今年硅谷突然都在抢一个岗位,叫 FDE,Forward Deployed Engineer:公司派到客户现场的人,跟客户一起,把一个 AI demo 真正变成天天在用的系统。
这岗位我们闷头干了三年。
a16z 把 FDE 称作"tech 最火的岗位"。过去 12 个月,招聘量涨了 7 倍:
- 2025 年 4 月全行业 643 个职位,2026 年 4 月涨到 5,330 个
- YC 创业公司里就有 100 多家在招,三年前一家都没有。
薪水也在水涨船高:顶级 FDE 在 OpenAI、Anthropic 总包 30 万到 60 万美元,做到资深、纯做技术不带团队的,竟然能超过 100 万美元。
下面看这几家具体在做什么:
- OpenAI 2024 年底就组建了 FDE 团队,2026 年把它做成独立的 The Deployment Company,初始投资超 40 亿美元,又收购英国 Tomoro,拿到 150 个资深的 FDE
- Anthropic 组了个 Applied AI 团队,专门派工程师进大企业现场做 AI 落地
- Google Cloud、Databricks、Scale AI、Adobe,以及几乎所有 B 轮以后的 AI 公司,都在大规模招 FDE
可光招人、买团队还不够。真要把 AI 铺进一家家企业,巨头还是得拉上麦肯锡、德勤、贝恩这些咨询公司。
这事我们 2023 年就在干了,比硅谷早三年。打一开始就说好:客户的业务真做好了才给钱,交个 demo、一份 SOP、几段提示词或者给套软件,都不算数。
FDE 是什么,最早怎么来的
FDE 全称 Forward Deployed Engineer。Palantir 第 13 号员工 Shyam Sankar 在 2000 年代末提出,2010 年代初成型,他本人就是这个词的发明者。 它和我们熟悉的 to B 岗位都不一样:
FDE 不是顾问,也不是一般的软件工程师,是真正被派进客户内部的人:进客户的群,跟客户的产品、研发坐一块儿,拿客户真实的数据和系统干活,开他们的晨会、动手写代码、线上出故障就去修。 他既要定"做什么",也得把东西做出来、接进系统、保证上线后一直能跑。衡量他的不是写了多少代码、交了几份文档,是这套系统到底有没有人在用、客户的生意有没有变好。 上线也不算完,他得一直待到这套系统变成客户每天的日常、客户自己的人能接手。 Palantir 为什么要发明它?它最早的客户是情报机构,这种客户有个特殊麻烦,没法清楚告诉你想要什么:东西是机密,写不进需求文档,开不进会议室。 Shyam Sankar 的判断:
他干脆把工程师塞进客户现场(驻军基地、分析员办公室、战场附近的指挥所),靠观察、实验、当场动手,去搞懂客户真实的业务。 Shyam 反复讲过一句话:
Good ideas don't come from eating strawberries in Palo Alto. They come from the fields of Djibouti and the factory floors of Detroit.
好想法不是在 Palo Alto 吃草莓时冒出来的,它们出现在吉布提的田野上、底特律的工厂车间里。
但 Palantir 真正精妙的地方不在"把人派出去",在背后那套分工。
下场的 FDE 其实是两种人搭班子:
-
一种叫 Echo,是懂行业的领域专家,负责钻进客户的生意、找出真正该解决的问题;
-
一种叫 Delta,是工程师,负责快速把东西搭出来。他们在前线搭的代码糙、全是临时补丁,后方还有一支产品团队,专门把现场趟出来的做法抽象成通用产品:先铺出一条"碎石路",再修成能跑下接下来 5 到 10 个客户的"高速公路"。
Palantir 今天一半以上收入的 Foundry,就是这么从一个个客户现场长出来的。
到 2016 年,Palantir 内部 FDE 的人数比软件工程师还多。今天这家公司市值超过 3000 亿美元,毛利率 80%,是软件公司的水平,不是咨询公司(埃森哲只有 32%)。FDE 不是辅助岗位,是它能从"被人骂作咨询公司"长成真正产品公司的原因。
这是 FDE 的模式:让最顶尖的工程师下场。
Palantir 的 FDE 不少是物理、数学背景,技术底子比市面上大多数人都硬。这套打法能啃下最难的客户,可门槛也高得吓人:你得找到既是物理博士、又愿意常驻客户现场写生产代码的人,这种人又少又贵。所以十几年,没人学得来。
FDE 怎么突然就火了
Palantir 闷头干了十几年,外界一直当它是个特例,没人学。直到这两年,大批企业砸钱上 AI,钱花了,东西却跑不起来。
MIT NANDA 2025 年调了 300 个公开的 AI 项目,95% 的企业试点对利润几乎没有可衡量的影响。
问题并不出在模型,GPT、Claude 都很能打,但是落地现场那摊东西却面临很大的挑战:脏数据、没人写过文档的工作流、合规红线、一堆为 AI 之前的时代设计的老系统。
一个 FDE 的原话:
更麻烦的是,AI 系统和传统软件,出问题的方式不一样。传统软件的风险在上线前,设计、集成、测试,跑通了基本就一直跑,真出错也直接报错,好查好修。
AI 反过来,风险在上线后:它是个概率系统,测试时好好的,一碰到真实数据和真实用户就开始退化,还不报错,只是悄悄变得不靠谱,答非所问、前后矛盾,一点点把用户的信任磨掉。偏偏这时候交付的人都走了,内部团队转去做下一个功能,顾问按合同干完就撤。
系统最该有人盯的时候,没人了。FDE 补的就是这个位置:人在客户现场,问题一冒头就当场调、当场改。
再往根上说,Bob McGrew(Palantir 第二位工程师、后来的 OpenAI 首席研究官)的角度是:
Agent 还没有现成的样子。SaaS 你一上来就知道要做成什么样,照着做个更好的去抢市场就行;
Agent 不是,没人知道一个销售 Agent、客服 Agent 最后该长成什么样,只能钻进客户的真实业务里一点点试,而这种试只能在客户内部做。
结论是:谁想在 Agent 时代找到 PMF,FDE 大概是绕不开的路。
巨头自己建了,还得拉上咨询公司
巨头的办法,是把咨询公司大规模拉进来一起干:
- OpenAI 签了 BCG、McKinsey、Accenture、Capgemini、PwC 五家组成 Frontier Alliances,让它们帮自己把 AI 铺进企业;它砸 40 亿成立的 The Deployment Company,出资方里 Bain、McKinsey、Capgemini 三家就是咨询公司
- Anthropic 拉黑石、高盛、Hellman & Friedman 合资 15 亿美元搞了家企业 AI 服务公司,把工程师送进世界 500 强,用私募的钱再造一支 FDE 队伍;它的合作方 Deloitte 也直接挂出了"Anthropic Forward Deployed Engineer"的岗位招人
自己建了为什么还要找咨询公司?OpenAI 不缺钱、不缺工程师,连现成的 FDE 都买得到。它缺的是另一样:钻进一家企业、把生意摸透、最后对结果负责。这件事麦肯锡、德勤干了几十年,OpenAI 想从零练出来很慢,不如直接拉它们一起干。
Bob McGrew 给想做 FDE 的创业者提过一个醒:
“如果不是非做不可,别碰,很容易做着做着就变成纯做服务的外包公司。但如果你的市场离了 FDE 根本起不来,那它可能就是你唯一行得通的方式。”
这套"AI 公司+咨询公司"的组合,在中国基本…