(图片来源:AI生成)
出品|搜狐科技
作者|李保铭
AI不仅在降本增效,还在催生新职业。
第一批吃上AI红利的人,除了老板,还有FDE(即前沿部署工程师,英文全称为Forward
Deployed Engineer)。
从Palantir首创,到近期OpenAI、Anthropic等纷纷成立AI部署公司,FDE正从硅谷蔓延至国内,越来越多AI从业者、OPC切入这一赛道。
与此同时,身处其中的从业者们,也面临不少痛点,所有人都在摸索中前进。
什么是FDE?
有机构把FDE定义为“全链路工程师”,既要把公司产品带到客户现场还要对产品的实施、运营、反馈负责。
抛开晦涩的定义,FDE就像“中转站”,打通企业与AI之间的“最后一公里”。
不过,这个新职业也在社交媒体引来一些争议,有网友在社交媒体吐槽,FDE是“纯造概念”,也有人说FDE和SaaS差别不大。
李追追(化名)有不同看法。他是一名前大厂程序员,离职后开始在家创业、从事FDE相关工作,主要服务传统行业的中小企业。他告诉搜狐科技,企业不在乎对方到底是FDE还是其他名称,“特别是老板,不需要去了解”。与之相比,企业更需要从FDE身上得到问题的解决方案。
Robin(化名)毕业后进入一家咨询公司担任咨询顾问工作,他也有相似的观点,“我们在介绍的时候,不会有这方面的提及,因为这意味着更重的人力交付成本。我们更多是通过潜移默化驻点交付,把AI生产工具、生产方式、AI思维带到对方公司,但在路演的时候不会过于提及FDE这个名词,这不是重点。”
李追追认为,FDE和SaaS有一定差别。传统的SaaS把功能打包卖给客户,李追追指出,打包的20个功能中,可能只有2个功能是用户需要的,但用户依旧要为用不上的18个功能付费。
而FDE的交付则更垂直,“不是一上来就给客户做系统,能解决客户问题的方案才是好方案。”
从市场规模来看,领英一份2026年报告数据显示,2023年至2025年间,全球新增了130万个AI相关职位,FDE需求增长42倍。
而AI的落地加速了FDE需求的快速释放。国盛证券研报显示,AI企业级应用走向规模化落地。截至2026年4月8日,a16z数据显示,全球财富500强企业中的29%和全球2000强中的19%已是领先AI创业公司的付费客户,AI企业级应用已进入规模化落地阶段。
与之相比,2026年,长江商学院对全国2016家规上工业企业AI调研数据显示,当前实体企业的AI渗透率约为10%。
AI释放的企业需求与实际渗透率之间的数据差,或是中国FDE生存的土壤之一。
今年年初,Robin公司的部门领导提出咨询顾问转型,之后,他们对客户的交付内容从PPT、软件、功能点,变成Agent、Demo等具体的落地产品和全过程陪跑。
他认为,FDE和IT咨询很接近。他分析,以前的IT咨询侧重数字化转型,现在则偏向AI转型,虽然名称换了,“但内在逻辑、交付方案,以及思路和方法论差别不大。”
从一定程度来看,Robin的转型很顺畅,他认为这是IT咨询的必然路径,一方面是行业发展方向,另一方面客户也会提相关要求。
吴明泽的经历丰富,他曾在斯坦福做过科研,也曾在大厂做过程序员,今年4月,他开始从事FDE相关工作。在社交媒体昵称中,他特地加上了“全网第一FDE分享”的标签。今年6-7月,他先后在深圳、上海、杭州、北京连办四场闭门FDE聚会,他对FDE的观察是“个性化”。
“我当时很快意识到,FDE(不同行业)很多东西都是不通用的,所以我觉得,FDE要落到千行万业,需要先收集行业里遇到什么问题和痛点。”
需求来自哪里?
从一定程度来看,在集成化的SaaS、大中企业付费的IT咨询之外,中国的FDE从业者更多承接了中小企业的定制化需求。
李追追的第一单是一笔服装厂订单。今年5月,经朋友介绍,李追追承接了一家服装厂录单板块的AI化改造。当时,服装厂的痛点是,每天需承接很多物料单,员工在物料单上标注后,单上的所有数据均需手动录入至电脑。
大量录入工作让员工疲惫不堪,李追追为服装厂提供了OCR+多模态分析的解决方案。员工拍照上传程序自动读取识别单据信息;读取之后Agent会在员工确认数据无误后生成模板、封装成skill,后续有相同工厂的相同物料单时会按相同模式采集并录入,减少员工录入时间。
李追追还在skill中加入了监控功能,若相同工厂的相同物料出现价格变动,会在表单标红并直接通知负责人。
李追追坦言那一单只做了1周左右、赚的也不多,但对他在FDE方面的启发很多。他认为,当下中小企业的最大痛点之一是通过AI提升办公效率,“因为他们真的太原始了”。
从李追追的感知来看,很多企业来询问的问题很基础,“有很多人问的都是codex是什么,和豆包有什么区别”。
“我遇到的大部分老板,都是觉得AI很万能。”李追追前不久接待了一位客户,对方单刀直入“做个智能体帮我们获客”。还有一家跨境电商的客户曾想对美工降本,简单粗暴询问李追追,做了Agent之后,能为企业节省多少人力。
吴明泽也有相似的感受。他曾在朋友介绍下认识了一位贸易公司老板,但他发现“老板连豆包都不会用”,吴明泽发现对方的企业有很多地方可以通过AI提效,与老板沟通后一拍即合,吴明泽开始在对方公司调研。
不过,最终这单没能做成。吴明泽事后分析,这或是因为与对方的预期没有对齐导致的。“我当时没有摸清楚线索,比如公司毛利率等”,实际上,这家企业的毛利率不高,但吴明泽为企业设计的是一套需要稳定高毛利率的企业管理系统。
他后来意识到,“对方不一定愿意花精力做切换。”
不过,这次失败的项目经历也并非一无所获。吴明泽将与外贸公司的员工访谈全部上传并炼化成FDE小游戏,帮助FDE从业者学习如何与企业进行访谈并对齐预期。
Robin坦言,他的不少客户“对于AI的了解非常非常薄弱,甚至有些连数字化的基础都非常薄弱”。
他曾服务过一家客户,帮助企业提效。
这家企业的日常工作是报送材料、维护表格,Robin帮助企业建立了AI原生的工作方式,因为工作限制等原因,他并未直接采用办公Agent的成熟生态,而是通过需求分析,选型组合加一定程度的vibe coding,叠加codex和Claude code,形成“CRM+Claude”的一种“类Claude”的办公软件生态。
通过办公生态的优化,对方不仅能在报批材料、工作进度拉通等方面节省时间,还能在自我工作拆解等方面进一步提升效率。员工用Agent作为数字分身,进行团队协作;还能以聊天的形式和Claude对话,机器人自动记录上传至表格,并能形成待办事项,每周输出周报。
痛点也是堵点
不过,Robin告诉搜狐科技,他每天大概真正以FDE角色解决用户痛点的时间只有30%-40%。
其他时间,Robin有一部分会拿来处理杂事。这些杂事包括但不限于解答客户“这个东西是什么”“具体流程是什么”等问题,甚至有些工作会直接让Robin上手,原因是“客户觉得你比AI干得好”。
这也是不少FDE面临的问题之一。
李追追与不少企业老板打交道后总结,“其实在他们(老板)眼中,我们都是外包。”
“按照真正的FDE来说,我们应该与经营决策者坐在一起,讨论如何改造企业,但实际跟进后发现,很多企业只能是老板是决策者,这对于AI的认知就有非常大的挑战。”
Robin也有相似的感受,“企业AI落地最大的阻力,首先需要一位克服风险、拥抱AI的决策者,或者全员AI、效率至上的组织文化。这意味着,需要领导对这件事情的理解程度,以及是否认可AI能改变工作效率。如果他是坚定的,那这个东西推进起来就会非常快;反之,下面的员工也会睁一只眼闭一只眼。”
即便领导拍板了,FDE在企业中也面临不少问题。最大的问题之一,来自推进过程中的配合阻力。
一家企业,目前的数字化程度到了什么地步,哪些正在建设、哪些已经投了预算,正在进行的业务流程中,哪些系统被诟病、哪些功能需要优化,在调研过程中,这些最值得关注的问题,往往得不到明确回复。
Robin试着分析过这些被调研员工的心态,他认为,或许是员工无法体会领导究竟是真的想做这件事,还是只是在表演自己想做这件事。
“如果我满心欢喜和你说了一堆,最后没能落地;或者我想反馈真实的痛点,但领导在场,不敢说。”而且,员工调研这件事与绩效无关,如果员工不说或者少说,说不定就能按时下班;说得多了,本来的活干不完,对方反而要加班。
事实上,Robin在驻场后的实际感受是,很多企业只是零散的上线了一些系统,系统之间的数据未能真正打通。
“这意味着内部无法形成生态,也就无法形成AI原生的工作方式变革,和以前数字化建设时期点状的系统建设相比,没有本质上的区别。”Robin表示。
但数据问题往往是一家企业的核心,AI落地问题,本质也是企业与FDE之间的信任问题。
李追追对此感触颇深,“FDE深入企业,信任成本是最高的。”
李追追觉得,很多时候,他以开放的心态为企业做AI部署,但并不代表对方会回以相同的开放接受度,尤其是在财务、清关等经营数据方面。
“很多数据,交接完成之后,已经在FDE手里过了一遍,企业怎么保证信息安全?”不少企业负责人会在聊天的最后提出这些担心,还有企业对API调用的隐私安全也持怀疑态度,“怎么才能保证客户信息安全?”
李追追曾为客户提供本地部署方案,但因为成本太高终止。后来他又提议企业与大模型企业签订数据不训练协议,但仍未打消客户顾虑。
理想状态下,FDE为企业解决问题属于雪中送炭,然而实际上,不少FDE却只能锦上添花。李追追认为,FDE是“在客户的要求范围内解决痛点”,“企业认为最重要的是持续盈利,自己用不用AI其实不是最重要的,更不愿意接入AI后带来更多风险。”
吴明泽表示,“信任是非常难做的,一个企业的老板能让你去企业看员工是怎么工作的,这件事已经难倒80%的人了。”