企业AI服务部门，让工程师直接嵌入客户团队。一家统计机构在2026年初的盘点显示，仅公开渠道就有39家AI公司同时在招超过200个FDE职位。
中国这里
这股潮流并不是只有美国才有，在中国也同样存在，而且大厂们的做法更加贴近实际。
字节跳动、阿里云、腾讯云都发布了FDE（企业服务）岗位，主要工作内容是驻场协助制造、金融、零售等行业客户将大模型应用到实际工作中去。上海市在2025年年底的时候举办了第一期FDE专题培训班，并且提出了要建立一千人的FDE人才储备库的想法——这是一个只有十几年历史的新职业，在短短几年内就进入了中国的政策视野之中。
爆火的本质
把上面的内容串联起来的话，FDE爆火的原因就一句话可以概括出来：
AI的能力过剩了，而把能力转化为价值的人手严重不足。
技术革命也存在类似的过程，在电力出现之后，并不是发电机本身使工厂效率提高，而是经过工程师对厂房进行重新设计之后才实现的——经济史学家研究发现，从电动机诞生到工厂生产率明显改善之间相隔了几年时间，被卡住的就是“改造”这一环节。目前AI正处于这样的时期，“电气化改造工程师”的角色由FDE来担当。
还有一个更微妙的商业逻辑值得点破。对于AI公司而言，FDE团队表面上看似成本支出（雇佣一批高薪工程师驻守各地），但是实际上是三赢之举：第一，把“卖软件授权”变成“卖确定的结果”，客单价和续费率都有所提升；第二，在客户的现场发现了每一个共同的需求之后就会被固化为产品的功能，相当于让最苛刻的客户免费做产品经理；第三也是最不明显的一点——如果一个企业的主要流程是由一家AI公司的FDE搭建起来的话，那么更换供应商的成本就会变得非常高昂。懂行的人士可以根据FDE的招聘规模来判断出该AI公司在争夺企业市场的决心有多强：它衡量的是一家AI公司争夺企业市场的决心。