DEEP DIVE
2026 · 05 · 21
作者视角：一个在想「下一步怎么走」的创业者
有一种人，OpenAI 给他们开 35-55 万美元的年薪，Anthropic 抢着要，Palantir 靠他们打下了千亿市值。
他们不是模型研究员，不是算法科学家，也不是 AI 产品经理。
他们叫 Forward Deployed Engineer，FDE。
直译是「前置部署工程师」，但这个翻译完全没捕捉到它的精髓。
我更愿意叫他们：嵌入式创始人。
模型能力被拉平之后，钱在哪里？
过去两年，AI 圈有一个正在发生却没人大声说出来的结构性变化：
模型能力正在商品化。
GPT-4o、Claude 3.5 Sonnet、Gemini 2.5 Flash — 这些模型的能力差距在很多任务上已经缩小到"换个 prompt 就能补上"。没有任何一家 AI 公司能凭借模型本身保持一年以上的护城河。
那么真正的价值在哪里？
在落地。
更具体地说，在于把一个好用的 AI，嵌进一个特定公司的特定业务流程，让它真正跑起来。
这件事，听起来简单，做起来是一道天堑。
"在沙箱里跑通 demo 只是工作的 20%，剩下 80% 是搞定企业的 SSO 认证、老旧的 ETL 管道、法规合规约束，以及让根本不想改变工作方式的业务团队接受这个东西。"
这就是 FDE 存在的原因。也是 OpenAI 2026 年专门拿出 40 亿美元成立「Deployment Company」的原因。
FDE 到底是什么？
一个标准定义：嵌入客户现场，写生产代码，直接解决企业真实业务问题的工程师。
但这个定义太平。
我更愿意用一个画面来描述：
想象一家传统制造企业，他们买了 Claude 的企业版，IT 部门折腾了三个月，搭了一个内部 chatbot，员工基本不用。这时候，一个 FDE 飞过来了。
他不是来给你演示 demo 的。他进了你的工厂，坐在生产主管旁边，看了三天他们怎么排产、怎么报异常、怎么对接供应商。然后他打开电脑，开始写代码。
两周后，一个真正插进他们排产系统的 AI Agent 上线了。不是演示用的，是每天早上 7 点自动跑、能减少 15% 原材料浪费的那种。
这就是 FDE。
他的产出不是 PPT，不是技术报告，是跑在客户生产环境里的代码。
为什么说这是「嵌入式创始人」？
Palantir 是最早系统化这个模式的公司，他们管这个角色叫 FDSE（Forward Deployed Software Engineer）。
有一个细节很能说明问题：Palantir 最喜欢从两类人里招 FDE — 失败的创业者，和有强烈主人翁意识的应届生。
为什么？
因为 FDE 在客户现场的处境，和早期创始人在市场里的处境几乎一样：
- 资源有限，没有完整的团队，没有现成的工具
- 面对的问题是模糊的、没有标准答案的
- 没有人会告诉你该怎么做，你必须自己判断
- 成功的标准是「业务真的跑起来了」，而不是「代码写得漂亮」
所以在 Palantir，一个 FDE 在客户现场往往独立运作数月，他既是工程师，也是产品经理，也是项目经理，也是客户关系负责人。
这是创业，只不过他创的是客户的业务，用的是雇主的品牌。
难怪 YC 里 Palantir 系的创始人比 Google 系还多。
职场人看这里：这是 AI 时代最好的职业跳板
如果你现在是一个 3-8 年经验的工程师、产品经理、解决方案架构师，在考虑下一步怎么走，我建议你认真看一下 FDE 这条路。
原因很直接：
1. 钱 — OpenAI / Anthropic 的 FDE 岗，总包 35-55 万美元。中级水平（3-5年）250-400 万人民币。这个市场正在起步，供不应求。
2. 积累 — FDE 让你在 1-2 年内接触 10-20 个不同行业的真实业务问题。这种跨行业的问题解决经验，是任何一个在单一公司垂直深挖的工程师都没有的。
3. 创业期权 — 你接触的，是每个行业里 AI 落地最棘手的那些真实问题。这是一个最好的创业选题发现器。大量 FDE 出来创业，针对的正是他们在客户现场发现的那个"没人解决但每个企业都有"的痛点。
你适不适合做 FDE？一个判断标准：
你是喜欢在一个干净的代码库里做完美的抽象，还是喜欢在客户的遗留系统里硬趟出一条路？
后者，才是 FDE 的材料。
30 天转型路线图（如果你在考虑的话）：
- 第 1 周：Python 数据处理 + SQL + 吃透一个云平台（AWS 首选）
- 第 2 周：搭 2-3 个全栈项目 + 学一个 Agentic 框架（LangGraph 或 CrewAI）
- 第 3 周：读真实部署案例 + 练白板拆解题 + 研究 AI Eval 框架
- 第 4 周：Mock 面试 + 做一个端到端的 portfolio 项目（从需求到上线）
面试核心逻辑只有一个：先问问题，再拆解问题，再提 MVP，再讨论 trade-off。你展示的是结构化思维，不是代码能力。
创业合伙人看这里：FDE 是一种商业模式，不只是一个岗位
如果你在创业，或者在考虑用 AI 做 B2B 的生意，FDE 模式是你必须思考的问题。
但这里有一个非常重要的警告，来自 a16z 的分析：
大多数学 Palantir 的公司，最后都变成了一个贵一点的外包公司。
这是 FDE 模式最大的陷阱。
为什么会这样？因为这些公司犯了一个根本性的错误：他们把 FDE 当成交付工具，而不是产品发现工具。
Palantir 真正厉害的地方，不是他们有很多聪明工程师，而是他们有一个清晰的逻辑：
FDE 嵌入客户 → 发现可复用的业务原语 → 沉淀回产品平台 → 下一个客户更快更便宜
FDE 是发现飞轮的起点，不是终点。
如果你只是「把工程师派过去给客户写定制代码」，你做的是服务生意，没有复利。
创业者应该问自己三个问题：
1. 我的 FDE 发现的这个客户需求，有多少家同类企业也有？ — 这决定了你能不能把定制变成产品
2. 三个月驻场结束后，工程师的工作量会不会显著下降？ — 如果不会，你只是在卖人天
3. 我能不能对超出产品边界的定制需求说「不」？ — 这是区分平台公司和外包公司的关键时刻
最健康的模式是：时间限制明确的部署冲刺（比如 90 天）+ 每季度把定制代码转化为可复用模块的硬性目标。
FDE 是用来探路的，不是用来挖坑的。
我的判断
AI 的下半场，不是模型之战，是落地之战。
而落地，需要一种特殊的人：既能和 CTO 说清楚技术方案，又能和车间主任搞清楚业务逻辑，然后回到工位把这两件事缝在一起的人。
这种人很稀缺。在中国，几乎还没有系统性培养这类人才的路径。
这是一个巨大的机会窗口。
对职场人来说，这是比「做 AI 产品经理」或「学提示词工程」更硬、更值钱的技能组合。
对创业者来说，这是下一批 10 亿美元公司的基础设施。不是卖模型，不是卖 SaaS，而是成为某个行业 AI 落地的标准路径。
Palantir 用这套模式打穿了政府和军工市场。
下一个十年，谁会用这套模式打穿医疗、制造、金融、教育？
本文基于 Anthropic、OpenAI 官方 JD，a16z 研究报告，以及 BestBlogs.dev 社区素材，提供了创业者视角的观察，以及一点思考。希望能对您有帮助，欢迎留言评论区。
— END —