想进入 AI 行业，很多人先搜索的是“AI 产品经理”：懂需求、懂模型、能把功能做出来。但如果你有工程背景，又不想只在模型训练或聊天产品之间选，最近有一个岗位方向值得认真看一眼：FDE。
10 月 2 日，Claude 开发商 Anthropic 宣布投入 1 亿美元成立 Claude Frontier Academy，目标是在 2027 年底前培养 1 万名 Frontier Deployed Engineer，即“前沿部署工程师”。它要培养的不是多会聊天的人，而是能走进企业，把 Claude 从一个想法做成可运行系统的人。
先说清一个求职者最容易误读的数字：**1 万名是培训目标，不是 1 万个公开招聘名额。**首批学员由企业和合作伙伴提名，带着本公司的真实项目参加。即使暂时进不了学院，这份培养方案仍像一张岗位能力清单：它告诉你，企业愿意为哪类 AI 人才投入资源。
FDE 到底做什么，和 AI 产品经理有何不同？
设想一家银行想用 AI 加快内部资料处理。有人需要判断先改哪段流程、谁是使用者、什么结果才算有价值；也有人得接上现有系统和权限，处理错误与安全审查，交付给实际团队，并在上线后继续迭代。
前一类工作常落在产品经理、业务负责人身上。FDE 更偏向后一类：深入客户或本公司的真实业务，亲手把模型、数据、软件系统和工作流程接起来，并对交付结果负责。两种角色在需求判断上会重叠，区别在于 FDE 通常要自己动手完成更深的技术实现。这是理解岗位的工作框架，具体职责仍以招聘方要求为准。
岗位职责示意图：AI 产品经理与 FDE 的工作侧重及交集；根据本文整理，具体职责以招聘信息为准。
“FDE”也有一个容易混淆的地方。招聘市场常见的 FDE 是 Forward Deployed Engineer，即前线部署工程师；Anthropic 学院把自己的认证称为 Frontier Deployed Engineer。两者都强调进入业务现场解决问题，但不是同一张证书，也不能把所有同名岗位当作 Anthropic 学院岗位。Palantir 等公司早已有前线部署工程师职位，因此这个职业模式并非 10 月才出现；新变化是模型公司开始大规模、成体系地训练企业侧的 AI 部署人才。
Anthropic 的培训，透露了雇主看重什么
学院第一项计划叫 Frontier Deployed Engineer Residency，借鉴医学“驻留培养”的方式。入选者先参加数天线下培训，在模拟企业项目中完成场景选择、安全审查和系统交付，再接受实操考核。通过后获得 Claude Resident Engineer 徽章。
接着是 12 周实践。工程师回到自己的公司，主导一个事先确定的 Claude 项目，接受 Anthropic 工程师支持；结束时再考核，通过者获得 Claude Frontier Deployed Engineer 徽章。首批最终认证预计在 2027 年初出现。旧金山、纽约和伦敦的首批班次已经启动。
这套流程让岗位要求变得具体：企业想找的不是只会展示 Demo、写几句提示词的人，而是能挑出值得做的场景，写出可靠的软件，协调安全与业务团队，把系统交给用户的人。Anthropic 对提名对象的要求也很明确：扎实的软件工程基础、做过大模型项目、帮助别人采用 AI 的经验，以及处理重要业务问题的能力。此前做过 AI Agent 不是硬性条件。
首批参与机构包括埃森哲、贝恩、凯捷、澳大利亚联邦银行、德勤、麦肯锡、摩根士丹利和诺和诺德。咨询、金融、医药都在名单上，说明同一类能力可以进入不同业务现场；但各行业的系统、合规和知识门槛也不同，不能把“会用 Claude”直接等同于“能做任何行业的 FDE”。
哪些人适合考虑这条路？
**有交付经验的软件工程师，起点最接近。**如果你做过系统集成、企业软件、数据平台或复杂业务系统，下一步是补上大模型应用、效果评估和人机协作流程。你需要证明自己能把一个模糊需求拆成可上线的方案，而不只是写出一段功能代码。
资料图：开发者协作审查代码，展示工程工作中的现场沟通；与 Anthropic 学院无关。摄影：Mushvig Niftaliyev／Unsplash。
**技术型产品经理，可以沿着项目经验靠近。**你熟悉用户和流程，但若目标是工程师岗位，仍要补足编程、接口、数据处理、部署和排错能力。只会写需求文档、调用现成工具，很难满足这项计划对“动手软件工程师”的要求。也可以先看 AI 解决方案、实施或技术项目岗位，再根据自己的技术积累选择方向。
**没有工程基础的转行者，先别急着追头衔。**FDE 是复合能力岗位，不是一个短训班就能拿到的入门标签。比起立刻修改简历职位名称，更现实的是先做出一个完整的小项目：找到真实流程，接入受许可的数据，设置权限和人工复核，记录效果与失败案例，最后交给真实用户试用。
求职准备，作品集要回答这四个问题
第一，**为什么选这个场景？**写出原流程、痛点和衡量指标。泛泛地说“用 AI 提效”，很难让人判断你理解了业务。
第二，**你实际搭了什么？**说明模型如何调用、系统如何连接、数据怎样处理、权限怎样限制。能运行的原型是起点，别用一张聊天截图代替工程过程。
第三，**出了错怎么办？**展示测试样本、评估方法、人工接管点，以及安全审查中发现并修正的问题。企业场景中的可靠性，往往比一次惊艳的演示更能说明能力。
第四，**交付后发生了什么？**谁使用过，哪些步骤真的缩短了，哪些地方仍需要人处理。没有正式企业项目，也可以把练习项目的限制说清楚；别把模拟效果包装成上线成绩。
这些问题对应的正是学院从模拟部署到 12 周真实项目的考核逻辑。求职时可同时检索 Forward Deployed Engineer、Applied AI Engineer、AI Solutions Engineer 等相邻岗位，再逐条对照职责。岗位名称并不统一，技术深度、客户接触程度和出差要求可能相差很大。
这是不是下一个“AI 产品经理”？
从职业机会看，FDE 值得和 AI 产品经理放在同一张求职地图上：一边更强调定义问题与产品取舍，一边更强调进入现场完成技术交付。Anthropic 自己也在招聘 Forward Deployed Engineer，Palantir 等公司此前已有类似职位；学院则进一步把企业侧人才培养做成了明确计划。这些都说明岗位方向真实存在。
但目前没有可靠证据证明 FDE 岗位数量、薪资或门槛已全面超过 AI 产品经理。Anthropic 的 1 亿美元是投入承诺，1 万人是到 2027 年底的培养目标；首批最终认证尚未出炉，也没有可用的长期就业反馈。学院采取提名制，现阶段主要面向美国和英国的首批班次，不是面向所有求职者的公开报名通道。
对正在找 AI 工作的人，更有用的结论是：把“我会用模型”升级成“我能把模型放进哪条真实流程，并让它安全、稳定地被使用”。如果你已经具备工程基础，FDE 值得列入下一轮职位搜索；如果你更擅长定义需求，产品经理仍然是一条清晰路径。两条路共同看重的，是你能否拿出真实问题和可验证的交付结果。