FDE：AI 时代最热门的岗位，还是驻场工程师换了个花名？

FDE：AI 时代最热门的岗位，还是驻场工程师换了个花名？

原创

持续交付20

持续交付20

持续交付2.0

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

过去一年，一个原本只在小圈子里流传的岗位缩写开始频繁出现在招聘页和行业报告里：FDE，Forward Deployed Engineer，中文一般译作「前沿部署工程师」或「前线部署工程师」。

它的热度有具体来源。The Pragmatic Engineer 在 2025 年 8 月的深挖文章中写道，这个岗位被风投机构 a16z 称为「科技行业最热门的工作」。OpenAI 在 2025 年初组建 FDE 团队，从 2 个人扩到十余人，分布在八个城市；金融科技公司 Ramp 用小组形式塞进了约 15 名 FDE。2026 年 9 月，谷歌云与埃森哲宣布成立联合业务部门，培训多达 1000 名 FDE 直接进驻客户现场。

国内的动作也不慢。上海市经济和信息化委员会、上海创智学院和上海市人工智能行业协会在 2025 年 12 月办完首期 FDE 专题培训班，2026 年 2 月又开了「转型工程师专班」第一期。

热度一上来，争论也跟着来。有人说这是 AI 落地最关键的一环，也有人说这就是驻场实施换了个花名。两边的论据都摆在这篇文章里，我不下结论。这场争论里有几个问题，比岗位本身更值得讨论。

FDE 的边界：驻场、售前和它差在哪

这个岗位最早在 Palantir 体系化。Palantir 内部叫 Delta（前沿部署软件工程师），官方解释是一句话的对比：普通研发（Dev）的焦点是「一种能力，服务很多客户」，Delta 的焦点是「一个客户，需要很多能力」。Palantir 描述这个岗位职责时说得很直白：「FDE 的职责和创业公司 CTO 很像，小团队作战，端到端负责高风险项目的执行结果。」

这个岗位本身并不新。据 The Pragmatic Engineer 梳理，直到 2016 年前后，Palantir 的 FDE 数量比普通软件工程师还多；2016 年 Foundry 数据平台发布后，大批 FDE 才回到产品团队，把现场经验带进核心产品。

工作强度是它最容易被忽略的一面。Palantir 期望 FDE 大约 25% 的时间在客户现场，医疗 AI 公司 Commure 的估算是最高 50%，工业 AI 公司 Matta 直接写明要「在车间地板上摸清方案」。在 Palantir 做了七年 FDE 的 Anjor Kanekar 描述过自己的日常场景：空客总装线。

OpenAI 的做法是把整件事拆成三个阶段：

早期圈定，在客户现场住几天，坐在用户旁边把流程画出来，找出价值最大的区域，先用合成数据做原型

验证，回答「圈定的这件事，真的是对客户最有价值的吗」，包括和用户一起做评估集（evals）、扩标签、看指标爬坡。先验证，再交付

交付，每周在客户现场待几天，拿真实数据，回自己公司构建再拿去演示，目标是把端到端能跑通的最小单元做出来

这个岗位和相邻角色的边界经常被含糊过去。按 OpenAI 的分工，解决方案架构师（SA）更偏顾问，很少在客户的基础设施上写代码，只交付 MVP 或基于脱敏数据的 PoC；FDE 更动手，直接在客户的机器和工具链上写代码，还要推进产品路线图。跟售前工程师（SE）、智能体工程师（AE）相比，关键的区分点是 FDE 的产出要回流到核心产品。

抛开 Palantir 的狭义定义，用一句更宽松的话概括这个角色，大概包含四件事：深入业务场景而不是道听途说；洞察需求并做资源协同；具备快速交付的能力；对结果负责。前三件是能力，第四件是姿态。后面的争论，基本都是围绕这第四件事展开的。

支持方：AI 把「跨角色」从不可能变成可能

支持 FDE 的逻辑起点，是承认一个事实：企业 AI 项目真正的障碍，大多不是技术。

在 Palantir 干了八年前沿部署的 Nabeel Qureshi 回忆过，FDE 花掉最多时间的活叫「数据集成」，这四个字听起来让人犯困，却是整件事的核心：从组织里的「数据 owner」手里谈下访问权限，把脏数据清洗成能用的格式，再放到所有人都能取的地方。难点从来不在技术，在跨部门谈判、权限审批，以及「这不是我的活」的心态。

The Pragmatic Engineer 的判断是，创业公司灵活、工程师愿意折腾，大企业反过来，推进项目的障碍是官僚流程。派一个被充分授权的工程师进去，用「怎么让它成」而不是「为什么不成」的心态做事，客户看到的是比自己内部推进更快的进度。

第二层逻辑是反馈弧回流产品。OpenAI 有个具体案例：在呼叫中心语音自动化项目上，FDE 发现模型达不到客户愿意投产的水平，就把数据和评估集带回研究部门一起改模型，客户最终成了第一个在生产环境部署该能力的公司，OpenAI 的 Realtime API 也因为这个项目得到改进。Palantir 的 Foundry 更是这样长出来的。HN 上有条评论把这个机制总结成一句话：疼痛本身变成了护城河。

第三层逻辑是 AI 改变了成本结构。同一件事过去要「懂业务的人、懂工程的人、能拍板的人」三方凑齐，现在一个人带着 AI 就能覆盖。HN 上一位带 FDE 团队的从业者说得比较克制：这仍然是一个工程岗，「他们的价值在于同时嵌在客户公司和我们公司里，是我们放进客户内部的眼睛和耳朵」。

支持方手里最有说服力的，是能说清结果的案例。OpenAI 的 FDE 曾飞到爱荷华州，和一家两百年的农业机械公司一起解决「个性化农户干预」的规模化问题。过去靠人工打电话给农户提建议，项目又要赶在下一个种植季前上线，时间窗口很窄，最后按节点交付了。

质疑方：三顶帽子

帽子一：这活儿几十年前就有。

半导体行业早就有「现场应用工程师」。芯片得在客户愿意投入工程师时间之前就证明能跑，这些人是适配和反馈的关键一环；再往前，大型机和 ERP 时代的实施团队更是标配。HN 上有条评论的比喻流传很广：卖一台上百万美元的机器，真正赚钱的是服务合同，「派个刚毕业的小伙子坐在旁边，把你工程团队的话复述回来」。

最刺耳的一条评论是这么写的：「Forward Deployed 是 Palantir 造的词，除了让驻场工程师听起来体面一点，没有任何新东西。」

在东亚语境里，这顶帽子更沉。有从业者指出，东亚对应的角色叫 SI（系统集成），长期不被当作正经的职业经历：每家客户的技术栈都不一样，什么都得会一点，哪样都钻不深，客户特有的经验换家公司就用不上，跳槽时几乎不算资本。

帽子二：学走的是形式，不是功能。

这顶帽子是 Palantir 自己人扣的。

Palantir 出身的 Ted Mabrey 写过一篇流传很广的文章，标题就叫《Sorry, that isn't an FDE》。他的判断是，现在学 FDE 的公司基本都是「致敬乐队」：重新划了岗位边界，把本来外包给 SI 的成本内部化了，但没有真的把利益和客户绑在一起。形式学到了，功能没学到。他说自己和跳槽到这类公司的前 FDE 聊过，对方的描述是「像在坐牢」。

他的论证落在「产品化」这一环上。FDE 在客户现场写的是快而糙的代码，带着技术债和临时方案，这是设计的一部分；真正让模式成立的是产品团队把这些一次性的东西泛化成可复用能力。Palantir 的前提有两个：产品野心足够大到「需要建的东西实际上是无限的」，以及选择「要对的客户，而不是要所有客户」。它公开披露过，前 20 大客户贡献了超过 11 亿美元的年收入。

帽子三：岗位没那么多，课先多了。

热度数据本身就有张力。被称作「最热门岗位」的同时，公开渠道在招的 FDE 岗位量级仍在几百个。薪酬口径也乱：有人按 Palantir 一侧的 21.5 万美元说事，有人把头部实验室的 78.5 万美元当标杆，招聘平台统计的中位区间落在 19.7 万到 29.4 万美元之间。同一个岗位名称下价差能拉到三四倍，说明定义还没有收敛。

配套产业的脚步更快。国外是咨询公司和云厂商在批量培训，国内则是培训、认证、交付体系，甚至「FDE 概念股」一起上桌。这中间有真东西，也有不少「花两万买了个寂寞」的避坑帖。一个很朴素的观察是，当培训供给明显快于岗位需求时，最赚钱的往往不是从业者。

还有一个更根本的限制，来自场景的数量。Palantir 式的 FDE 之所以难学，前提是它得先找到一个「10 倍价值」的场景——只有这种量级的问题，才撑得起一个高薪、高强度、深度定制的工程角色。而这种场景本来就不多。FDE 不是能按人头批量复制的岗位，更像被某个足够大的问题逼出来的角色。

两边其实都同意的一件事

把两派论据摊开看，分歧最小的一个点是：FDE 的价值不取决于他坐在哪里，而取决于现场经验能不能沉淀成产品能力。

能沉淀的，就是研发投入的一线触角；沉淀不下来的，就是高级外包。这也解释了为什么很多人相信，真正靠谱的 FDE 只能从企业内部长出来：只有自己公司的业务和产品，才值得、也才能够被反复沉淀；通用的培训班，解决不了「沉淀到哪个产品里」这个前置问题。

顺着这个思路看，FDE 不止是岗位，更是一种打法：按需求定制的培训、前期调研、场景工作坊，本质上是同一套动作——先扎进真实场景，再用工程手段把结果做出来。至于 AI 有没有降低 to B 的难度，答案可能是没有。谁负责、谁签字、总监的 KPI 在哪里，这些跟五年前一模一样。

写在最后：几个还没有答案的问题

如果一个公司不以自有产品为核心，招 FDE 是不是一开始就注定变成外包？还是说「服务即产品」本身也是一条路？

大多数企业真正缺的，是一个 FDE，还是一个能被授权拍板的内部负责人？

机会到底在谁手里？大公司的项目基本已经被预算、采购和内部政治锁死，留给外部的缝隙很窄。那么所谓的机会，是不是只存在于中小公司、一人公司（OPC）这类形态里？

FDE 会不会只是这一轮 AI 落地潮里的过渡形态，等 Agent 足够可靠之后自己消失？还是反过来，鸿沟永远存在，所以这个角色长期存在？

最后留一个朴素的检验方法，适用于任何自称在做 FDE 的人、团队或者课程。

问三个问题：

1. 客户是谁？

2. 解决了哪些具体场景的问题？

3. 用了什么方法？

三个问题里有任何一个答不上来，后面的话就可以不用听了。

回答上来了，才需要花些时间继续问。

这场争论大概率不会有统一结论，因为「一个客户，很多能力」和「一种能力，很多客户」这两条路，本来就服务不同的生意。

但如果你正在这条路上，上面这几个问题值得先想清楚。

不知道，你知道的FDE 都在干什么工作？

还是你身边，根本就没有 FDE？ 评论区来说说吧。

预览时标签不可点

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