从超级个体到超级岗位。
笔者最近一个月遇到了四位准备转型的朋友——前端、解决方案架构师、产品经理、传统算法工程师,背景、年龄、城市都不一样,却问了同一个英文缩写:FDE[2]是不是值得我去?
FDE,全称 Forward Deployed Engineer[2]。它在两年前还是 Palantir 圈子里的一个工种黑话,今天已经悄悄变成猎头的开场白、招聘启事的高频岗位、以及社交媒体上“AI 时代最值钱岗位”的候选答案之一。OpenAI 在 2026 年 5 月直接以这个名字成立了 Deployment Company[3],初始投资 40 亿美元,明确说要派工程师钻进客户的现场办公,进入客户的工作流里;Anthropic 的 Applied AI 团队也在四个时区同步招聘 FDE。这件事从圈内黑话变成显性词汇,只用了一年多一点。
笔者上一篇文章《致超级个体》[4]讨论的是“人的发动机”——好奇心、自学、自驱、动手能力,如何在完整的 Closed-loop 里被激发出来。但人不是悬浮的,人要被一个具体的岗位坐标系接住。如果说超级个体是 AI 时代生产关系的“原料”,那 FDE 就是市场在这一年里长出的、最显性的一种“岗位形态”。
在笔者看来FDE 不在咨询那一格,也不在外包那一格。它和超级个体最近——区别只在于,FDE 是在“模型公司 × 客户”的夹缝里被组织化的超级个体。
你知道吗——Forward Deployed 这个词从哪儿来?它原本是美军术语 Forward Deployed Forces,指部署在海外或前线、能就近响应的部队,对照的是留在本土基地的后方部队。Palantir 在 2000 年代末把这个词搬进软件行业,用来描述“派工程师离开总部、住到客户现场”的工作模式,连内部团队都按军用音标命名,叫 Delta 和 Echo。这次它被 OpenAI 和 Anthropic 重新接管,不是巧合——派工程师上前线,这件事的本质从来没变过。
本文要回答的,是笔者最近被那四位朋友问到的三个具体疑惑:
-
FDE 是不是穿了 AI 外衣的咨询公司?它和传统咨询的边界在哪?
-
FDE 是不是高级一点的软件外包?它和我现在做的乙方有什么区别?
-
我适不适合做 FDE?哪一类人会被这个岗位放大,哪一类会被磨碎?
笔者的态度是审慎乐观:FDE 是真的在长出来,但它远不是所有人的转型出口。把它讲清楚,比把它讲热闹更重要。
从 OpenAI 的 Deployment 团队说起如果只能用一件事来标记 FDE 这一轮重新出圈的时间点,笔者会选 2026 年 5 月 11 日——那天 OpenAI 宣布成立 Deployment Company[5],COO Brad Lightcap 离开原来的商务条线、转任 special projects 直接向 Sam Altman 汇报,全职负责这件事。同一周,OpenAI 收购了英国 AI 咨询公司 Tomoro,一次性把 150 名 Forward Deployed Engineer 和 Deployment Specialist 装进了新公司。
值得一提的是,OpenAI 的招聘页面同时在挂出十几个 FDE 岗位:旧金山、纽约、华盛顿,外加按行业切的 Life Sciences、Semiconductor、Gov 等垂直方向,连 FDE 招聘官[6]这个岗位本身都在招。分析师估算这个团队在三年内会扩张到 2000–4000 人。这不是一个研究小组的规模,这是一支正规军。
Anthropic 这边几乎是镜像动作。Applied AI 团队下面的 Forward Deployed Engineer 岗位[7] 同时在波士顿、纽约、西雅图、旧金山、华盛顿、伦敦六地放出,要求 25%–50% 的客户现场出差。一个最近被反复引用的例子是金融科技公司 FIS——它在公告里直接写“Anthropic 的 Applied AI 团队和 forward-deployed engineers 已经嵌入到 FIS,共同设计 Financial Crimes AI Agent,并把知识转移给 FIS,让它后续能独立扩展更多 agent”。
这段话里藏着 FDE 这份工作的真实样子。它不是售前架构师,不是 SDR,也不是来给客户做培训的布道师(Evangelist)。它是带着模型、住到客户代码库里的工程师。Brad Lightcap 自己说得更直白:“我们的客户告诉我们,他们需要的是从 pilot 走到 production 的能力。Deployment Company 就是把我们的工程师塞进他们的团队,给足资源去交付。”
把这件事画成一张图,三方关系会变得非常清楚:
注意这张图里最有信息量的两条线,是 FDE 往两边输送的反馈。往客户方向,FDE 不是把模型当 SaaS 卖,而是把客户的数据、权限、合规、内部系统拧成一根能跑模型的管道;往模型公司方向,FDE 把客户的真实痛点和失败样本带回 product 和 research,影响 roadmap——一个反复出错的 tool calling pattern,可能就变成 SDK 的下一个内置抽象。
这就是为什么 FDE 在这一轮被两家头部模型公司同时重新启用,背后不是“我们也要学 Palantir 做咨询”那么简单。它是模型公司的一种信号采集装置——前线最稠密的客户痛点,必须有自己人在场才能抓到,靠合作伙伴翻译过来的需求总是隔了一层。Anthropic 走的是混合路径:一边自营 FDE,一边和咨询公司、PE 巨头建合资部署网络。一个偏自营、一个偏 ecosystem,但内核都一样:模型公司不再只是 API 供应商,它要直接派工程师进客户产品里。
接下来要回答的,是两个最常见的对照问题——FDE 和传统咨询(麦肯锡、埃森哲那一类)的边界在哪?它和我们熟悉的软件外包,又是不是一回事?
FDE 不是麦肯锡:模型边界 vs 流程边界很多人第一次听 FDE 的工作描述,第一反应是:“这不就是新版麦肯锡、埃森哲吗?”
笔者理解这种联想。穿西装、出差客户现场、坐在客户会议室里画白板、和 C 级高管对齐——从画面上看,FDE 和咨询顾问确实长得像。但只要往里走一层,两者的工作肌理就完全不同。咨询卖的是流程边界,FDE 卖的是模型边界。
把这两者并排放在一张表里,差异立刻显现。
这张表里最值得停一下的,是“资产折旧”这一行。
传统咨询最赚钱的逻辑是资产复用——一份给某家银行的方案,下一家稍微改改再卖一次;一份零售行业的数字化 playbook 可以反复套到三十家客户身上。这是过去三十年 Accenture、Deloitte、McKinsey Digital 一路做大的底层经济模型。
FDE 没有这种资产。模型能力还在快速移动——今天还需要精心设计的 Prompt 链路,下一版模型可能一句话就能搞定。咨询的“方法论沉淀”在这个速度面前会快速贬值。所以 FDE 不能用资产复用模式,必须每次跑闭环都重新跑一遍——重新评估模型边界、重新选工具栈、重新拼产品形态。看似低效,其实是唯一能跟上模型速度的方式。
你知道吗——Product Overhang 是什么?笔者在上一篇《致超级个体》[4]里解释过这个词:模型能力已经超过现有产品形态,但没有产品入口、权限和上下文把它兑现出来。FDE 这个岗位的价值,本质上就是把客户场景里悬空的 Overhang 兑现成一个具体能跑的产品。客户买的不是模型 API 的调用配额,而是“有人能把这堆 Overhang 真正落地在我业务里”的能力。
这也解释了“项目结构”一行的差异。咨询项目的标准结构是 SOW(Statement of Work)+ WBS(Work Breakdown Structure)+ 阶段验收:合同里写清楚要交付什么、什么时候交付、按什么标准验收。这套结构的前提是目标在签合同前就已经定义清楚。
FDE 的项目走不通这一套。客户最常说的一句话是:“我知道 AI 应该能帮我做点什么,但我不知道是什么。”目标本身就是项目的一部分。所以 FDE 不接 SOW,接 mission——一个相对模糊的方向;然后用 iteration 一轮一轮把方向变清楚;最后在某一轮里,把已经积累的模型理解兑现成一个产品形态。
“交付物”这一行也值得展开。FDE 走人之后,留在客户系统里的是一个能跑的功能——可能很小、可能丑陋、可能没什么用户界面,但它每天真的在被人调用、被人改、被人骂。咨询的交付物是 PPT 和变革管理报告,哪怕项目里写过代码、配过 ERP,最后留在客户高管手里的仍然是一份方法论文档。
“护城河”一行是最微妙的。FDE 的护城河是对模型能力边界的实时手感——你这个月跑了多少个真实客户场景,你就比别人更知道哪些事 Claude 4.7 能做、哪些事必须等 Claude 5。这种手感不能写进 PPT,也不能放进知识库,它只能长在最近 90 天动过手的工程师脑子里。
所以下次有人说“FDE 不就是新版埃森哲”,可以这样回答:埃森哲的工程师是去重新设计客户的流程,FDE 是去重新探明模型的边界。前者的资产能沉淀十年,后者的资产 90 天后就要重新长一次。
FDE 不是软件外包:共同探索 vs 需求实现如果说“FDE 是新版埃森哲”是第一层误读,那“FDE 是贵价软件外包”就是第二层。这一层更具误导性,因为表面证据看起来非常足:FDE 真的会去客户现场写代码,真的会按客户业务定制功能,真的会被客户调用工作时间。乍一看,和外包工程师没区别。
但只要看一眼反馈回路这件事,差别就藏不住了。
这张图里最关键的差别,不是图上半部分有多简单,而是图下半部分多了一条向模型公司延伸的反馈链。这条链不是装饰,它是 FDE 这个岗位存在的真正理由。把这层差异拆开来看,至少有四组对比。
接的东西不一样。外包接 SOW——一份在签合同前就已经定义清楚的需求清单:要做哪些功能、用什么技术栈、按什么标准验收、违约怎么赔。FDE 接的是 mission——客户自己也没想清楚要什么,只知道“AI 应该能帮我做点什么”。SOW 的前提是确定性,mission 的前提是探索。两者完全不同的项目启动姿态。
做的范围不一样。外包做的是局部交付——一个模块、一个网站、一个数据 pipeline,做完打包走人,下一家。FDE 做的是端到端——从业务痛点开始,到模型选型、到产品形态设计、到上线后真实用户的 retention 和 churn。
计费方式不一样。这一点最反直觉。一家模型公司派 FDE 进客户场,最终关心的不只是这次项目收多少咨询费,更是:这个客户接下来会消耗多少 token?会不会成为 retention 客户?会不会扩展到更多业务线?FDE 的真正 KPI,是模型 token 的…