最火AI岗位FDE：月薪5万，都干这些…

FDE，当下最受瞩目且最充满神秘感的AI职位之一。

它的热度源于众多大型企业纷纷开出月薪3至5万元人民币的招聘条件，在小红书上关于FDE的讨论帖和求职经验分享随处可见。

根据招聘数据平台FDE Pulse的统计，海外公开薪资的FDE职位，其年薪中位数大约为20万美元，折合人民币约134万元。

（这无疑是一笔丰厚的收入）

而它的神秘之处在于，我采访了六位从事FDE工作的人，最终发现他们各自负责的内容似乎截然不同……

FDE是Forward Deployed Engineer的缩写，中文称为前线（前沿）部署工程师。

顾名思义，这类工程师会被派驻到客户现场：一边进行软件部署，一边解决客户遇到的实际问题。

如今，这个术语已从硅谷传入中国。

在海外，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则投入10亿美元组建FDE部门，派遣数千名工程师到客户身边。

国内也在积极响应，多家大型企业已挂出FDE岗位。Kimi宣布联合多家IT服务商共建FDE队伍，腾讯云则推出了号称行业首个的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，他们凭借个人能力承接项目，为企业进行AI改造。

但话说回来，将工程师派驻到客户现场的做法，在互联网时代早已存在。

部署工程师、实施顾问、解决方案工程师、售后工程师……这些职位干的都是类似的工作，甚至一度被视为“苦活累活”。

那么，为什么到了AI时代，它突然变得如此抢手？这个老牌岗位，究竟发生了怎样的变化？

FDE，到底是什么？

在经典的FDE模式中，经常出现两种不同的角色：Echo和Delta。

Echo负责理解业务、沟通需求并设计方案；Delta则负责编写代码、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。

可以这样概括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不存在的。

前线的工作，很大程度上围绕Ontology（本体）展开。

简单来说，Ontology就是一张可以被软件和AI调用的“业务地图”：企业里有哪些员工、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后，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，就是一个典型例子。

零一万物目前全面转向企业AI，其路径是：先找到企业的高层负责人，再派遣前线部署工程师进场，梳理企业的Ontology，最后沉淀成产品和平台。早期一个项目，需要派出5名FDE驻场，再配备5人的后端团队。

在李开复看来，他们的产品虽然已经实现了产品化，也采用订阅制，“但它并不是一个即插即用的产品”。建立一家公司的Ontology需要一到三个月，“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”。

在不少公司里，也有人在做类似的事情。比如Layla和Sonic。

Layla在一家SaaS公司担任FDE，但她的职位至今仍是产品经理。

从2025年三四月起，她开始真正参与到客户的项目中。客户都是员工超过万人的上市公司，涉及连锁门店和制造业，一驻场就是一两个月。

刚开始做的时候，还没有人把这称为FDE。后来这套模式火了，她深入了解了一番，“才发现，诶，好像就是同一回事”。

她的工作流程大致如下：

第一步，入场摸清业务，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，将能复用的能力抽象出来，迭代回公司的产品中。

这基本上就是一套经典的FDE工作流程，也是现在企业或独立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，比如财税审核、广告物料审核。

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。

他举例说明：如果企业想做一个组织管理方面的AI助手，就得先弄清楚企业有多少部门、部门之间是什么关系；除了关系，还有属性，比如一个人的职级和薪资。

只有把这些抽象成Agent能理解的结构，它回答问题才会更准确，而不是胡乱猜测。

这一步往往相当费力，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，项目就很难往下推进。

但Sonic认为，这一步无法绕过：“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，驻场不只是为了了解需求，还要先让业务方对AI的认知达成一致：什么能做、什么不能做，双方站在同一个语境里，才能谈后面的痛点和方案。

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。

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、更省钱。

他们接触的客户几乎都是工程师，需求也很具体。比如原本调用OpenAI的API，现在想换成开源模型，应该选哪个模型？如何部署？怎样达到预期的速度和成本？

FDE会和客户开会，了解技术需求，再搭建一个prototype验证方案。问题可能涉及云基础设施、模型推理优化、训练或者产品体验，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。定制化程度并不高，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，需要一个团队花几个月时间；现在代码几乎不要钱，一个人也能接单交付。

这块市场目前非常原始。号称“全网第一FDE”的Lawted告诉我，他管这叫土FDE。

大厂FDE主要是去推广自家产品，而土FDE主要面向“土老板”，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，他已经做了几十个项目，交付全是他一个人完成。

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“教企业员工如何用AI”。

比如，他的第一个客户是一家银行，几个员工每天要从数据系统里导出一堆数据，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，不需要一个新的软件，直接教员工把脱敏后的数据交给通用AI去汇总，再把高频流程整理成Skill，接上现有的数据系统。

这样一来，员工真的用起来了。

Zaniel告诉我，至少在白领工作里，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，跟老板讨论如何提高员工的AI使用率——最后结论是，采购WorkBuddy就行。

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和企业的合作有两种模式，一种是项目制，另一种则是顾问制，而且第二种变得越来越普遍。

所谓顾问，说白了就是教员工怎么去用这些AI工具。每有新工具出来，就帮企业想清楚业务该如何跟上；如果碰到不大的需求，他也会顺手做出来，包含在顾问服务里。

他把这种角色叫作企业外部的“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AI改造的企业和独立接单的FDE签下订单。

流程是，企业报上需求，他从报名的人里挑选一两个人选。选手进厂48小时，梳理工作流、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的工作里，写代码和做开发的时间并不多，与人沟通反而占了大多数。

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沟通。

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。

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，很少直接影响到谁的位置；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？

另一个常常被讨论的问题是：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。

在企业里的Layla和Sonic也认为，把经验沉淀回产品、进行复用，是FDE和外包的重要区别。

Layla表示，过去大家区分外包，看的就是它“不会做自己的产品，不会沉淀自己的能力”。

“如果我们也不沉淀自己的能力，不做自己的产品，然后每个项目都要从0到1做，别人说外包，其实也没有办法反驳。”

Sonic很直接地告诉我，传统外包做不了FDE。“不信的话可以找外包试试。”

作为FDE，他们会把项目里能复用的模块，按场景沉淀到一个评测和迭代平台上，再搭建Skill Hub、Agent Hub，组里的FDE都在上面做评测和优化。

效果是，在一个垂直领域里，第一个场景从接入到上线大概要一个月；做完之后，后续的同类场景可能一两天就能接完。

“做得越久，速度越快。”做得快，意味着会开得更少、沟通成本更低，“业务会觉得整个过程很轻，钱花得值”。

听起来，只要能把经验沉淀下来、复用到下一家，FDE就和外包划清了界限。

本来到这里，我已经被前面几位嘉宾说服了，但Zaniel又刷新了我的认知。

大家通常想象的复用，是先做出一套半标准化软件，到了下一家客户，“把规则调一调，就可以直接部署”。

Zaniel并不否认Skill、代码和行业经验可以复用。但他质疑：这些积累，究竟能让下一次完整交付便宜多少？

过去做一套企业软件，开发可能要花90块，给每家客户适配只要10块。软件做一次、卖给很多家，前面那90块就能被一点点摊薄。这是传统软件公司的生意逻辑。

AI把这个公式改了。现在开发只要1块，适配还是10块。

比如给一个客户做了客户管理系统，下一个客户也要，那还不如直接重新做一套，“因为AI现在做一个软件出来太快了”。

当然，代码可以复用，Skill和行业知识也能积累。但每进入一家新企业，FDE仍然要重新理解需求、连接系统、处理权限，再推动不同部门接受新的工作方式。

这部分投入，并不会随着代码成本一起降低。

软件越来越容易复制，这门生意能不能复制，却是另一个问题。

FDE们，已经不想说自己是FDE了

采访到最后，我几乎问了每个人同一个问题：

FDE会一直存在吗？

程天舒认为，FDE这个岗位的最终目的，“就是要把FDE给取消掉”。

需要FDE出手的地方，说明产品和客户需求之间还有差距；产品做得足够好，客户自己就能搞定，也就不再需要FDE了。

在他看来，FDE更适合产品还不成熟的早期公司。成熟的公司，其实不太需要这个职位，它更像是公司打磨产品过程中“一个过渡性职能”。

但他也承认，AI发展得太快，“你昨天做的产品，今天就跟不上了”。只要市场还在变，这个差距就会一直在，所以这个目标“可以逐渐靠近，但是永远无法抵达”。

Zaniel的看法则是：FDE要做的事，在AI之前就一直有人在做，以前叫管理咨询，也叫IT外包，只是这个词最近才火起来。

“至于这个词火不火，这就是一个互联网的传播学问题了。”

事实上，他和软萌孜神都不太在意自己是不是FDE。对外这么说，只是因为大家熟悉这个词。

“其实我不是特别喜欢别人说我是FDE，但是我又不得不这样。因为现在市场上，你就必须跟你的客户说AI FDE，大家才会去看。”软萌孜神说。

她更愿意说自己是一名创业者，目标是用AI改造外贸，“让中国供应链再次伟大”。

FDE三个字母，已经被塞入了太过丰富的含义。

软件开发、咨询服务、员工培训、系统对接、社群撮合……这些看似不同的工种，统统都可以跟FDE有关。

但不管哪种FDE，干的都是把AI真正用进客户业务里、并为此去搞定人的活。

如果一定要说，这个老岗位在AI时代到底变了什么，我认为有三点：

过去，驻场的人负责把做好的软件装上去；现在，得先帮客户想清楚AI该用在哪。

过去，定制一套系统要一个团队；现在，代码几乎不要钱，一个人也能接单。

过去，难的是技术；现在，难的是人。

岗位还是那个老岗位，只是到了AI时代，它得懂得更多、跑得更快，也扛得更多。

FDE之所以火，也正是因为技术变化来得太快：企业还没想清楚该怎么用，组织分工也来不及跟上，于是太多需要的能力，被一股脑押在了一个人身上。

就像那条很火的短视频结尾说的：

“企业买SaaS买到的是软件，请咨询买到的是建议，找外包买到的是功能。

而找FDE，他们想买到的是一个人——

一个懂管理、懂技术、懂人性、懂AI，最好还别要太多钱的人。”

本文来自微信公众号 “量子位”（ID：QbitAI），作者：关注前沿科技，36氪经授权发布。