最火AI岗位FDE：月薪5万，都干这些…
FDE，当下最受追捧且最具神秘色彩的AI职位之一。
受追捧体现在，许多大型企业开出月薪3万至5万的招聘条件，小红书上FDE相关内容随处可见，求职经验分享贴比比皆是。
根据招聘数据网站FDE Pulse的统计，海外公开薪资的FDE岗位，年薪中位数大约为20万美元，折算成人民币约134万元。
（全是因为高薪）
神秘之处在于，我采访了6位FDE从业者，最终发现，他们各自的工作内容似乎大相径庭……
FDE的全称是Forward Deployed Engineer，中文名称为前线（前沿）部署工程师。
顾名思义，就是驻扎在客户现场的工程师：既负责部署软件，也处理客户遇到的实际问题。
如今，这一职位已从硅谷流行到国内。
海外，Anthropic宣布投入1亿美元，计划在2027年底前培训1万名FDE工程师；OpenAI也携40亿美元投资成立了专注于部署的公司；AWS则拿出10亿美元组建FDE部门，将数千名工程师派驻到客户身边。
国内也在跟进，许多大型企业已发布FDE岗位。Kimi宣布联合多家IT服务商共同建设FDE队伍；腾讯云则推出了号称行业内首个的FDE工程师认证，同时招募FDE合作伙伴。
与此同时，也涌现出不少独立开发者，凭借个人能力接单，为企业进行AI改造。
但说起来，派遣工程师到客户现场的做法，早在互联网时代就已存在。
部署工程师、实施顾问、解决方案工程师、售后工程师……这些职位做的都是类似的工作，甚至一度被视为“苦差事”。
那么，为什么到了AI时代，它突然变得炙手可热？这个老职位，到底发生了哪些变化？
FDE，到底是什么？
在经典的FDE模式中，经常出现两个不同的角色：Echo和Delta。
Echo负责理解业务、沟通需求并设计方案；Delta负责编写代码、接入数据，将方案实际落地。两者在前线协同合作，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。
可以用以下方式概括Delta和Dev的区别：Dev做的是“一项能力，服务众多客户”，Delta做的是“一个客户，解决众多问题”。
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。这种情况至少在两个月前是没有的。
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”：企业中有哪些员工、部门和订单，它们之间如何关联，各自允许执行哪些操作。
FDE要做的，就是把分散在不同系统、流程和员工经验中的信息，整理进这张地图，然后在此基础上开发应用、解决问题。
当这套模式传入中国，它衍生出了各种变体。
到了AI时代，驻场的重点也发生了变化：企业自己都说不清AI能用在哪里，FDE得先帮客户想清楚该做什么。
李开复带领的零一万物，就是一个典型案例。
零一万物目前全面转向企业AI，其路径是：先找到企业的一号位，然后派遣前线部署工程师进场，梳理企业的Ontology，最终沉淀为产品和平台。早期一个项目，需要派遣5名FDE驻场，再配备5人的后端团队。
在李开复看来，他们的产品虽然已实现产品化，并采用订阅制，“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、角色和流程都要准备好，客户才能获得充分的结果”。
在许多公司中，也有人在做类似的工作。例如Layla和Sonic。
Layla在一家SaaS公司担任FDE，其职位头衔至今仍是产品经理。
△AI生成
从2025年三四月开始，她真正进入客户项目。客户都是万人以上的上市公司，涉及连锁门店和制造业，每次驻场一至两个月。
刚开始做时，还没有人将其称为FDE。后来这套模式火了，她深入了解后，“才发现，哎，好像就是同一回事”。
她的工作流程大致如下：
第一步，进场摸清业务，从采购、市场、财务、IT等众多角色中理清客户真正想要什么；
第二步，给出方案，搭建一个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，将可复用的能力抽象出来，迭代回公司的产品中。
这基本上是一套经典的FDE工作流程，也是目前企业或独立FDE进行开发的常规流程。
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”。
而另一位企业FDE——Sonic，做的是审核类AI项目，例如财税审核、广告物料审核。
△AI生成
同样从2025年起，他们团队就开始研究FDE。在他看来，FDE最关键的环节之一，就是梳理Ontology。
他举了一个例子：如果企业想做一个组织管理方面的AI助手，就得先理清企业有多少部门、部门之间是什么关系；除了关系，还有属性，例如一个人的职级和薪资。
只有将这些抽象成Agent能理解的结构，它回答问题才会更准确，而不是胡乱猜测。
这一步通常相当费力，因为FDE经常遇到上下游的历史数据不完整、老系统没有开放接口等问题，导致项目难以推进。
但Sonic认为，这一步无法跳过：“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都需要常驻客户现场。
在Sonic看来，驻场不仅是为了了解需求，还要先拉齐业务方对AI的认知：什么能做、什么不能做，双方在同一个语境下，才能进一步讨论痛点和方案。
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，客户将模型部署在他们的平台上，他们让这些模型运行得更快、更稳定、更节省成本。
他们接触的客户几乎都是工程师，需求也很具体。例如原本调用OpenAI的API，现在想换成开源模型，应该选哪个模型？如何部署？如何达到预期的速度和成本？
FDE会与客户开会，了解技术需求，然后搭建一个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。
“我们的产品与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，为企业进行AI改造。
这本身也是AI带来的变化：过去定制一套系统，需要一个团队花费数月时间；现在代码几乎不要钱，一个人也能接单交付。
这块市场目前非常野生。号称“全网第一FDE”的Lawted告诉我，他称其为土FDE。
大厂FDE主要是推广自家产品，而土FDE主要面向“土老板”，使用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，他的路子非常野……
他是一名斯坦福在读博士，今年4月开始一个人承接企业的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，交付全由他一人完成。
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”，转变为“教企业员工如何使用AI”。
△AI生成
例如，他的第一个客户是一家银行，几名员工每天要从数据系统中导出一堆数据，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。
但东西做出来后，很快就没人用了。因为报表规则每天都在变，导出来的表格格式也不完全一样，写死的程序“用几天就崩溃了”。
后来他发现，不需要开发新软件，直接教员工将脱敏后的数据交给通用AI进行汇总，再将高频流程整理成Skill，接入现有的数据系统。
这样一来，员工真的用起来了。
Zaniel告诉我，至少在白领工作中，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，与老板讨论如何提高员工的AI使用率——最终结论是，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，在给企业改造的过程中发现，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与企业的合作有两种模式，一种是项目制，另一种是顾问制，而且第二种模式越来越多。
所谓顾问，说白了就是教员工如何使用这些AI工具。每有新工具出现，就帮企业想清楚业务该如何跟进；如果碰到不大的需求，他也会顺手做出来，包含在顾问服务中。
他把这种角色称为企业外部的“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，通过举办线下交流会和黑客松，撮合想要进行AI改造的企业和独立接单的FDE签订订单。
△AI生成
流程是，企业提出需求，他从报名的人中挑选一两个选手。选手进厂48小时，梳理工作流程、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的工作中，编写代码和开发的时间并不多，与人沟通反而占了大部分。
几位从业者都告诉我，他们沟通需求的时间占了七成以上，开发大约只占三成。
而与客户员工产生摩擦、打不开接口权限等困难，也往往发生在这个过程中。
在推动WorkBuddy接入企业内部系统的过程中，软萌孜神经常要找采购、IT、ERP产品经理和外部工程师反复沟通。有些系统没有现成接口，还得推动企业自己开发。
一个多月过去，仍有不少API没有开放。她说，第二天自己还要继续去找IT交涉。
不过，她也不认为是员工故意阻挠。“没有人刻意给你使绊。”只是每个人都有自己的任务，AI改造在对方那里未必有那么高的优先级。
△AI生成
拿不到权限，有时只是流程问题。
但AI带来的阻力，还有更微妙的一层：过去部署一套软件，很少直接动到谁的位置；AI不一样，它可能改变一个团队原本的工作。
有家企业想开发一套覆盖几十个业务模块的AI系统。Zaniel估算，自己三四个月就能完成，但客户要求他以顾问身份与IT团队合作。
尽管签了保密协议，对方仍不愿开放代码库，却时常让他远程排查问题。
Zaniel也建议，部分模块直接使用通用Agent即可，没必要全部自研。
领导回了一句：“你都用WorkBuddy了，那他们干啥呢？”
……听完我只能说，这太真实了。
不过，Zaniel也并不简单地把这归结为客户“不配合”。客户可能有保密要求、既有的供应商关系，也可能只是不同部门各有顾虑。
“对于企业，换一种工作方式的代价，常常比换一个工具大得多。”他说。
FDE，不就是外包吗？
另一个常常被谈论的问题是：FDE究竟是不是外包？
至少在Baseten，答案是否定的。
程天舒告诉我，他们的FDE和普通工程师一样，招聘标准、面试流程完全相同，同样拿固定薪资和股票，不靠提成。
FDE提供的服务也不单独收费。即使搭出了原型，只要客户最后没有使用Baseten的云平台，就不需要付钱。
对他们来说，FDE服务于自家产品：帮客户用起来，再把现场反馈带回去改进产品。
