左手商业.右手AI
有故事.有方法.有工具
2026年7月27日
2026年第208篇，总第1261篇原创文章
全文3041字，阅读时间约8分钟
2025年6月，硅谷顶级风险投资机构安德森·霍洛维茨（a16z）的合伙人乔·施密特（Joe Schmidt）抛出一个判断：有一个职位，正在成为初创公司里最热门的岗位。
这句话本身不算稀奇，硅谷从不缺“最热门”的说法。真正让人坐直身子的，是它背后那串数字。招聘平台Deel的数据显示，这个职位的需求在一年里翻了10倍；有的统计口径给出的是九个月增长约800%，还有的算出全年涨幅高达1165%。无论采信哪一个，指向都一样——它正在以一种近乎失控的速度扩张。
这个职位有个拗口的中文名，叫“前沿部署工程师”，英文Forward Deployed Engineer，缩写FDE。
用最直白的话说，FDE就是带着AI模型，直接搬进客户公司上班的工程师。
它不是坐在自己工位上远程对接需求，而是物理意义上的“嵌入”：加入客户的Slack群，拿到内网权限，接入对方真实的生产系统，一待就是几周到大半年。这个词本身源自军事术语，原指部署到前线的部队。放到今天的语境里，意思也没变——哪里是最难啃、最模糊、最要命的一线，人就派到哪里去。
有意思的是，FDE并不是AI时代的新发明。它的诞生，要往回倒差不多二十年。
被派去和间谍打交道的工程师
FDE的源头，是硅谷最神秘的那家数据公司——Palantir。
Palantir成立于2003年，早期客户是美国中情局、国家安全局这类情报机构，中情局甚至是它最早的投资方之一。这些机构的需求有一个共同的麻烦：数据高度保密，需求极度模糊。你没法让客户把数据打包发过来，没法远程调试，连做个简单的演示都要先过几周安全审查。更棘手的是，用软件的人是间谍，他们既说不清自己到底想要什么，也不会告诉你他们的工作流程是怎么运转的。
Palantir的解法简单粗暴：把工程师直接塞进客户的办公室，先住下来再说。工程师做一个粗糙的原型，拿给情报人员看，对方可能一句“这跟我们干的活儿一点关系都没有”就给否了，工程师再问“那你想要它变成什么样”，就这样一轮一轮地磨。
这套打法后来被内部固定下来。Palantir把负责快速搭原型、往前冲的这拨工程师叫作“Delta”团队，把深入一线、专门去挖真实问题的领域专家叫“Echo”团队。而“Delta”这个代号，效仿的正是美军三角洲特种部队。创始人卡普把这批人称为“矛尖”——整支队伍最先扎进敌阵的那个尖。一度，Palantir的前沿工程师数量超过了坐在总部写代码的传统工程师。
把这套模式重新擦亮、推到聚光灯下的人，叫鲍勃·麦格鲁（Bob McGrew）。他是PayPal的早期工程师、Palantir的早期高管，后来出任OpenAI的首席研究官，主导了ChatGPT、GPT-4和o1的研发。2025年9月，他在Y Combinator的播客里，用近一个小时把这套“前沿部署”的玩法从头拆了一遍。一个被反复提及的词是“痛”——他数了数，自己在节目里说了八遍“痛苦”。他给创业者的忠告甚至有点反直觉：别轻易学，这套模式稍不留神就会滑成一家低利润的咨询公司。
一个诞生二十年、听起来像“驻场实施”的老岗位，为什么突然被硅谷当成了宝？
答案藏在AI落地的那道鸿沟里。
演示很惊艳，落地却九死一生
过去两年，AI模型的能力肉眼可见地往上蹿。但企业真金白银买回去之后，故事往往是另一个走向。
麻省理工学院媒体实验室的NANDA项目在2025年发布过一份研究，标题就叫《GenAI鸿沟》。结论相当扎心：在他们考察的组织里，约95%投入生成式AI的企业，没有从中获得任何可衡量的利润回报，真正跑出显著价值的只有5%。而失败的原因，几乎都不在模型本身，而在于数据没准备好、工作流没打通、落地环节没人兜底。（需要说明的是，这份研究属于初步、未经同行评审的报告，样本和观测窗口都有限，具体数字宜谨慎看待，但它揭示的方向已被业内广泛认同。）
a16z把这层窗户纸捅得很直白：企业买AI，就像给你奶奶买了一部iPhone——她想用，但得有人帮她把一切都设置好。
模型再强，也只是一台性能爆表的设备。没有人替企业把它接进内网、对齐流程、教会员工怎么用，它就只是一块昂贵的镇纸。演示台上的惊艳，和生产环境里的可靠，中间隔着的正是这道“最后一公里”。
而FDE，就是被派去填平这道鸿沟的人。
对手是麦肯锡，筹码是几十亿美元
真正让这个岗位从“热门”升级为“军备竞赛”的，是头部AI公司下场的方式和金额。
2026年5月，两家最顶尖的AI实验室，在几乎同一时间做了同一件事。
先是Anthropic，联合黑石、Hellman & Friedman、高盛等一众资本，成立了一家名为Ode的合资公司，整体规模约15亿美元。它的内核，是一支约100人的前沿部署工程师团队，直接嵌进大型企业内部去搭建、跑通AI系统。这家公司脱胎于一起收购——此前给OpenAI做了十一个月配套的AI工程服务商Fractional AI，被黑石相中，成了Ode的班底。
一周之后，OpenAI亮出了自己的答案：OpenAI Deployment Company（部署公司）。这家公司由私募巨头TPG领投，19家机构参与，投入超过40亿美元，投后估值一度被报道达到140亿美元。它开张第一天就收购了一家苏格兰的应用AI咨询公司Tomoro，一口气补进约150名前沿部署工程师。
两家加起来，超过55亿美元的资本，砸向了同一件事——不是训练更强的模型，而是把已有的模型真正塞进企业的血管里。
这背后的逻辑并不复杂。当底层模型越来越像可以互相替换的标准件，谁能牢牢占住应用层、把AI焊死进客户的核心流程，谁才真正握住了未来的收入。而这场仗的对手，不再是别的AI公司，而是麦肯锡、埃森哲、德勤这些统治了企业服务几十年的老牌咨询巨头——耐人寻味的是，麦肯锡、贝恩这些公司本身也出现在了上述投资方名单里，某种意义上，它们在给自己未来的竞争对手递刀。
一个人，三种矛盾的能力
那么FDE到底在做什么，凭什么这么难招、又这么贵？
它的工作是一条完整的闭环。先是诊断：在信息一团模糊的时候，把客户真正的痛点定义清楚，这一步往往连客户自己都说不明白。然后是定制开发，在客户的真实环境里写生产级代码，而不是拿样例数据搭个好看的demo。接着是部署落地，自己上线、自己兜底，扛住企业内部那套合规、权限、老旧系统的层层拷问。最后是经验回流，把一线踩过的坑反馈给产品团队，变成产品的下一个功能。
这也正是它和一堆看似相近的岗位划清界限的地方。解决方案架构师画完架构图就交出去了，FDE要自己把代码写到能跑；外包交付完就走人，FDE的经验会沉淀回产品里；纯工程师可以躲在幕后，FDE却必须直面客户、听懂业务、把大白话翻译成工程语言。
麦格鲁在分享里反复强调的，是这份工作把三种本该分给三拨人的能力，硬生生熔到了一个人身上：既要能跟客户坐下来聊、听懂对方的行业黑话，又要能蹲下来写SQL、调API、搭智能体工作流。业内常把这种配比直观地概括为“20%的销售、30%的产品、50%的工程”——重点从来不在数字精不精确，而在于它们必须长在同一个人身上。
这样的人本就稀缺，价码自然水涨船高。在薪酬平台Levels.fyi上，Palantir前沿工程师的总包中位数约为21.5万美元；到了OpenAI、Anthropic这类头部实验室的中高级岗位，总薪酬普遍落在35万至55万美元区间；而Anthropic首席级别的应用AI工程师，总包可以超过120万美元，其中大头是股权。在国内，类似岗位目前月薪大致在3万到5万元，个别能摸到年薪百万，只是岗位名称还没统一，藏在“交付工程师”“解决方案工程师”等各种叫法之下。
难怪业内会有那句流传甚广的话：一个人，就是一支特种部队。
模型神话退场，落地战争开打
把这些线索拼到一起，FDE的走红就不再是一个孤立的招聘热点。
它更像一个信号：属于纯模型的那段神话，正在慢慢退场。当所有人都能调用差不多强的模型，比拼的重心就从“谁的模型更聪明”，挪向了“谁能让模型在真实世界里真正干活”。企业要的从来不是一个能对答如流的工具，而是能落到损益表上的结果。
从Palantir被派去和间谍打交道的那批工程师，到今天被几十亿美元资本争抢的前沿部署工程师，变的是场景，不变的是那个朴素的道理——最难的部分，永远发生在软件撞上现实的那一刻。
而愿意冲进这道裂缝、把模型一寸寸焊进现实的人，正在成为这场落地战争里最精锐、也最昂贵的那支队伍。
（本文所涉金额、估值与薪酬数据均引自上述公开来源；部分数字为媒体报道或初步研究口径，可能随后续披露调整，仅供参考，不构成任何投资建议。）
引用来源
图片来源：AI生成
版权及免责声明：“卢山说AI精进”个人公众号的文章均为本人原创（含联合AI创作部分）。未经本人许可，禁止进行转载、摘编及复制等任何使用。如需转载、引用或者有其它意向，请事先通过本公众号后台等方式申请并获得授权。原创文章中的部分文字、图片源于网络，如有任何问题请联系本公众号。
相关精华文章回顾：
