（图片来源：AI生成）
出品｜搜狐科技
作者｜李保铭
人工智能正在重塑职场生态，既在压缩成本、提升效率，也在孵化全新岗位。
除了企业掌舵者，另一批率先享受AI红利的群体是FDE——即前沿部署工程师（Forward Deployed Engineer）。
这一角色由Palantir首创，近期OpenAI、Anthropic等巨头也相继布局AI部署业务。如今，FDE正从硅谷向国内扩散，吸引越来越多AI从业者及OPC加入该赛道。
身处其中的从业者虽前景广阔，却也面临诸多现实痛点，大家都在摸索中前行。
FDE究竟是何方神圣？
业界将其定义为“全链路工程师”，职责涵盖将公司产品推向客户现场，并对实施效果、运营状况及用户反馈全程负责。
通俗而言，FDE如同一个“中转站”，致力于打通企业与AI应用之间的“最后一公里”。
不过，这个新兴职业在社交媒体上引发了争议。有人吐槽这是“纯造概念”，也有人认为其与传统SaaS模式相差无几。
但前大厂程序员李追追（化名）持有不同观点。离职创业后，他专注于服务传统行业的中小企业，从事FDE相关工作。他告诉搜狐科技，企业并不在意对方头衔是FDE还是其他名称，“特别是老板，根本不需要去深究这些定义”。相比之下，企业更看重FDE能否提供切实可行的问题解决方案。
Robin（化名）毕业后进入咨询公司担任顾问，他的看法与之相似。“我们在对外介绍时，通常不会特意强调FDE这一概念，因为这暗示了更高的人力交付成本。”Robin表示，他们更多是通过驻点交付，潜移默化地将AI生产工具、作业方式及思维引入客户公司，但在路演环节往往避谈FDE，因为那并非核心重点。
李追追指出，FDE与传统SaaS存在本质差异。传统SaaS倾向于打包销售功能模块，李追追举例称，在一个包含20个功能的软件包中，用户可能仅需其中2个功能，却仍需为其余18个无用功能付费。
而FDE的交付更为垂直精准，“并非一上来就为客户搭建系统，能切实解决客户问题的方案才是好方案。”
从市场数据来看，领英一份预测2026年发布的报告显示，2023年至2025年间，全球新增AI相关职位达130万个，其中FDE需求激增42倍。
AI落地速度的加快，进一步释放了对FDE的需求。国盛证券研报指出，AI企业级应用正迈向规模化落地。截至2026年4月8日，a16z数据显示，全球财富500强企业中已有29%、全球2000强企业中19%成为领先AI创业公司的付费客户，标志着AI企业级应用已进入规模化阶段。
反观国内市场，长江商学院2026年对全国2016家规上工业企业的调研显示，实体企业的AI渗透率目前仅为10%左右。
AI释放的巨大企业需求与实际低渗透率之间的落差，构成了中国FDE生存的重要土壤。
今年初，Robin所在部门的领导提出咨询顾问转型方向。此后，他们对客户的交付内容从PPT、软件和功能点，转变为Agent、Demo等具体落地产品及全过程陪跑服务。
Robin认为，FDE与IT咨询高度相似。他分析道，过去的IT咨询侧重数字化转型，如今则转向AI转型，虽然名目变更，“但内在逻辑、交付方案以及思路和方法论并无太大区别。”
从某种程度上说，Robin的转型较为顺畅，他认为这是IT咨询发展的必然路径：一方面顺应行业趋势，另一方面也是满足客户的明确要求。
吴明泽的经历颇为丰富，他曾于斯坦福大学从事科研工作，也曾在大厂担任程序员。今年4月，他开始涉足FDE领域，并在社交媒体昵称中特意标注“全网第一FDE分享”标签。今年6月至7月期间，他在深圳、上海、杭州、北京连续举办四场闭门FDE聚会。基于对FDE的观察，吴明泽用“个性化”一词概括其特征。
“我当时很快意识到，不同行业的FDE工作内容差异巨大，很多经验并不通用。因此，我认为FDE要真正融入千行万业，必须先收集各行业遇到的具体问题与痛点。”
需求源自何处？
在一定程度上，除集成化SaaS和大中型企业付费的IT咨询外，中国FDE从业者主要承接中小企业的定制化需求。
李追追接手的第一个项目来自一家服装厂。今年5月，经朋友引荐，他负责该厂录单板块的AI化改造。当时，服装厂面临的痛点是每日需处理大量物料单，员工需在单据上标注，随后所有数据均需手动录入电脑。
繁琐的录入工作令员工疲惫不堪。李追追为此提供了OCR结合多模态分析的解决方案：员工拍照上传后，程序自动读取并识别单据信息；确认数据无误后，Agent生成模板并封装为Skill。后续遇到相同工厂的同类物料单时，系统将按既定模式自动采集录入，从而大幅减少人工操作时间。
此外，李追追还在Skill中嵌入了监控功能，若同类物料出现价格变动，系统会在表单中标红并直接通知负责人。
李追追坦言，该项目耗时约1周，收益有限，但对他启发颇深。他认为，当下中小企业的最大痛点之一是利用AI提升办公效率，“因为他们现有的工作方式实在太原始了。”
据李追追观察，许多前来咨询的企业提出的问题非常基础，“很多人问的是Codex是什么，它与豆包有何区别。”
“我接触的大多数老板都误以为AI无所不能。”李追追前不久接待的一位客户开门见山要求：“做个智能体帮我们获客。”另一家跨境电商客户则试图通过AI降低美工成本，直白地询问部署Agent后能节省多少人力。
吴明泽也有类似感受。经朋友介绍，他认识了一位贸易公司老板。沟通中发现，“老板甚至不会使用豆包”。吴明泽察觉该企业存在多处可通过AI提效的空间，双方一拍即合，吴明泽随即进驻调研。
然而，最终这单生意未能成交。事后吴明泽分析，原因在于预期未对齐。“我当时未摸清关键线索，例如公司毛利率等实际情况。”事实上，该企业毛利率偏低，而吴明泽设计的是一套依赖稳定高毛利率的管理系统。
他后来意识到，“对方未必愿意投入精力进行系统切换。”
尽管此次项目失败，吴明泽并未一无所获。他将与外贸公司员工的访谈内容全部上传并提炼成一款FDE小游戏，旨在帮助从业者学习如何与企业沟通并管理预期。
Robin坦言，不少客户“对AI的认知极其薄弱，甚至有些连数字化的基础都欠缺”。
他曾服务过一家旨在提升效率的企业。
该企业日常工作涉及材料报送和表格维护。Robin协助其建立AI原生工作方式，受限于工作性质，他未直接采用成熟的办公Agent生态，而是通过需求分析，选型组合并辅以一定程度的Vibe Coding，叠加Codex和Claude Code，构建出一种“类Claude”的“CRM+Claude”办公软件生态。
通过优化办公生态，客户不仅在报批材料和拉通工作进度上节省了时间，还在自我工作拆解等方面提升了效率。员工利用Agent作为数字分身进行团队协作；还能以聊天形式与Claude交互，机器人自动记录对话并上传至表格，生成待办事项，每周自动生成周报。
痛点即是堵点
不过，Robin透露，他每天真正以FDE身份解决用户痛点的时间仅占30%至40%。
剩余时间主要用于处理杂务，包括解答客户关于“这是什么”“具体流程如何”等问题，甚至接手部分本可由AI完成的工作，原因竟是“客户觉得你比AI干得好”。
这也是众多FDE面临的共同困境。
在与多位企业老板打交道后，李追追总结出：“在他们眼中，我们本质上就是外包人员。”
“按照FDE的理想定位，我们应与经营决策者并肩而坐，探讨企业改造方案。但实际跟进后发现，许多企业中只有老板拥有决策权，这对AI的认知提出了极大挑战。”
Robin对此深有同感。“企业AI落地最大的阻力，在于需要一位敢于承担风险、拥抱AI的决策者，或具备全员AI、效率至上文化的组织环境。这意味着领导层必须深刻理解此事，并认可AI能改变工作效率。若领导态度坚定，推进速度便会极快；反之，基层员工也会敷衍了事。”
即便领导拍板，FDE在企业内部仍面临诸多阻碍，其中最显著的是推进过程中的配合阻力。
一家企业的数字化程度究竟如何？哪些系统在建、哪些已投入预算？在现有业务流程中，哪些系统备受诟病、哪些功能亟待优化？在调研过程中，这些关键问题往往难以获得明确答复。
Robin尝试剖析被调研员工的心态，他认为，员工或许无法判断领导是真心想推行此事，还是仅在作秀。
“如果我满怀热情地提出一堆建议，最后却无法落地；或者我想反馈真实痛点，但因领导在场而不敢直言。”此外，员工调研与绩效考核无关，若员工保持沉默或少言，或许能准时下班；若多言，原本的工作量便无法按时完成，反而导致加班。
事实上，Robin在驻场后的真实感受是，许多企业仅零星上线了一些系统，系统间的数据并未真正打通。
“这意味着内部无法形成生态闭环，也就无法实现AI原生工作方式的变革。相较于以往数字化建设时期的点状系统开发，这在本质上并无区别。”Robin表示。
但数据问题往往是一家企业的核心，AI落地难题，本质上是企业与FDE之间的信任危机。
李追追对此感触良深，“FDE深入企业内部，信任成本是最高的。”
李追追坦言，他常以开放心态为企业部署AI，但这并不意味着对方会以同等开放度回应，尤其在财务、清关等敏感经营数据方面。
“许多数据交接完成后，已在FDE手中经过处理，企业如何确保信息安全？”不少企业负责人在最后交谈中会抛出此类担忧，还有企业对API调用的隐私安全持怀疑态度，“怎样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，但因成本过高而终止。随后他又提议企业与大模型厂商签订数据不训练协议，但仍未能完全消除客户顾虑。
理想状态下，FDE为企业解决问题应是雪中送炭，但现实中，不少FDE只能做到锦上添花。李追追认为，FDE是在“客户要求的范围内解决痛点”，“企业最看重的是持续盈利，自己是否使用AI并非首要考量，更不愿因接入AI而带来额外风险。”
吴明泽表示，“建立信任极为困难。能让企业老板允许你去观察员工如何工作，这件事已经难倒了80%的人。”