先看两条新闻。

第一条：MIT 的 NANDA 实验室 2025 年发了份报告，过去三年，全球企业在生成式 AI 上烧了三四百亿美元，其中 95% 的项目没能产生任何能写进财务报表的价值。

第二条：硅谷招聘网站上，一个叫 FDE（Forward Deployed Engineer，前线部署工程师）的岗位，发布量一年涨了七倍多。Indeed 的统计，2025 年 4 月全美挂着这个头衔的岗位是 643 个，一年后变成 5,330 个。OpenAI 在招，Anthropic 在招，YC 孵化的一百多家创业公司都在招。

一边是 95% 的阵亡率，一边是一个岗位一年七倍的抢手度。把这两条摆在一起，答案不难猜：模型已经不稀缺了，能把模型塞进客户真实业务里的人，才稀缺。

FDE 是干什么的

一句话定义，来自 Bob McGrew——Palantir 早期高管、后来 OpenAI 的首席研究官，ChatGPT 和 GPT-4 都出自他领导的团队：

前线部署工程师，是一个驻扎在客户现场、填补「产品能做的事」与「客户需要的事」之间鸿沟的工程师。

Forward Deployed 是军事术语，指部署在前线的部队。意思是把最能打的人，放在离问题最近的地方。

这个岗位 2003 年就有了，Palantir 发明的。当年 Palantir 给情报部门做系统，发现自己不知道间谍怎么工作，干脆把工程师派到客户现场去。它沉寂了二十年，2025 年突然爆红，导火索就是大模型：大模型制造了一种前所未有的落差——任何人五分钟就能做出惊艳的演示，可要把演示接进企业真实的数据、权限、合规和工作流，难度高出一个数量级。

一家物流 AI 公司的部署负责人说得直白：AI 落地，很少败在模型，几乎都败在上下文。

它不是什么

判断一个新岗位，先看它不是什么。

它不是售前。 售前的工作在签约前结束，目标是赢单，作品是幻灯片；FDE 的工作在签约后才进入深水区，目标是赢结果，作品是跑在生产环境里的系统。售前负责让客户相信这事能成，FDE 负责让这事真的成。

它不是咨询顾问。 顾问按项目交付建议，对执行不负责；FDE 对系统的最终运转负责。Anthropic 给金融科技公司 FIS 建反洗钱智能体，把调查从几小时压到几分钟，但合同里写明的目标不是交付系统，而是转移知识——让 FIS 以后能自己建智能体。判断标准正好反过来：客户哪天不再需要你了，才说明你干成了。

它也不是传统产品工程师。 产品工程师面对的是抽象用户：画像、漏斗、日活；FDE 面对的是具体客户：一家银行的风控部、一家医院的放射科。Palantir 内部有对官方划分：平台工程师负责「一种能力，服务多个客户」，FDE 负责「一个客户，调动多种能力」。在 Palantir 干了近八年 FDE 的 Nabeel Qureshi 把这条纪律讲得更糙：去他的可泛化性——先把眼前这个客户救活，能不能复用到下一家，是平台团队的事。

最重要的是，它不是驻场外包。 这条对中国读者尤其要紧，因为「工程师驻场」在国内有太长、也太不堪的历史。国内第一批打出 FDE 旗号的服务商启盟科技，在官网用三句话划清界限：驻场按工时算钱，FDE 按阶段交付、按结果验收；驻场从零现写，FDE 带着产品底座来做工程；驻场越驻越久、人走系统停，FDE 做完会走，能力留在系统和客户团队里。

国内现在到哪一步了

岗位在国内才刚有名字。大部分讨论还停留在：它是不是换了个名字的售前，或者换了个名字的驻场外包。

但动作已经开始了。上海 2025 年底办了全国第一个 FDE 专题培训班，市委组织部、市经信委等六家单位联合出面，官方定调是「人工智能领域的特种兵」。有意思的是第一期学员的构成：不是工程师，而是市属国企和重点行业主管部门的负责人——先训需求方，再训供给方。一个岗位火到政府出面办培训班，软件行业历史上不多见。

供给侧，火山引擎的豆包大模型 FDE 团队是目前国内大厂里最明确的建制，覆盖汽车、医疗、教育、金融、半导体，还在和安永共建千人级团队。本土服务商里，启盟科技、钱拓科技是第一批打旗号的。

硅谷那边已经卷到什么程度了？2026 年 5 月，OpenAI 宣布成立「部署公司」，联合 TPG 等 19 家资本，初始投资超 40 亿美元，顺手收购了一家有 150 名部署工程师的咨询公司。几个小时后，Anthropic 被曝出和黑石组建对标的合资公司。两家最大的模型公司，在同一天把「部署」从成本中心升格为战略资产。

薪酬也说明了稀缺度：GetPerspective 的 2026 年报告，头部实验室中级 FDE 年总包中位数约 38.5 万美元，资深约 61 万，首席超过 120 万。

我作为一个 To B 老兵的判断

我做了十几年 To B，从诊所 SaaS 搭到几十家诊所，现在在一家互联网医疗公司负责经营。「驻场」这两个字在国内 To B 圈里是什么分量，我很清楚——人月计费、越驻越久、人一走系统就没人敢动，这是很多项目亏钱的原因。

所以看到 FDE 在国内冒头，我的第一反应也是怀疑：又来一个换皮的？

但把三条边界摆出来，真假不难分辨。看它怎么收钱：按工时算的，是外包；按阶段交付、按结果验收的，才有资格叫 FDE。看它带不带家伙：空手进场从零现写的，是外包；带着产品底座来做工程的，才是 FDE。看它打不打算走：巴不得你一直驻着的，是外包；目标就是把能力留给客户、自己撤走的，才是 FDE。

按这三条去套，国内现在打着 FDE 旗号的公司，相当一部分会露馅。但方向本身我信。风投机构 Foundation Capital 估过一笔账：这波浪潮瞄准的是 4.6 万亿美元量级的市场——一半是企业付给销售、营销、工程岗位的薪酬，一半是 IT 服务与外包的支出。翻译一下：软件的收费对象，正在从「工具预算」换成「人力预算」。软件不再只是帮人干活，软件自己就是工人。

当然也有冷静的声音。《华尔街日报》质疑这套打法更像咨询而不是软件，嵌入式人才这么贵，能不能规模化是悬案。前 Palantir 的 FDE Barry 写过一篇内部人警告，讲成本、混乱和倦怠的真实账本。这些质疑都成立，但挡不住方向：AI 落地的最后三公里，总得有人去走。模型再强，也强不过「客户的数据在三个互不相通的系统和一堆 Excel 里」这个现实。

结尾

95% 的失败率和七倍的岗位增长，说的是同一件事：AI 的钱不在模型里，在落地里。

你的公司买 AI 服务，遇到的是真 FDE，还是换皮的驻场外包？评论区说说，我猜大部分人的答案是后者——这恰恰是写这篇的原因。

参考：范冰《前线部署工程师》（开源书，github.com/xdash/FDE-the-Guidance-Book-of-Forward-Deployed-Engineer），文中数据均出自该书及其标注的原始来源。