FDE 前沿部署工程师：一年涨 7 倍的「AI 圈最火岗位」

FDE 前沿部署工程师：一年涨 7 倍的「AI 圈最火岗位」

Summer学习笔记

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

今天是小编写的第464篇，主题是秋招

今年 5 月，OpenAI 拉上 19 家投资方，砸了 40 亿美元成立一家专门做企业部署的公司，顺带把英国一家 AI 公司的 150 名工程师整个团队打包带走。

几乎同一个月，Anthropic 联合黑石、高盛，成立了 15 亿美元的合资公司。谷歌云 CEO 直接在自己的社交账号上发帖急招，面试流程压缩到 2 天。

他们抢的是同一批人，一个新到很多人第一次听说的岗位：

FDE —— Forward Deployed Engineer，前沿部署工程师。

火到什么程度？招聘平台 Indeed 的数据：2026 年 4 月，FDE 岗位数量比一年前涨了 729%；如果把基准拉回 2025 年 1 月，涨幅是 5230%。领英今年的报告说，这个岗位从 2023 到 2025 增长了 42 倍——同期「AI 工程师」的增长是 13 倍。

风投机构 a16z 说它是「科技圈最火的工作」。

但就在热度最高的时候，吴恩达写了一篇长文，标题几乎是直接泼冷水：

FDE 确实在增长，但它的规模天花板是结构性的。真正会在下一个十年形成主流的，是企业自有的 AI 工程师。

一边是巨头用真金白银投票，一边是 AI 领域最有影响力的人公开踩刹车。

这两件事，同时是真的。

作为一个每天都在帮人做职业选择的人，我不想只给你看那 729%。今天把两面都摊开讲。

01 先说清楚：FDE 到底是干什么的

一句话：把自己派到客户公司里面去，替客户把 AI 真正用起来的人。

它不是售前——售前的目标是证明「我们的产品能用」，FDE 的目标是让系统

真的被用起来。 它不是外包——外包按需求和验收单交付，FDE 要对业务结果负责。 它也不只是程序员——写代码只占他工作的一小部分。

这个岗位的发明者是 Palantir，一家做情报和国防数据分析的公司，二十年前就这么干了。当时他们发现一个死结：客户讲不清自己要什么（出于保密，连流程都不能细说），而团队对客户的业务一无所知。

常规的软件交付路径——收集需求、设计方案、交付、售后——在这种非标场景里彻底失效。

他们的解法很笨，也很有效：把工程师直接派进客户的工作环境里，让他边看边建。

二十年后，几乎一模一样的困境，砸到了大模型头上。

它和相邻岗位的区别

岗位

在哪工作

主要产出

写不写生产代码

FDE

客户现场 + 内部团队

能上线的定制系统

写，而且是主要工作

产品工程师

公司内部

通用产品功能

解决方案架构师

售前

方案设计、POC

偶尔，多为止损

售前顾问

售前

演示、投标

基本不写

交付实施

客户现场

配置、部署、培训

以配置为主，少量

技术支持

后方

答疑、修 bug

打补丁为主

他一天大概怎么过

有人统计过大量 FDE 的招聘描述，时间分配大致是：

约 1/4 写代码

约 1/2 做集成和调试——把 AI 接进客户那套乱七八糟的数据库、权限和遗留系统

约 1/4 开会和沟通——跟高管聊目标，跟一线员工聊痛点，还要在客户提不合理需求时委婉地说「不」

所以业内有个说法：一个人，就是一支特种部队。

02 那它为什么突然火成这样？

因为一个很扎心的事实被翻出来了。

MIT 有个研究团队调研了 150 多位企业高管、拆解了 300 个 AI 项目，结论是：

95% 的企业级 AI 试点，没有产生任何可衡量的商业回报

钱花出去了，模型买回来了，然后就……没有然后了。

问题不在模型。报告把原因指得很清楚：僵硬的工作流程、缺乏上下文、跟日常业务对不上。

同一份研究还有个对比：买专业厂商方案的企业，成功率约 67%；自己埋头硬造的，只有三分之一左右。

所以你看，卡点从来不是「模型够不够聪明」，而是「这家公司能不能把模型变成生产力」。

Gartner 的预测是：到 2026 年底，超过 85% 的科技服务商会把 FDE 项目作为交付 AI、压缩部署周期的核心方式。

谷歌云的业务负责人今年在会上说了一句被反复引用的话：

「试点的时代结束了。」这句话的意思其实是：过去两年大家都在做 Demo，现在要看谁真能落地。而这个落差，靠产品文档填不上，只能靠

能上手写代码、又听得懂业务的人去填。

这就是 FDE 的全部机会所在。

03 但是，有四个信号我必须提醒你

我不想只当那个告诉你「快冲」的人。下面这几条，是同一条新闻里不容易被看到的部分。

信号一：吴恩达的三点结构性判断

他并不否认 FDE 的价值（甚至拿它当「AI 在创造新工作」的证据）。但他认为这个岗位的规模上限被三件事卡住了：

第一，它是劳动密集型的。 一家企业愿意接纳几个外部 FDE 驻场，但绝大多数公司更希望由自己的员工来主导内部项目。吴恩达自己透露，他的团队也招 FDE，但招的 AI 工程师要多得多。

第二，FDE 天然绑定厂商。 Anthropic 的 FDE 只会用 Claude，OpenAI 的只会用 GPT。但现在大模型格局还没定——据机构估算，企业级市场上 Anthropic 约占三成、OpenAI 约两成五、谷歌约两成。所以企业非常看重一件事：保留以后换供应商的自由。让外部 FDE 主导底层架构，会实质性削弱这种灵活性。

第三，真正的需求出口在企业自有团队。 最紧缺的人是那种「能用提示工程、智能体框架、评测体系搭应用，并且熟练使用 AI 编程工具」的工程师——这类人隶属于企业自己，不存在厂商绑定问题。

他有个类比我很喜欢：

FDE 是「桥」，不是「家」。

企业不可能永远靠外部驻场来维持自己的 AI 能力。等它进入规模化阶段，FDE 的边际价值必然递减。他还预测，今天的「AI 工程师」会像几十年前的「软件工程师」一样分化——分出一堆现在还叫不出名字的细分岗位。

信号二：股权结构里有一处不对称

这一条很少有人提，但对你判断 offer 很重要。

在 OpenAI 和 Anthropic 的新架构下，FDE 往往是被招进独立的子公司或合资公司的。他持有的股权归属于这个「交付型实体」，而不是掌握核心模型资产、估值高得多的母公司。

也就是说，即使他的工作直接推动了母公司的商业成功，他也未必能完整分享到上行的收益。

高薪是真的，但这个高薪的结构，值得你在签字前问清楚。

信号三：薪资的增速已经在放缓

薪酬数据库 Pave 的数据显示，FDE 岗位的年薪增速在 2025 年第三季度达到峰值，到 2026 年第一季度已经出现放缓迹象。

高薪仍然存在，但「增量」在收窄。

这恰好说明吴恩达的嗅觉是敏锐的——当一个岗位的热度被社交媒体放大到极致时，往往也正是它从蓝海走向红海的转折点。

信号四：这个岗位其实挺苦的

FDE 要出差、要驻场、要在陌生的行业里现学现用、要同时扛客户和公司两边的压力。

而且有一个数字很说明问题：FDE 有 40%–60% 的时间花在协调、沟通、行政类工作上，不是纯写代码。

如果你以为这是一个「技术好就能干」的岗位，你会干得很痛苦。

04 那到底什么样的人适合？

我把这两年的观察整理成一张表。你可以对着看：

适合的人

不适合的人

对技术的态度

喜欢「用技术解决具体问题」，不追求技术本身多先进

只想钻研技术本身，讨厌被业务打断

面对模糊

信息不全也能开工，边做边澄清

必须等需求写清楚了才能动手

跟人打交道

能跟高管聊战略，也能跟一线唠家常

一想到要跟客户周旋就累

成就感来源

看到「有人真的在用我做的工具」

看到「我的代码很优雅」

对出差/驻场

能接受，甚至觉得有意思

强烈排斥

职业期待

想先攒三五年的复合能力

想要一条清晰、稳定的晋升阶梯

有一个观察我觉得特别值得分享。

上海今年办了首期 FDE 专题培训班，组织方在复盘时提到一件事：

团队里几位最优秀的 FDE，竟然不是 AI 相关专业出身。他们的共同点是：

开朗乐观、善于沟通，经过培训后很快熟悉了模块的基础功能，推动了很多案例落地。

这说明 FDE 的核心能力——业务洞察、沟通翻译、快速迭代——不像算法那样高度依赖科班基础，它更适合「在岗实训 + 场景历练」这种方式长出来。

这既是个好消息，也是个提醒：

好消息是，非科班、非技术专业的人，也有一条路可以走。 提醒是，如果只把它当成「技术岗位的捷径」，你会走偏。 它考的从来不是你会不会写代码，而是你能不能判断该做什么。

05 国内的 FDE，和硅谷不是一回事

这一点必须说清楚，因为直接套用海外的信息，很容易判断失误。

国内的 FDE 至少有两类，性质完全不同：

一类是「厂商侧 FDE」——典型的是字节的「豆包 AI 大模型 FDE」、蚂蚁数科的 B 端 FDE、智谱的 FDE 负责人。这类岗位跟硅谷的逻辑一致：派驻到客户现场，替客户把自家产品落地。

另一类是「企业内部 FDE」——比如一些医疗器械、制造类企业开始设的 FDE 岗。这类岗位不出差、不驻场，工作内容是留在公司内部，找到那些每天重复、又没人有空优化的环节，用 AI 把它做成真的有人在用的工具。

同样是 FDE 三个字母，一个是往外走，一个是往内看，工作强度、成长路径、考核方式都不一样。看 JD 的时候，一定要分清。

薪资方面，给几组公开的招聘数据：

公司

岗位

薪资

字节跳动

豆包 AI 大模型 FDE

3.5 万–7 万/月，15 薪（最高约 105 万）

蚂蚁数科

B 端 FDE

4 万–6 万/月，15 薪

智谱华章

FDE 负责人

6 万–8 万/月

但这里有个必须说的现实：

国内年薪百万的岗位集中在核心顶尖人才上，不是行业平均水准。 有从业者透露，国内职级较低的 FDE 月薪在 2 万到 3 万，高职级以年包为主，多在 40 万以上。

所以看到「年薪百万」的标题时，先问一句：这是中位数，还是天花板？

政策层面也值得关注。 上海在 2025 年 11 月开了首期 FDE 专题培训班，首批目标培养 200 人，学员里有企业 CTO、区里的干部、国企的智能化负责人——政企混编。配套的还有「百千万」工程：链接百家企业、打造千个智能体、带动万名开发者转型。

一个城市的产业规划里出现了这个岗位，说明它在国内不是一阵风，而是被当成了基础设施建设的一部分。这一点，比任何一个招聘数据都更值得重视。

06 如果你决定要冲，我给你三条最实在的准备建议

第一，手里必须有一个「真的在跑」的东西。

不是课程作业，不是跟着教程做出来的 Demo。是你自己发现了一个问题、自己动手做出来、并且真的有人在用的东西。

为什么这么强调？因为 FDE 面试最核心的一轮是开放式问题：给你一个很脏的现实场景（比如「这是一家医院两年的就诊记录，院长说想用 AI 提效，你会怎么做」），看你怎么澄清、怎么划边界、怎么在两周内交出东西。

如果你从来没独立做过一个完整的闭环，你答不出这种题。 因为你在过程里踩过的每一个坑，就是答案本身。

第二，把「沟通」当成一门技术来练。

这一点最容易被技术背景的人忽略。FDE 面试里有一类必考题，是给客户提需求，看你会不会先问再答：

客户说「我要一个 AI 客服」——先别接。 问清：日均咨询量多少？问题分几类？现在谁在处理？成功标准是什么？还有更难的：客户提了一个技术上有风险的需求，你敢不敢说「这个做不了」，并且给出替代方案。

别把沟通当成「技术面的附赠品」。 它占这个岗位一半的时间，也是它和普通工程师真正的分水岭。

第三，把你的经历从「我做了什么」改写成「我判断了什么」。

普通工程师的简历写：使用 Python 开发数据处理脚本。 FDE 的简历写：为某业务重建了订单数据管道，把对账耗时从 2 天压到 2 小时。

面试官最想听的不是「我做出来了」，而是——

在信息不全的时候，我是怎么判断该做什么的。

写在最后：

说回职业规划这件事。

我的建议一向是：不要追头衔，要追能力。

FDE 这个头衔现在很热，但它热的是背后那个能力组合——能听懂业务、能动手做出来、还能对结果负责的人。

这个组合，在 FDE 里值钱，在 AI 工程师岗里也值钱，甚至回到传统行业做数字化转型，一样值钱。

反过来，如果你只是奔着「年薪百万」这四个字去的，那吴恩达那句提醒你最好记在心里：

FDE 是一座桥，不是一个家。桥可以走，走过去了，你要清楚自己要去哪。

至于要不要押注 FDE——

如果你的目标是「先在这个 AI 落地的窗口期，快速攒下一身能打的能力」，那它现在确实是一个入场券极好的地方。

但如果你期待它是一条能安稳走到五十岁的路，那可能不是它。

想清楚这一点，再决定要不要冲。

我是summer，是一名自由职业者，给企业提供中高端人才招募，给在校生提供就业指导，给个人提供职业生涯咨询服务及求职陪跑

若您有问题需要咨询，添加我微信

预览时标签不可点

作者提示: 内容由AI生成

不喜欢

微信扫一扫

关注该公众号

知道了

微信扫一扫

使用小程序

取消

允许

取消

允许

取消

允许

分析

微信扫一扫可打开此内容，

使用完整服务

视频

小程序

，轻点两下取消赞

在看

，轻点两下取消在看

留言

听过