AI风口FDE：远没有想象中的光鲜

在很多人的想象里，前沿部署工程师（FDE）是站在台上讲解企业AI改造的权威专家，但真正走进客户现场后，他们的处境往往和光鲜毫无关系。

前段时间在社群里看到一句话戳中了不少从业者：站在台上讲企业AI改造时，你是受人尊敬的老师、专家和权威；但真正进入客户现场以后，就会变成乙方和供应商，甚至是被使唤、没权限、还要担责的角色。

FDE全称Forward Deployed Engineer，也就是前沿部署工程师，核心工作是进驻客户现场，结合企业实际需求推动具体AI方案落地。这个职业最早起源于美国数据软件公司Palantir，早在AI普及之前，他们就会派遣工程师到客户侧理解业务并部署自研系统。

过去这个岗位的定义一直模糊，交付重量大，还要长期处理各种内部关系，而如今却被整个AI行业推到了风口上。今年五月，OpenAI和Anthropic都宣布成立了专门做FDE业务的公司，国内大厂、AI创业团队也纷纷打出FDE的招聘旗号，社交平台上也有不少人分享转型FDE的经验。

带着好奇，我通过社群和朋友推荐，和几位来自大厂、AI公司、创业团队的FDE聊了聊，整理出了这份真实的行业观察。

尽管这个职业现在热度很高，但对于市场和企业来说，它依然处于很尴尬的状态：不仅从业者对自身身份的定位模糊，企业管理层愿意花钱聘请FDE，但一线员工往往对这个陌生角色毫无概念，甚至不知道他们存在的意义，更谈不上接纳和配合。

身份的尴尬：从专家到“万能工具人”

FDE进驻客户现场后最先遇到的问题，就是没人知道该怎么称呼他们。

麦麦曾在一家AI公司担任FDE，大学专业是心理学，现在主要负责理解客户业务、搭建AI代理、对接系统并推动项目落地生产环境。有一次他随团队进驻客户现场，对方现场有不少兼职外包和投资人，觉得他们团队背景杂乱，直接建议麦麦对外称自己是产品经理。于是麦麦只能临时变身“产品经理”，有时候要扮演解决方案专家，有时候又得当技术负责人，完全看客户的需要。

麦麦所在的团队之前甚至不叫FDE，而是叫PE。公司很早就想改名，但当时这个概念太新，市场听不懂，候选人也很难判断岗位具体做什么，招聘反而更困难。直到FDE逐渐流行，有了统一的对外解释口径，团队才正式更名，不过工作内容并没有变化。

另一位创业者谢尧，之前在华为、字节和金融机构做产品运营，现在以小团队方式承接企业AI服务。有一次他独自留在客户公司会议室加班，客户员工推门进来准备关门，看到他后问：“你是哪个部门的？”他想了想只能回答：“额，我是你们的外包。”

这些听起来有点哭笑不得的场景，其实是每个FDE都可能遇到的处境：他们明明是被管理层请来的，到了具体业务部门却找不到合适的身份解释。他们需要承担的工作内容太杂，所以不管被叫做产品经理还是外包，好像都没什么问题，直到FDE这个概念流行起来，这群人才有了一个能对外解释的统一称呼，也多了一层AI时代新职业的光环。

两种不同的FDE生存路径

FDE的身份难以清晰界定，和他们非标准化的交付方式有直接关系，我们可以大致把从业者分成两类：

第一类是产品驱动型FDE

这类从业者来自有自有产品、模型或平台的AI公司或大厂，他们带着成熟的技术能力进入企业，根据客户业务流程完成定制化交付。只要客户愿意采购并开放真实业务场景，团队就会投入FDE人力，围绕需求完成定制、交付和运维。这个过程还能反哺产品和模型，在合规前提下，真实业务数据可以帮助团队发现产品在具体行业中的能力边界。

麦麦把这类FDE的成长分为两个阶段：刚入行时，工作内容和外包很像，客户说什么就做什么，也没有足够经验分辨真实需求和伪需求；等服务过足够多的客户，积累了案例、数据和方法论后，才会逐渐拥有咨询属性和话语权，可以反过来和客户探讨最优方案，比如提出“我们可以做一组对照实验，用数据验证哪种方式更有效”。

成熟的FDE不能永远被客户推着走，需要把现场发现的问题带回公司，沉淀到产品和方法论中，再把经验分享给下一个客户，这样每个项目才不会只是一次性消耗。当然这类从业者也需要平衡公司战略目标和销售指标，带着自有产品进场的同时，也要完成自身的KPI。

第二类是项目驱动型FDE

这类从业者可能是当前增长最快、定义最混乱的群体。他们大多依靠个人信用、朋友介绍和行业关系获取项目，常见的团队组合是项目经理、行业专家和技术伙伴，分别负责客户沟通、业务梳理和开发交付，团队规模不大但需要覆盖全流程环节，也有不少个人从业者独自完成全部工作。客户购买的其实是他们的经验和时间。

这类模式起步快，但上限很明显：项目交付后还会有持续的修改和维护，项目越多售后占用的时间就越多。看起来能赚到钱，但非常消耗精力，当修改需求变多后，很容易彻底变成客户说什么就做什么的外包。

曾做过游戏和互联网产品的孙务远，现在以个人身份做企业AI改造和咨询。刚开始他也帮企业开发系统、完成交付，做了一年后就很少承接纯交付项目，更愿意先帮助老板和员工理解AI，改变原有的工作方法。他甚至认为FDE可能是一个伪命题，因为每进入一个新行业都要花几个月重新理解业务，比如刚学会纺织行业的知识，下一个项目就换到了其他领域，之前积累的行业知识可能只用过一次，却会一直留在脑子里，他把这种状态形容为“无用的行业知识污染了大脑”。

如果每个客户都要从头学习业务，每个项目又需要长期维护，这份生意确实会越做越重。

驻场的现实难题：比技术更难的是处理人际关系

麦麦第一次驻场时刚入职一个月，在客户那里待了一到两周，每天中午开始工作，一直调试到晚上九十点，有时候甚至到十一点。而且客户通常很难一次性说清楚自己到底想要什么：有些公司的流程已经稳定运行多年，他们害怕AI带来的随机性；有些公司的流程本身就很混乱，大家只知道大致的步骤，真正的规则和例外都藏在老员工的个人经验里，没有被沉淀下来。

麦麦曾说：“如果客户能清晰说出自己的需求，他们根本不会来找FDE。”但客户一定能准确指出你做出的Demo哪里不对，所以FDE只能先做出一个版本，再根据客户的反馈一遍遍修改，直到模糊的需求逐渐清晰。

不管是哪一类FDE，只要从外部进入企业，最先遇到的往往都是一线员工的防备。孙务远把这种状态形容为“一只小白兔突然掉进了狼群，除了老板，所有人看你的眼神都是仇视的”。

对于一线员工来说，他们很容易把外部FDE理解为老板请来优化岗位、裁员的人，在这种氛围下，很难指望员工主动暴露真实流程，甚至可能找各种理由阻碍项目推进。

孙务远的解决办法是分别和老板、员工明确预期：他会明确告诉员工，自己是来帮助他们提升能力的，不会替老板优化任何岗位，员工可以获得公司支持和学习时间，掌握的新方法最终属于自己；同时也会向老板说明AI的能力边界，避免老板对AI期待过高，把暂时无法完成的任务继续压给员工，让员工觉得AI不仅没减轻负担，反而增加了工作。

等员工的防备逐渐降低后，他会从每个部门挑选一两名愿意尝试、配合度高的员工组成小范围对照组，让他们在完成原有工作的同时使用AI，测试效率提升效果，再把数据反馈给老板，让大家看到实际收益，比如减少重复工作、提升业绩。只有当AI对员工自身真正有用时，抵触情绪才会逐渐降低。这种小范围试点的方式能有效控制成本和阻力，降低项目风险。

当然也会遇到非常固执的人。孙务远曾遇到一家公司的研发负责人，老板已经下定决心引入AI，还给每位研发人员购买了每月200美元的工具订阅费，负责人也向老板汇报团队已经全员使用。但没过多久，项目产出的全是Bug，老板很困惑，开始怀疑FDE的能力。孙务远检查后发现，负责人虽然安装了海外编程Agent，背后却接入了其他模型，最核心的顶级模型根本没被使用，甚至还限制其他研发人员尝试正版工具，卡住了对照组小组的数据收集。这种抵触，本质上是因为AI正在改变负责人原有的工作节奏和管理方式，甚至威胁到他的职位和话语权。

因此FDE不仅要解决技术落地问题，还要花费大量时间处理企业内部的认知、利益和配合关系，察言观色成了核心技能之一：进驻公司后要先摸清内部人物关系，弄明白老板真正想解决的问题，以及老板和管理者、员工之间的矛盾。聊的是AI落地，干起来却像一场职场关系博弈。

行业乱象：没有标准的市场环境

不被接受还意味着不被重视。谢尧曾遇到一位客户，他花了很长时间沟通需求、梳理业务、设计方案，结果到准备合作时，对方突然说已经招到了其他人，后续不合作了。在谢尧看来，这位客户相当于从多个FDE团队获取方案，再把方案交给自己招聘的人实施，前期投入的时间完全无法收回。

这也是FDE很被动的地方：为了证明自己的能力，他们必须在签约前帮客户找到问题，拿出具体的解决思路，但讲得不够清楚客户不会付钱，讲得太清楚客户又可能拿着方案自己做，这个尺度很难拿捏。

一线员工不接受FDE还有一个现实原因：他们很难判断眼前的从业者到底靠不靠谱。当前FDE行业还处于探索期，商业模式非常混乱，市场竞争激烈，甚至出现了“赛马”式的低价竞争。

孙务远提到过一个夸张的场景：同一套企业级项目，一方报价19万元，需要三个月完成，另一方报价仅2000元，十天就能交付。这个差距让人很难相信双方提供的是同一种服务。报价2000元的从业者很可能没有做过企业级项目，只算了最直接的成本：模型订阅1500元，项目收费2000元，看起来能赚500元，但企业级项目的后续修改、长期维护成本根本没有被计算在内。

很多客户会觉得增加一个功能只需要半天时间，不应该单独收费，项目边界就在一次次修改中变得越来越模糊。大家口中的FDE项目，从一开始就可能完全不是同一种东西：有人只交付一个Demo，有人交付稳定运行的生产系统，有人只做三天培训，有人则长期驻场负责后续修改和运维。

目前的收费模式也没有定型，大致分为四种：按时间收费、按项目收费、按结果收费，以及拆分前期开发和后续陪跑分别收费。不同模式背后FDE承担的风险各不相同，但客户最容易比较的往往只有速度和价格，对应的交付标准、责任边界和验收方式却远远没有跟上。

就在这时FDE成了风口，越来越多人涌入这个赛道，给自己贴上FDE的标签，进一步加剧了行业的混乱，也让一线员工更难判断眼前的从业者是否真的能提供帮助。

站在AI成为生产力的前夜

很多人看中了FDE的职业光环，却低估了进驻客户现场后那些无法单靠技术解决的问题。我们现在正处于AI进入企业的早期阶段，最早冲进风口的人有机会拿到第一批红利，这和历史上任何新生产工具出现时的情况一样：总会有一批人先学会使用工具，再把经验带给行动较慢的人。

上世纪五六十年代，大型计算机开始进入企业，当时企业可以买到计算机，却不知道如何让它真正参与业务，于是系统分析员这个职业应运而生。他们需要同时理解业务和技术，把管理者说不清的需求翻译成程序员可以实现的系统。这个岗位刚出现时边界同样模糊，和程序员、会计、咨询顾问的工作都有重叠，行业也没有统一的培养方式，但随着计算机真正融入企业，系统分析员成为了不可或缺的角色。

今天的FDE正处于类似的阶段，他们真正交付的是AI在企业中运转起来的方式。走在时代前面的人，总要先经历一段不被理解的时期，当前行业的混乱其实都可以理解，因为我们正站在AI真正成为生产力的前夜。机会还有很多，行业的混乱也还会持续一段时间，但随着更多项目落地、规则逐渐完善，整个市场最终会形成稳定的行业标准。