最火AI崗位FDE：月薪5萬，都幹這些…

來源原標題

最火AI崗位FDE：月薪5萬，都幹這些…

作者

田, 晏林

原始標籤

資訊 · FDE · 矽谷 · 程式設計師

原始連結

https://www.qbitai.com/2026/10/501506.html

摘要原文

最火AI崗位FDE：月薪5萬，都幹這些… 田, 晏林 2026-10-04 14:05:35 來源： 量子位 什麼是FDE？它會一直存在嗎？ 聽雨 發自 凹非寺 量子位 | 公眾號 QbitAI FDE ，全網最火熱、最神秘的AI崗位之一。 火熱在於，不少大廠開出了月薪高達三五萬的招聘，小紅書FDE遍地走，到處都是求職經驗貼。 據招聘資料網站FDE Pulse統計，海外公開薪資的FDE崗位，基本年薪中位數約20萬美元，摺合人民幣約134萬元。 （都是錢啊這都是錢） 神秘在於，我訪談了6個FDE從業者，最後發現，他們做的事情好像都不太一樣…… FDE的全稱是Forward Deployed Engineer，中文名叫 前線（前沿）部署工程師 。 顧名思義，就是駐紮到客戶現場的工程師：一邊部署軟體，一邊解決客戶的實際問題。 現在，這個詞已經從矽谷火到了國內。 海外，Anthropic宣佈投資1億美元，在2027年底前培訓1萬名FDE工程師，OpenAI也帶著40億美元投資成立了專做部署的公司；AWS則拿出10億美元組建FDE部門，把數千名工程師派到客戶身邊。 國內也在跟進，不少大廠都掛出了FDE崗位。Kimi宣佈聯合多家IT服務商共建FDE隊伍，騰訊雲則推出號稱行業首個的FDE工程師認證，同時招募FDE合作夥伴。 與此同時，也出現了不少獨立開發者，憑一己之力接單，給企業做AI改造。 但說起來，派工程師去客戶現場這件事，網際網路時代早就有。 部署工程師、實施顧問、解決方案工程師、售後工程師…乾的都是類似的活，甚至一度被看作“髒活累活”。 那為什麼到了AI時代，它突然成了香餑餑？這個老崗位，到底變了什麼？ FDE，究竟是個啥？ 經典FDE模式裡，經常出現兩個不同角色： Echo 和 Delta 。 Echo負責理解業務、溝通需求和設計方案；Delta負責寫程式碼、接資料，把方案真正做出來。兩者在前線互相配合，共同滿足客戶需求。 在後方，還有一群Dev（普通工程師），負責開發標準平臺。 可以這樣概括Delta和Dev的區別：Dev做的是“一個能力，服務很多客戶”，Delta做的是“一個客戶，解決很多問題”。 值得一提的是，國內FDE的部分崗位招聘，也開始標註Echo或Delta方向。這個情況起碼在兩個月以前是沒有的。 前線的工作，很大程度上圍繞Ontology（本體）展開。 簡單理解，Ontology就是一張可以被軟體和AI呼叫的“業務地圖”：企業裡有哪些員工、部門和訂單，它們如何關聯，各自允許執行哪些操作。 FDE要做的，就是把散落在不同系統、流程和員工經驗裡的資訊，整理進這張地圖，再在上面開發應用、解決問題。 當這套模式漂洋過海來到中國，它長出了各種變體。 到了AI時代，駐場的重心也變了： 企業自己都說不清AI能用在哪，FDE得先幫客戶想清楚做什麼 。 李開復帶隊的 零一萬物 ，就是一個典型。 零一萬物現在全面轉向企業AI，走的路徑是：先找到企業的一號位，再派前線部署工程師進場，梳理企業的Ontology，最後沉澱成產品和平臺。早期一個專案，要派5名FDE駐場，再配5人的後端團隊。 在李開復看來，他們的產品雖然已經實現產品化，也採用訂閱制，“但它並不是一個即插即用的產品”。建立一家公司的Ontology需要一至三個月，“公司的資料庫、角色和流程都要做好，客戶才能拿到充分的結果”。 在不少公司裡，也有人在做類似的事。比如 Layla 和 Sonic 。 Layla 在一家SaaS公司做FDE，title至今還是產品經理。 AI生成 2025年三四月起，她開始真正進到客戶的專案裡。客戶都是萬人以上的上市公司，涉及連鎖門店和製造業，一駐場就是一兩個月。 剛開始做的時候，還沒人把這叫作FDE。後來這套模式火了，她深入瞭解了一番，“才發現，誒，好像就是一回事”。 她的工作流程be like： 第一步，進場摸清業務，從採購、市場、財務、IT等一堆角色裡理出客戶真正想要什麼； 第二步，再給出方案，搭一個demo快速驗證； 第三步，驗證通過後，交給公司原有的交付團隊上線； 最後，把能複用的能力抽象出來，迭代回公司的產品裡。 這基本就是一套經典的FDE工作流程，也是現在企業或獨立FDE做開發的常規流程。 Layla認為，FDE的觀察和經驗，“最終還是要沉澱到標準產品裡面去的”。 而另外一位企業FDE—— Sonic ，做的是稽核類AI專案，比如財稅稽核、廣告物料稽核。 AI生成 同樣從2025年起，他們組就開始研究FDE。在他看來，FDE最關鍵的環節之一，就是 梳理Ontology 。 他舉了個例子：如果企業想做一個組織管理方面的AI助手，就得先把企業有多少部門、部門之間什麼關係梳理清楚；除了關係，還有屬性，比如一個人的職級和薪資。 只有把這些抽象成Agent能理解的結構，它回答問題才會更準確，而不是瞎猜。 這一步往往相當費勁，因為FDE經常碰到上下游的歷史資料拿不全、老系統沒有開放介面等問題，專案就很難往下推進。 但Sonic認為，這一步繞不過去：“如果質量足夠高會很有效，後續交付質量主要取決於前面的Ontology質量。” 為了做好這些，Layla和Sonic都得常駐客戶現場。 在Sonic看來，駐場不只是為了瞭解需求，還要先拉齊業務方對AI的認知：什麼能做、什麼不能做，雙方站在同一個語境裡，才能談後面的痛點和方案。 而來自矽谷公司Baseten的 程天舒 卻告訴我， 他們的FDE，基本不駐場 。 AI生成 Baseten是一家做AI推理雲的公司，客戶把模型部署在他們的平臺上，他們讓這些模型跑得更快、更穩、更省錢。 他們接觸的客戶幾乎都是工程師，需求也很具體。比如原本呼叫OpenAI的API，現在想換成開源模型，應該選哪個模型？怎麼部署？怎樣達到預期的速度和成本？ FDE會和客戶開會，瞭解技術需求，再搭一個prototype驗證方案。問題可能涉及雲基礎設施、模型推理最佳化、訓練或者產品體驗，不同方向由不同專長的FDE負責。 對他們來說，這種溝通基本可以在線上完成。 原因在於，Baseten提供的是一套面向開發者的標準化產品，它只負責客戶業務中的一段明確鏈路。定製化程度並不高，也不需要深入客戶組織肌理去解決業務問題。 “我們的產品跟客戶自己的業務邏輯耦合度不高。”程天舒說。 大廠之外，一群“游擊隊”在野蠻生長 在公司之外，還有一批“游擊隊”正在迅速壯大：他們不屬於任何一家有產品的公司，自己找客戶、自己接單，給企業做AI改造。 這本身也是AI帶來的變化：過去定製一套系統，得一個團隊做幾個月； 現在程式碼幾乎不要錢，一個人也能接單交付 。 這塊市場現在非常野生。號稱“全網第一FDE”的 Lawted 告訴我，他管這叫 土FDE 。 大廠FDE主要是去推廣自家產品，而土FDE主要面向“土老闆”，用OpenAI還是Gemini都行，也沒有銷售任務，“你要什麼東西，我就給你什麼東西”。 我接觸到一個名叫 Zaniel 的FDE，聊完才發現，哥們路子太野了。。。 他是一名斯坦福在讀博士，今年4月開始一個人接企業的AI專案。 銀行、律所、煤化工、月子中心、家政中介、建築企業……五個多月下來，已經做了幾十個專案，交付全是他一個人。 而且有意思的是，做了這麼多場景後，他的工作重點已經從“為客戶開發AI系統和工具”，轉變成了“教企業員工如何用AI”。 AI生成 比如，他的第一個客戶是一家銀行，幾個員工每天要從資料系統裡匯出一堆數，彙總成幾張報表給領導看。 他一開始做了一個自動生成器，資料拖進去，一點就出報表。 但東西做出來，很快就沒人用了。因為報表規則每天都在變，匯出來的表格式也不完全一樣，寫死的程式“用幾天就崩潰了”。 後來他發現，不需要一個新的軟體，直接教員工把脫敏後的資料交給通用AI去彙總，再把高頻流程整理成Skill，接上現有的資料系統。 這樣一來，員工真的用起來了。 Zaniel告訴我，至少在白領工作裡，大部分問題靠一個通用Agent，加上一堆Skill和對現有系統的連線就能解決，“不需要開發其他新軟體”。 另一位獨立接單的FDE， 軟萌孜神 也描述了類似情況。 她曾為一家外貿公司做FDE，跟老闆討論如何提高員工的AI使用率——最後結論是， 採購WorkBuddy就行 。 AI生成 而她負責培訓員工如何使用WorkBuddy，以及為WorkBuddy打通集團內部現有的系統。 這些“游擊隊”式的土FDE，給企業改造改造著發現，很多時候並不需要做一個新產品或系統出來，他們的業務模式也開始偏向諮詢服務。 Zaniel和企業的合作有兩種模式，一種是專案制，另一種則是顧問制，而且第二種變得越來越多。 所謂顧問，說白了就是教員工怎麼去用這些AI工具。每有新工具出來，就幫企業想清楚業務該怎麼跟上；如果碰到不大的需求，他也會順手做出來，包含在顧問服務裡。 他把這種角色叫作企業外部的“CAIO”（首席AI官）。 而 Lawted ，也覺得自己的業務開始變得像一家諮詢公司。 他運營著一個叫HA7CH的FDE社群，通過辦線下交流會和駭客松，撮合想要AI改造的企業和獨立接單的FDE簽下訂單。 AI生成 流程是，企業報上需求，他從報名的人裡挑一兩個選手。選手進廠48小時，梳理工作流、做出demo，打動老闆就當場簽單，後續交付由選手負責。 辦了幾期後，Lawted越來越覺得FDE“非常像諮詢”：企業往往只知道自己想用AI，卻說不清問題在哪裡，FDE得先進入現場完成診斷，再把方案做出來。 在他看來，諮詢顧問甚至比程式設計師更適合轉行做FDE，只需要補上vibe coding能力，“vibe coding其實不難”。 程式碼兩天寫完，真正的麻煩在人 看到這裡，你大概也會發現，FDE的工作裡，寫程式碼和做開發的時間並不多，與人溝通反而佔了大多數。 幾位從業者都告訴我，他們溝通需求的時間佔了七成以上，開發大約只佔三成。 而與客戶員工產生摩擦、打不開介面許可權等困難，也往往發生在這個過程中。 在推動WorkBuddy接入企業內部系統的過程中，軟萌孜神經常要找採購、IT、ERP產品經理和外部工程師反覆溝通。有些系統沒有現成介面，還得推動企業自己開發。 一個多月過去，仍有不少API沒有開放。她說，第二天自己還要繼續去找IT扯皮。 不過，她也不認為是員工故意阻撓。“沒有人刻意給你使絆。”只是每個人都有自己的任務，AI改造在對方那裡未必有那麼高的優先順序。 AI生成 拿不到許可權，有時只是流程問題。 但AI帶來的阻力，還有更微妙的一層：過去部署一套軟體，很少直接動到誰的位置； AI不一樣，它可能改變一個團隊原本的工作 。 有家企業想開發一套覆蓋幾十個業務模組的AI系統。Zaniel估算，自己三四個月就能完成，但客戶要求他以顧問身份與IT團隊合作。 儘管簽了保密協議，對方仍不願開放程式碼庫，卻時常讓他隔空排查問題。 Zaniel也建議，部分模組直接使用通用Agent即可，沒必要全部自研。 領導回了一句：“你都用WorkBuddy了，那他們幹啥呢？” ……聽完我只能說，這太真實了。 不過，Zaniel也並不簡單地把這歸結為客戶“不配合”。客戶可能有保密要求、既有的供應商關係，也可能只是不同部門各有顧慮。 “對於企業，換一種工作方式的代價，常常比換一個工具大得多。”他說。 FDE，不就是外包嗎？ 另一個常常被談論的問題是： FDE究竟是不是外包？ 至少在Baseten，答案是否定的。 程天舒告訴我，他們的FDE和普通工程師一樣，招聘標準、面試流程完全相同，同樣拿固定薪資和股票，不靠提成。 FDE提供的服務也不單獨收費。即使搭出了原型，只要客戶最後沒有使用Baseten的雲平臺，就不需要付錢。 對他們來說，FDE服務於自家產品：幫客戶用起來，再把現場反饋帶回去改進產品。 AI生成 在企業裡的Layla和Sonic也認為， 把經驗沉澱回產品、進行復用，是FDE和外包的重要區別 。 Layla表示，過去大家區分外包，看的就是它“不會做自己的產品，不會沉澱自己的能力”。 “如果我們也不沉澱自己的能力，不做自己的產品，然後每個專案都要從0到1做，別人說外包，其實也沒有辦法反駁。” Sonic很直接地告訴我，傳統外包做不了FDE。“不信的話可以找外包試試。” 作為FDE，他們會把專案裡能複用的模組，按場景沉澱到一個評測和迭代平臺上，再搭建Skill Hub、Agent Hub，組裡的FDE都在上面做評測和最佳化。 效果是，在一個垂直領域裡，第一個場景從接入到上線大概要一個月；做完之後，後續的同類場景可能一兩天就能接完。 “做得越久，速度越快。”做得快，意味著會開得更少、溝通成本更低，“業務會覺得整個過程很輕，錢花得值”。 聽起來，只要能把經驗沉澱下來、複用到下一家，FDE就和外包劃清了界限。 本來到這裡，我已經被前面幾位嘉賓說服了，但Zaniel又重新整理了我的認知。 大家通常想像的複用，是先做出一套半標準化軟體，到了下一家客戶，“把規則調一調，就可以直接部署”。 Zaniel並不否認Skill、程式碼和行業經驗可以複用。但他質疑：這些積累，究竟能讓下一次完整交付便宜多少？ 過去做一套企業軟體，開發可能要花90塊，給每家客戶適配只要10塊。軟體做一次、賣給很多家，前面那90塊就能被一點點攤薄。這是傳統軟體公司的生意邏輯。 AI把這個公式改了。現在開發只要1塊，適配還是10塊。 AI生成 比如給一個客戶做了客戶管理系統，下一個客戶也要，那還不如直接重新做一套，“因為AI現在做一個軟體出來太快了”。 當然，程式碼可以複用，Skill和行業知識也能積累。但每進入一家新企業，FDE仍然要重新理解需求、連線系統、處理許可權，再推動不同部門接受新的工作方式。 這部分投入，並不會隨著程式碼成本一起降低。 軟體越來越容易複製，這門生意能不能複製，卻是另一個問題。 FDE們，已經不想說自己是FDE了 訪談到最後，我幾乎問了每個人同一個問題： FDE會一直存在嗎？ 程天舒認為，FDE這個崗位的最終目的，“就是要把FDE給取消掉”。 需要FDE出手的地方，說明產品和客戶需求之間還有差距；產品做得足夠好，客戶自己就能搞定，也就不再需要FDE了。 在他看來，FDE更適合產品還不成熟的早期公司。成熟的公司，其實不太需要這個職位，它更像是公司打磨產品過程中“一個過渡性職能”。 但他也承認，AI發展得太快，“你昨天做的產品，今天就跟不上了”。只要市場還在變，這個差距就會一直在，所以這個目標“可以逐漸靠近，但是永遠無法抵達”。 Zaniel的看法則是：FDE要做的事，在AI之前就一直有人在做，以前叫管理諮詢，也叫IT外包，只是這個詞最近才火起來。 “至於這個詞火不火，這就是一個網際網路的傳播學問題了。” 事實上，他和軟萌孜神都不太在意自己是不是FDE。對外這麼說，只是因為大家熟悉這個詞。 “其實我不是特別喜歡別人說我是FDE，但是我又不得不這樣。因為現在市場上，你就必須跟你的客戶說AI FDE，大家才會去看。”軟萌孜神說。 她更願意說自己是一名創業者，目標是用AI改造外貿，“讓中國供應鏈再次偉大”。 FDE三個字母，已經被塞入了太過豐富的含義。 軟體開發、諮詢服務、員工培訓、系統對接、社群撮合……這些看似不同的工種，統統都可以跟FDE有關。 但不管哪種FDE，乾的都是 把AI真正用進客戶業務裡、併為此去搞定人的活 。 如果一定要說，這個老崗位在AI時代到底變了什麼，我認為有三點： 過去，駐場的人負責把做好的軟體裝上去；現在，得先幫客戶想清楚AI該用在哪。 過去，定製一套系統要一個團隊；現在，程式碼幾乎不要錢，一個人也能接單。 過去，難的是技術；現在，難的是人。 崗位還是那個老崗位，只是到了AI時代，它得懂得更多、跑得更快，也扛得更多。 FDE之所以火，也正是因為技術變化來得太快：企業還沒想清楚該怎麼用，組織分工也來不及跟上，於是太多需要的能力，被一股腦押在了一個人身上。 就像那條很火的短影片結尾說的： “企業買SaaS買到的是軟體，請諮詢買到的是建議，找外包買到的是功能。 而找FDE，他們想買到的是一個人—— 一個懂管理、懂技術、懂人性、懂AI，最好還別要太多錢的人。” 版權所有，未經授權不得以任何形式轉載及使用，違者必究。 FDE 矽谷 程式設計師 田, 晏林 AI算力硬合作，馬斯克還是更相信中國製造 2026-10-04 直播回顧：工業AI的下一個機會在哪？ 2026-09-30 工業創新進入“組隊局”，拆解西門子Xcelerator開放生態的賦能鏈路 2026-09-28 AI開始研究Physical AI：FSD級團隊亮出首版模型Simate-beta，空降RoboDojo 2026-09-26 相關閱讀