AI带火了FDE，从业者真实处境如何？
定焦One（dingjiaoone）原创
作者 | 李梦冉 王汉星 王璐 陈丹 雷晶
编辑 | 雷晶
FDE这个概念最近热度很高。
所谓FDE，全称为Forward Deployed Engineer（前线部署工程师）。眼下，它主要指代那些深入客户一线、负责将大模型嵌入企业业务流程的专业人员。他们不仅需要具备写代码、搭建系统的能力，还要擅长与企业管理层及员工沟通，把企业口中那句模糊的“想用AI”转化为真正可运行、能落地的产品和工作流。
其实，早在2010年前后，美国科技巨头Palantir就已设立并推广这一角色，但此后很长一段时间，FDE仅存在于少数企业软件公司的小圈子里。随着大模型的兴起，企业逐渐意识到，接入模型并不等于拥有了一套可用的AI系统。老系统难以打通、数据散落在微信和Excel中、管理层无法清晰描述需求，这些痛点都需要有人亲临现场去解决。于是，作为AI产品与企业业务之间桥梁的FDE，被推到了舞台中央。
招聘市场的数据也印证了这一趋势。美国招聘平台Indeed显示，FDE相关岗位从2025年4月的643个，激增至2026年4月的5330个，同比增长高达729%。国内市场上，类似的需求也在萌芽，主要源于两类主体：一类是服务于政企和大客户的模型厂商，其FDE主要负责模型的售后支持与落地交付；另一类则是个人或小团队，专门协助那些难以用好AI的中小企业提供定制化服务。
尽管需求旺盛，但商业模式尚未定型。有的按项目报价，有的收取咨询费或订阅费，还有的从降本金额中抽取分成，或将方案模板化重复出售。虽然老板们更容易理解“数字员工的年薪”这一概念，但对于改造一套工作流程究竟值多少钱，行业内仍无标准答案。
争议随之而来。有人将其誉为AI时代最值钱的新职业，培训机构更是打出“零基础三个月转行、年薪百万”的口号吸引眼球；也有人认为，这不过是解决方案架构师、实施顾问和交付工程师换了个马甲，甚至被视为缺乏含金量的外包岗位。
我们访谈了五位FDE从业者。其中，有刚毕业就接手亿元营收企业项目的新人，有日薪200元、每周工作50个小时的实习生，也有自由职业者、产品经理以及FDE社群发起人。
真正进入企业后，他们发现写代码仅是工作的一小部分，更多时候需要驻场、开会、培训员工，以理清混乱的数据和封闭的老系统。收入也未如传闻般光鲜，有人接到数万元订单，却需独自承担获客、开发、返工及运维；有人频繁出差、熬夜交付，拿到的仍是产品经理的工资。
五人的判断趋同：FDE确有需求，但远未形成成熟行业；企业渴望用AI提效却说不清需求，导致FDE承担大量沟通成本；收入两极分化，外界热传的百万年薪，现实中几乎无人真正拿到。
01.公司第一位专职FDE，项目80%的活都要参与
冯又又｜00后 深圳 内容营销科技公司FDE
今年6月底，我入职了一家做B端内容营销的公司。面试时岗位是AI产品经理，结果入职一周，我就被派往外地驻场，正式开启FDE的工作模式。
我们是一支AI原生小团队，分工并未固化。开发和前端岗位单独拆分，我是公司首位专职FDE，也是对接客户最密集的人。
传统AI产品经理通常负责画原型、写文档，再对接开发与验收，只介入项目的中间环节。而FDE则需要从头跟到尾：挖掘需求、奔赴现场、梳理业务、制作Demo、推动落地，最后还得将经验沉淀为可复用的框架。粗略计算，一个项目中约80%的工作，我都得参与。
目前我的日常工作比例约为六分沟通、四分技术，大半时间在外出差，最长一次驻场客户近一个月。典型的驻场节奏是：上午与企业负责人开会，挖掘真实的业务卡点；下午整理客户零散的诉求，利用各类AI工具快速搭建流程Demo；晚上熬夜优化方案，次日与客户闭环验证，经过多轮反复调整，直至AI方案真正落地。
图源 / pexels
我会使用Codex、Kimi、Copilot等工具来整理资料、搭建项目框架和撰写文档。过去需要开发配合几天才能完成的原型，现在半天即可搞定。但AI只能执行具体任务，产品架构设计、业务取舍、与客户沟通谈判以及最终落地决策，完全无法替代。
今年确实感觉到FDE岗位数量激增，但薪资方面并无网传那般夸张。我目前拿的仍是产品经理的薪水。不过现阶段我更看重直接接触客户、主导项目并对结果负责的机会，这些经历在别处很难获得。
该岗位仍处于探索期，各家公司的理解和要求差异巨大。例如部分企业要求FDE全包前后端开发，而在我们公司，我只负责需求梳理、原型搭建和落地跟进，后端有专职开发配合。ToB内容营销客户决策链相对简单，负责人能直接拍板推进；若是面向海量C端用户，用户诉求分散、平衡成本与体验的难度会高出许多。
我最焦虑的是，做的事情太多太广，但深度不足。沟通能力虽在提升，技术判断力却可能滞后。每天忙于解决客户问题，没太多时间思考如何沉淀出可复用的产品能力。
AI行业名词迭代极快，Prompt工程师、Agent工程师一波波更新，但我相信，即使未来不叫FDE，其中沉淀下来的能力——沟通、判断、落地，是能带走的。给想入行者的建议：别被“高薪”标签冲昏头脑，先低成本验证自己是否适合，比如从头到尾做一个产品，跟真实用户聊一聊。若你对高不确定性、强沟通和动手干活不排斥，不妨试试。
AI时代，FDE这一岗位是否会一直存在尚不可知，但能在一线解决问题的人，永远有立足之地。
02.成为FDE之后，我每天先研究别人怎么工作
@82LSF｜ 30岁 广州 自由职业
我本科攻读计算机，毕业后在广东一家上市公司从事金融风控软件开发，主要服务港交所等大客户。
去年我开始做自由职业，承接一些软件开发和AI项目。上个月，经朋友介绍，我去了一家传统餐饮连锁公司担任FDE。
严格来说，我更像一个OPC（一人公司）。我的思路很务实，先服务好这家公司积累案例，再去拓展更多客户。目前，我已沉淀下10多个行业通用的skill，这是最大的收获。
上岗第一天，我加入公司的企业微信群，没有急着写代码，而是跟随运营、市场、配送、店长，观察他们每天的日常工作流程。这一步至关重要。很多时候，客户只能告诉你希望“用AI提效”，却不清楚AI究竟该用在哪个环节。FDE需要深入业务流程，观察员工每天填什么表、写什么报告、整理什么数据，进而找出那些高频重复、无需复杂判断的工作。
摸清情况后发现，这家公司大部分工作仍靠人力填表、汇报、签合同，顶多用一用豆包，所有办公流程极度依赖桌面端。
我开始用WorkBuddy为每条业务线、每个部门开发专属skill，简化日常琐事，让无价值的重复劳动交给AI。例如自动抓取各门店营收数据的日报表、打卡异常表、进销存比价表。
这些以前需人工手动填写，每天坐在电脑前半小时甚至一小时，现在基本由AI自动完成，每人每天至少节省半小时。一个月下来，差不多省出一个人的工时。
如今skill跑通后，员工甚至无需坐在电脑前，直接在移动端微信发送自然语言指令，即可完成绝大多数重复性工作。
图源 / AI生成
很多人问FDE到底需要什么能力。
我的体会是，首先要对底层技术有系统性理解，比如把握API、MCP协议的边界。尤其在企业内部，不同岗位能接触的业务边界必须清晰，有些数据可见，有些只能查不能写，有些甚至不可见。
其次要了解所服务的行业，这点类似咨询公司的工作。你得先理解客户如何运转，才知道AI能用在哪里。
最后，也是最重要的，是沟通。相比技术，FDE的沟通能力或许更重要。若一直理解不了客户需求，或不能快速解决问题，对方也会失去耐心。
但具备这些能力，也不意味着项目一定能成。据我观察，FDE派到企业里、两三个月干不出来、最后黄掉的项目比比皆是。
至于未来，我并不焦虑。进一步看，我认为这一领域至少还需三到五年的沉淀，甚至更久，才能真正构建起成熟的产品、方法论与服务生态。
03.实习每天200块，最忙时一周工作近50个小时
哲伟｜ 00后 北京 FDE实习生
入职一个月，我对FDE最直接的感受是，网上说的和实际完全是两回事，这是一份“理想”与“现实”对比鲜明的职业。
很多人对这个岗位的印象，停留在“年薪百万”“六分沟通四分技术”“靠AI提效就能躺赚”。但落到一线，外界吹得神乎其神的AI自动化，往往是大量繁琐的“脏活”。
作为一名FDE实习生，我的日薪是200块，最忙的时候，一周工作接近50个小时，每周有三天要驻场或者出差，性价比确实很低。
早上我通常要到客户现场，先开几个小时的会，确认需求是什么、安排后续如何交付，剩下的时间全部用来写代码。如果赶上工期紧，我可能要连续写七八个小时，甚至睡觉前还要给自己的Agent留一个超长任务，让它夜里继续跑，第二天我再验收成果。
图源 / pexels
当然，熬夜赶出来的东西质量不高。但现在大家觉得，既然有了AI，开发就应该是一天一个进度。可实际上，代码生成后还需要审核、测试，这些才是最耗时间的环节。加上AI变化很快，很多概念和新东西都要学。我常常觉得自己不像在打工，更像一个“科研民工”。
入行前，我以为FDE的工作是把客户的痛点梳理清楚，然后扔给AI，人做一点微调就行。真正开始工作后才发现，客户往往有一堆老系统，你得先摸清它的运行模式和开放程度；如果客户的数据很乱，还得先做清洗。但客户会不理解，觉得自己就想要个AI功能，为什么要做那么多铺垫。
有一次，客户想在公司内部搭一个飞书AI助手。这个任务的难点不是安装，是要把飞书AI助手、我们服务器上的程序和飞书的在线表格连接起来。而这三个东西要互相通信，得加一个中间服务才行。
为了实现批量修改文件和调整样式，我们又接入了外部工具“秒搭”。但工具越来越多，排查问题也越来越麻烦。一旦出了问题，我至少要在三个地方分别排查：是中间服务算错了？还是表格数据有问题？还是AI助手的设置没写好？
本来想借助工具省事，最后却因为接入太多工具，给自己增加了工作量。折腾到最后，还是放弃了这套方案，改回了老办法，在自己服务器上搭AI助手，再用其他工具调试，反而简单多了。
我觉得FDE不像外界说的那样是解决方案架构师或交付工程师换了时髦名字，它其实是在AI加持下，把很多传统岗位合并成了一个岗位。以前可能是几个人分工的事，现在全压在一个人身上，要求不仅要懂代码，还要比客户更懂业务细节和风险。
有人说，FDE是一个过渡性岗位，两三年后AI方案定型了就不需要这么多人了。我倒不这么看，只要企业的业务流程还在不断变化，只要有新的场景需要人去理解和落地，FDE就不会消失。只不过未来做FDE的门槛会越来越低，因为AI工具会越来越强。但门槛越低，真正稀缺的反而是那些能梳理复杂业务、敢拍板技术方案的人。
长远来看，我可能会转型去做独立开发者，搞个一人公司。给别人干，琐碎的事情太多，完全没有自己的节奏。同样是解决问题，我更想用自己的方式来做。
04.FDE是“六边形战士”，我自己也没做到满格
XIAO｜ 23岁 杭州 创业
我进入FDE这一行，可以说是误打误撞。从6月到现在，还不到两个月。
我本科在北邮，硕士在南洋理工。我最早在网上看到一位博主分享FDE，我觉得自己挺适合做FDE，沟通能力不弱，对AI也有自己的理解，后面才发现他是我的直系学长，现在还成了我的合伙人。
在学长的影响下，我开始尝试用AI改造企业工作流。他帮我拍了一条相关视频，发出去没多久，第一单就找上门了。一位“厂二代”当时在自己家合作的销售公司实习，把我介绍给了老板。对方想做一套定制化CRM系统。我们先在线上聊合作意向，也聊对这个行业的认知。到了周末，我就赶去温州，把之前做过的东西一样样摆给老板看。老板看重我们年轻人有技术，双方谈得很愉快。周日当天，我们就敲定了口头协议。
现在我接触的客户，年营收基本都在1亿元以上。其中一家年营收约2亿元的供应链企业，想做一套拍照识图系统，把识别的信息自动导入ERP。
听起来不复杂，但真正做起来完全是另一回事。真正考验FDE的，不是模型能不能识别一张图片，而是能不能把企业里混乱、模糊的需求，拆成AI可以执行的工作流。客户的数据可能散落在员工微信里，ERP没有API，老板也说不清自己到底需要什么。我要先驻场了解业务，培训员工、搭建知识库，再判断哪些环节适合交给AI。
图源 / pexels
有一次，我发现一名员工每天都要重复整理Excel表格。我花了半个小时弄清楚数据从哪里来、经过哪些步骤、最后要以什么形式呈现，当天下午就让AI接手了这部分工作。FDE的能力，往往就体现在这里：不是单纯写代码，而是迅速理解业务，再把问题转化成可执行的方案。
AI执行得很快，前期摸业务却省不了。即使面对同一行业，一套方案能做到30%标准化已经很不错，剩下的都要根据客户需求重新定制。我卖的不是一套现成产品，而是能持续交付结果服务。
我的收入也远没有传说中那么光鲜。获客、驻场、交付都要自己来，每天从早忙到晚，比进大厂更累。网上说这行在美国年薪能到百万美元，但我认识的人里，拿到这个数的一个也没有。国外可能愿意为过程付费，国内只对结果买单。产品没有真正跑起来，前面做了多少工作都没有用。
不过，这并不意味着FDE赚不到钱。这个行业还处在非常早期的阶段，标准没有建立，市场鱼龙混杂。真正能力强、能把项目做成的人，确实可以拿到与能力匹配的收入，甚至高于互联网行业里同等技术水平的岗位。但高收入来自技术、业务、沟通和交付能力的叠加，而不是因为挂上了FDE这个头衔。
在我看来，FDE是“六边形战士”：懂技术、懂业务、会沟通，还得行动快、迭代快。99%的人都做不到，我自己也没有做到满格。
FDE或许只是AI进入各行各业的过渡性载体。即使它会消失，我相信也会是软件岗位里最后消失的那一批。但如果只是听说高薪，别来；如果真的想做，先从用AI给自己提效开始。
05.跑完北上深杭，我发现FDE最缺的是信任
Lawted｜全国26岁 Ha7ch FDE社群发起人
我开始做FDE，是在今年4月。
当时，一位朋友问我，有没有兴趣去一家货代公司帮忙装OpenClaw。到了现场我才发现，那位老板连豆包都不太会用。公司的跟单员每天在微信、Excel和PDF之间来回切换，读取单据、录入信息，大量工作全靠人工完成。
我觉得这些流程完全可以交给AI，于是接下第一个项目，想帮他们把整套系统换掉。
在老板和员工之间来回跑了一个月，我才一点点把流程搭出来。两个月后，系统做出来了。上传Excel、PDF等文件后，AI可以自动解析、建单和填单，员工只需要做最后的核对。
图源 / pexels
但东西做出来了，项目却黄了。老板问我，系统稳不稳定，出了问题谁负责，能不能提供24小时维护。作为单干的OPC，我没有能力保证一套系统长期稳定运行。
虽然项目没跑通，但那时FDE的概念开始火了。我把踩坑经历发到网上，分享FDE怎么工作、驻场会遇到什么问题，收获了一批流量。后来，我又在深圳、上海、杭州和北京连续组织了四场闭门会，接触了很多正在做企业AI落地的人。
跑完四座城市，我发现FDE目前只是一个“有生意、没行业”的职业。四个城市里，既有几百元、几千元的电商小单，也有几十万、上百万元的企业改造。但大项目需要组建团队，项目金额还要覆盖获客、开发、驻场、返工和运维的成本，真正到手的钱没有看起来那么多。
拿到项目也只是开始。客户只说想做AI，却讲不清需求；企业数据混乱，敏感信息难以打通；员工担心被替代，老师傅和业务部门抵制；单个任务看似跑通，串成完整流程后，准确率、模型成本和回款周期又可能失控。
但独立FDE最难的是让企业相信你。参加闭门会的人里，有六七成的第一单来自亲戚、朋友或过去积累的人脉。大厂FDE背后有公司和产品背书，可以直接进入客户现场，而独立FDE没有这些，很难获取信任。对传统企业老板来说，把业务数据交给一个陌生人，本身就是一件风险很高的事。独立FDE只能靠案例和一次次交付来证明自己。没有行业资源，也不愿意公开表达，只会闷头写代码的人，很难拿到第一张入场券。
为了解决这个问题，我开始尝试组织黑客松，让参与选手用48小时来解决企业的问题。我找来有AI改造需求的企业，也筛选想做FDE的人。由企业报销差旅，参与选手直接来到现场，在48小时内梳理需求、做出Demo。老板认可，双方就继续合作；不认可，项目就到此结束。
有一次，我们去一家律师事务所帮他们搭建系统。那里的实习生平时要处理五六百份扫描文件，再整理成一千多行Excel，差不多要花半周。而选手用AI完成识别和摘要，部分内容甚至比人工填写得更准确。48小时结束后，企业决定签下第一阶段合作，把工具稳定部署上线。
所以，在我看来，FDE更像是“AGI的补丁”，在AI还不能自己进入一家企业、理解环境并开始工作时，由人把它接进真实的业务流程。只有真正做出让企业能直观看到效果的成品，才能真正留住客户。
我觉得FDE的入门门槛没有想象中高，懂技术，也愿意进入企业理解需求，可以尝试。但真正把项目做成的门槛很高，你要让老板放心地交出业务和数据，还要在系统出问题时留下来兜底。
*题图由AI生成。应受访者要求，文中哲伟为化名。