FDE：AI行业给自己开的一张病历诊断书

FDE：AI行业给自己开的一张病历诊断书

最近在一个Builder群里，看到几个AI创业公司的朋友在讨论一个词。

FDE。

有人贴了招聘链接，有人丢了英文文章，有人说「这不就是驻场开发的高级版吗」，有人说「硅谷那边招得很凶」。我当时随手搜了一下，发现这三个字母正在以一种非常不正常的速度出现在我的信息流里。

于是我花了几天去挖，越挖越觉得有意思。FDE不只是一个新岗位，它是AI行业在2026年给自己开出的一张「病历诊断书」。

先说清楚它是什么。FDE，Forward Deployed Engineer，直译是「前沿部署工程师」。这个词最早来自Palantir，一家做情报分析软件的公司。「Forward Deployed」本身是军事术语，指的是部署在前线的特种单位。

放到商业语境里，FDE就是一种驻扎在客户现场的工程师，负责填补「产品能做什么」和「客户需要什么」之间的巨大鸿沟。

这不是什么新概念。但为什么突然在2026年火成这样？

数据很吓人。2025年4月，美国市场上有643个FDE岗位在招。到2026年4月，这个数字变成了5330个。涨了729%。YC孵化器的招聘网站上，超过100家AI公司正在招FDE，三年前这个数字是0。36氪报道说，过去两年FDE岗位数量暴涨42倍。字节跳动开出月薪3.5万到7万、全年15薪的条件，相当于年薪最高105万。Palantir的FDE据说年收入能超过40万美元。

一个本来极其小众的岗位，突然变成了AI圈的「黄金赛道」。

但我真正好奇的不是薪资，而是为什么。

答案藏在一个让整个行业尴尬的数字里。麻省理工学院的研究指出，企业进行的生成式AI项目中，高达95%没有带来投资回报。

95%。

也就是说，绝大多数企业花了大价钱买回来的AI系统，变成了没人碰的摆设。

这不是模型不够好。GPT-4o、Claude 3.5、Gemini，跑分一个比一个漂亮。问题出在另一头，企业的数据格式是乱的，业务流程是老的，合规要求是严的，员工习惯是固化的。你把一个再聪明的AI丢进这样的环境里，它根本不知道该怎么干活。

这就像你给一个天才外科医生一把手术刀，但手术室里没有灯、没有麻醉师、病人的病历还是用甲骨文写的。刀再锋利也没用。

FDE就是那个跑进手术室里装灯、找麻醉师、翻译甲骨文的人。

2026年5月发生了一件很有意思的事。OpenAI和Anthropic，这两家在AI领域针锋相对的巨头，几乎在同一周分别宣布成立企业服务公司。OpenAI组建了一家叫The Deployment Company的新公司，筹了超40亿美元，收购了一家英国AI咨询公司，把150名AI专家派进客户企业驻场办公。Anthropic则联合黑石、高盛等华尔街巨头，成立了企业AI服务合资公司。

两家公司的模型在打架，但在一件事上达成了共识，AI的下一个战场不在实验室里，在客户的办公室里。

坦率的讲，这个逻辑我觉得是对的。

回头去看Palantir的故事就更清楚了。2003年Palantir刚成立的时候，想给CIA做分析软件。他们做了一个demo拿去展示，客户的反馈毫不客气，「这个产品太糟糕了，和我们做的事情完全没关系。」创始人Stephen Cohen没放弃，追问「那你们希望它有什么不同？」然后回去改，改完再去，再被骂，再改。反复循环。

这个过程最终让Palantir想通了一件事，那种「销售收集需求、工程师远程开发」的传统模式跑不通。必须有人直接扎到客户现场，和他们一起摸索，一边改一边用。

后来在伊拉克战场上，驻扎在一线的Palantir工程师发现，士兵根本不需要什么花哨的情报图表，只想有一个能在地图上标注「这条路可疑」的简单工具。工程师当场拼了个简易地图工具，士兵点一下就能标出风险路段。这个看似简陋的东西立刻降低了伤亡，后来还沉淀成了平台的标准功能。

这就是FDE模式的精髓。它不是一次性的定制开发，而是Peter Thiel说的那句话，「规模化地做那些无法规模化的事」。FDE在现场踩的坑、做的适配、发现的需求，会被系统性地沉淀回产品里，让下一个客户的部署变得更顺滑。每一次驻场都在给飞轮加速。

所以FDE和传统的「驻场开发」有什么区别？区别在于，驻场开发交付的是一个项目，FDE交付的是一条路。

在上海的一条消费电子产线上，FDE团队白天守在产线旁采集异常样本，晚上回实验室迭代模型，几个月后把换线调机时间从数小时压缩到55秒。在农业领域，OpenAI的FDE团队和John Deere合作，定制开发的智能喷洒系统让农药用量降低了60%到70%。在深圳，一个前大厂程序员转型FDE，用AI帮物流公司把手动处理PDF录入Excel的工作从几分钟缩短到几秒钟。

这些故事的共同点是什么？不是AI有多厉害，而是有人愿意跑到现场去，理解真实的问题，然后让AI真的解决它。

我自己觉得最有意思的一个判断来自一位从业者。她说FDE可以参考十年前「产品经理」这个岗位的轨迹，大概会火爆五到十年，然后慢慢降温。但在这个过程中，一定会出现顶尖的「超级个体」。

这个类比我觉得很准。产品经理这个岗位之所以在移动互联网时代爆发，是因为那个时期整个行业面临一个结构性难题，怎么把技术能力翻译成用户需要的产品。FDE之所以在AI时代爆发，本质上是同一个故事的重演，怎么把模型能力翻译成企业需要的生产力。

AI行业走到2026年，终于集体承认了一个事实，模型不是答案，落地才是。

而落地这件事，至少在现阶段，没法完全自动化。它需要一个人，既能写代码又能听懂行业黑话，既能调模型又能跟客户高管开会，既能快速做原型又能忍受长期驻场的孤独感。

这种人很稀缺。所以薪资才会这么高。

反正我觉得，如果你是一个既喜欢写代码、又不想整天闷在办公室里的人，FDE这个方向值得认真看看。不是因为薪资高，而是因为它可能是未来几年里，离「AI真正改变世界」这件事最近的位置。

AI不缺demo，缺的是能把demo变成生产力的人。

FDE走红，说明整个行业开始为这件事付费了。

谢谢你看我的文章，我们，下次再见。

/ 作者：青玉白露

延伸阅读

• 孙正义把AI攻击比作机关枪，于是他要卖「补丁即服务」：软银联手OpenAI推出Patching as a Service，把日本前3000家企业的安全防护变成按月收费的订阅服务。当攻击方已经全面AI化，安全正在从一件你拥有的东西，变成一件你租用的东西。
• 别再写Prompt了，开始设计循环吧：Claude官方发布Loop Engineering入门指南，把AI编程协作分成四种递进的循环模式。这不是换了个名字的Agent workflow，而是一次根本性的范式转换：从对话者变成系统设计者，从提效变成放权。
• 给 AI 注入品味：当编码工具性能趋同，审美成了新战场：Emil Kowalski把十年前端经验打包成Skill文件注入AI编码工具、Kimi K2.7成为GitHub Copilot首个开源权重模型、Senior SWE-Bench评估高级工程师任务——当性能不再是瓶颈的时候，品味就成了新的战场。
• Agent 嵌入一切：从支付宝到群聊，AI 正在吞噬 App：支付宝阿宝开放公测、Skywork Tags让Agent加入工作群聊、千问Agent工程方法论——三件事串在一起看，2026下半年Agent的主旋律已经很清楚了：Agent的终局不是做一个新App，而是消失在你已有的工作流和生活流里。