最近，OpenAI、Google、AWS、Palantir等公司都在密集招聘一类新岗位：
FDE，Forward Deployed Engineer，前线部署工程师。
FDE并不是一个刚刚出现的职位。Palantir很早就让工程师直接进入客户现场，连接数据、开发系统、解决真实业务问题。
但直到大模型时代，这个岗位才真正开始爆发。
原因很简单：
模型已经足够强，但多数企业仍然不知道怎样把模型变成生产力。
一个AI Demo可能只需要几天，但进入真实企业后，马上会遇到数据孤岛、旧系统、权限、安全、业务规则和员工使用习惯等问题。
FDE就是站在模型与企业之间，解决这些问题的人。
FDE究竟做什么？
假设一家企业希望用AI审核合同。传统工程师可能负责开发模型，解决方案架构师负责设计系统，实施团队负责连接接口。
但FDE需要继续往前走：
他要了解法务人员怎样审核合同，哪些条款风险最高，什么情况必须人工复核，模型出错后由谁负责，以及系统上线后究竟节省了多少时间。
所以，FDE并不只是部署模型。
他的完整工作是：
理解业务问题 → 设计AI流程 → 编写生产代码 → 接入企业系统 → 建立评测与权限 → 推动员工使用 → 验证最终效果
FDE最终交付的不是一个功能，而是一个结果：
AI是否真的提高了收入、降低了成本，或者缩短了工作时间。
它和FAE、驻场外包有什么区别？
三者看起来都需要接触客户，但本质完全不同。
FAE主要帮助客户采用公司的产品。
例如芯片公司的FAE会帮助客户完成产品选型、技术验证和Design-in。它回答的是：
客户怎样用好我们的产品？
驻场外包负责完成客户已经定义好的项目。
它回答的是：
这个项目怎样按时开发并通过验收？
FDE面对的通常是一个尚未定义清楚的问题。
它回答的是：
AI应该改变哪一条业务流程，怎样证明这种改变真正有价值？
FDE、FAE和驻场外包对比图
因此，三者分别对不同结果负责：
-
FAE对产品采用负责； -
驻场外包对项目验收负责； -
FDE对业务结果负责。
FDE还有一个非常重要的任务：
把客户现场反复出现的问题带回产品团队。
如果很多企业都存在相同的数据连接、权限管理或Agent评测问题，FDE就应该推动公司把它们做成标准产品，而不是每次重新定制。
为什么中国可能更需要FDE？
中国企业的AI落地，往往比海外更加复杂。
因为它通常要同时面对五类问题：
-
数据不能离开企业内网，需要私有化部署； -
ERP、MES、OA、CRM之间存在大量信息孤岛； -
很多旧系统没有标准接口； -
Agent需要处理权限、审计和安全问题； -
真正的阻力往往来自组织和流程，而不是模型。
因此，中国需要的FDE可能更加“重”。
他不仅要懂大模型和Agent，还要懂本地算力、企业软件、数据集成、权限体系和行业流程。
目前国内很多类似工作，仍然分散在“大模型解决方案架构师”“AI应用工程师”“私有化部署工程师”和“行业算法专家”等岗位中。
这些岗位未来很可能逐渐向FDE收敛。
FDE会成为长期岗位吗？
未来几年，FDE需求大概率会快速增长。
因为企业已经逐渐从“采购一个大模型”，转向“要求AI真正产生业务结果”。
但FDE能否长期有价值，取决于一个关键指标：
产品化率。
如果每一个客户都需要重新开发一套系统，FDE最终就会退化成高价驻场外包。
优秀的FDE组织，必须不断把项目经验沉淀成：
-
标准数据连接器； -
本地部署模板； -
Agent权限与审计组件； -
行业评测集； -
可复用业务工作流。
因此，未来FDE可能分成两类。
一类是数量较少、价值很高的“业务重构型FDE”，负责复杂行业和关键客户。
另一类工作会逐渐标准化，演变成AI部署工程师、Agent运维工程师和企业AI集成工程师。
什么样的人可以做FDE？
FDE不是会写Prompt的售前，也不是只会做方案的顾问。
一个合格FDE至少需要同时具备三种能力：
第一，能写生产代码。
能够处理后端、数据库、API、部署、监控和系统集成。
第二，懂AI系统。
理解RAG、Agent、模型路由、评测、幻觉、推理成本和生产可靠性。
第三，能理解并推动业务。
能够从模糊需求中找到真正的问题，并推动IT、安全、业务和管理层共同完成改变。
最适合转型FDE的人，通常包括全栈工程师、解决方案架构师、熟悉软件的FAE、行业技术专家，以及创业公司的早期产品工程师。
结语
FDE突然爆火，并不是因为市场又创造了一个时髦职位。
它代表AI产业正在发生一次变化：
从展示模型能力，转向交付业务结果。
未来，模型会越来越强，也越来越便宜。
真正稀缺的，不再只是能够训练或者调用模型的人，而是能够进入真实企业，把模型、数据、系统和业务流程连接起来的人。
FDE，正是站在这个位置上的新型工程师。