FDE的虚与实

内容来源：笔记侠特约作者投稿。 分享嘉宾：吴昱旻，新商业作家、维思英才创始人、企业战略顾问。 责编 | 贾宁 第9856 篇深度好文：7305 字 | 22 分钟 阅读

商业趋势

笔记君说：

2026年，FDE成为AI圈最受关注的关键词之一。时至第三季度，招聘端的活跃度与讨论度持续走高，培训市场同步升温，入局者还在不断增多。

美国招聘平台Indeed的统计数据显示，FDE相关岗位从2025年4月的643个增至2026年4月的5330个，一年增长近7.3倍。

领英2026年1月发布的《全球劳动力市场趋势洞察报告》显示，2023年至2025年FDE新增岗位增长了42倍。

国内同样火热，字节跳动“豆包AI大模型FDE”，月薪3.5万至7万元，全年15薪；蚂蚁数科B端FDE，月薪4万至6万元。阿里、腾讯、各大云厂商、AI公司均在布局。2026年第二至第三季度，大厂FDE招聘集中放量。

FDE服务机构同步扩张，小红书出现“FDE课程”连载，知乎发布《2026中国FDE人才白皮书》，各类训练营、认证班从一线城市铺至县城。

上海率先将FDE人才培养纳入政府规划，实施“百千万”工程，人社部门研究FDE培训与中级职称挂钩的可行性。值得注意的是，传统信息安全领域的大厂也在加速构建自己的FDE社区，核心目标是为自家智能体产品的交付落地提供支撑。

一、FDE概念界定的纷争

FDE，Forward Deployed Engineer，前线部署工程师。这一岗位由Palantir率先规模化，核心模式是将工程师派驻客户现场，把标准化数据产品嵌入企业既有系统与工作流。

AI时代，FDE的职能发生变化。它不再只是“部署软件”，而是深入客户现场，将大模型接入业务流程。既要写代码、搭系统，也要与业务部门沟通场景、与管理层讨论ROI。

大模型能力再强，落地到具体行业和场景，中间仍存在较大鸿沟。企业需要有人将AI能力转化为业务解决方案，再将方案落地为可运行的系统。

争议始终存在：这究竟是AI时代催生的新职业，还是“新瓶装旧酒”的概念炒作？“FDE在2026年的热度，很大一部分来自概念套利。”美国斯坦福博士生、独立顾问Zaniel的判断，点出了行业核心争议。

FDE热度的本质，折射出一个更深层的问题：企业承接AI落地，究竟需要什么样的能力结构与人才画像？从实践经验来看，仅是单一的技术能力或业务能力都不够，复合能力才是答案。但市场对此缺乏共识，乱象由此而生。

二、概念膨胀与数据泡沫

据行业观察，国内标注FDE的招聘岗位中，相当一部分为传统技术实施岗更名。实施工程师、售前技术、运维工程师——企业未增设新岗位，仅将原有职位改称FDE。工作内容未变，薪酬和评价体系沿用原来的框架，在这种情境下，所谓的"FDE"只是一个新的头衔。

岗位名称虽已变更，工作内容却并未出现实质性变化；热度上升，能力建设却并未同步跟上。

这不是FDE市场在扩张，而是FDE这一概念在膨胀。真正的FDE需要大模型调用能力、业务理解能力、方案设计能力、现场交付能力——这些无法通过更改职位名称来实现。

新概念的兴起，往往会经历"命名—包装—稀释"的过程。FDE正处在由包装向稀释过渡的阶段——传统岗位的更名、培训机构的速成班、方案服务商的野蛮生长，都在加速稀释这一概念的本质。

三、服务供给的结构性错位

FDE服务机构入局速度甚至快于企业招聘。部分机构甚至拿着企业招聘的JD反向推销方案，若未真正理解客户需求，便不是在服务客户，而是在打扰客户。

FDE市场的原始逻辑清晰：企业存在AI落地需求，需要FDE人才，服务机构为企业输送此类人才。这是一个B端服务链条——企业付费，机构交付人才，人才服务企业。

而现实已偏离这一轨道，大量服务机构将目标转向个人用户——招生、开课、收费、发证，学员结业后自行寻找出路。至于所学内容企业是否认可、学员能否胜任岗位，不在机构关注范围内。培养出的个人FDE只是付费用户，而非最终客户——因为真正为FDE买单的是企业。

FDE市场本质上是培训市场的一个垂直赛道，其商业逻辑不复杂：规模化供给与规模化需求对接即可运转，但目前供需两端均存在问题。

供给端，服务机构急剧涌入，但产出质量标准参差不齐。多数机构的能力仅覆盖开班授课，却无法授予具有权威性的专业资质证书。

真实的企业项目从何而来？实训体系如何搭建？学员能力如何评估与追踪？这些关键问题，大多新兴的FDE服务机构没有能力解决，更多的是依靠外力提供客源，草台班子匆匆上马，没有专业人士主导创建实训体系，无法自证评估标准，缺乏职业化、科学高效的人力资源行业管理运营模式，也没有专业的团队支持大客户管理。

于是便出现一个悖论：FDE培训越热闹，“半成品”FDE越多。这批学员学过概念、做过练习，但未接触真实企业需求，不了解商业场景的复杂性，不具备独立交付能力。他们涌入市场，拉低价格，模糊标准——劣币驱逐良币。

将开设公开课作为唯一入口通道，没有体系化全局化思考，一味与同行拼价格，只会陷入恶性竞争。结课后不跟进业务线索，无转化，收益微薄。

培养出的FDE自行组团或流向同行——这是为自己制造竞争对手，既是挖坑埋雷，又挤压了本来尚未完全开拓出来的需求市场。

需求端，企业的真实需求存在且迫切。制造业、零售业、能源、物流等传统行业——它们看到AI趋势，意识到必须跟进，却不知从何入手。

这类企业对FDE几乎是"你怎么说怎么对"——这说明市场仍处于认知差驱动的初期阶段。问题在于，这些企业分布分散，彼此无关联，如同身处各自的信息茧房，对FDE服务标准与价格缺乏认知。服务机构难以触达它们，它们也难以找到可靠的服务商。在双向奔赴的路上，充满了坎坷、挑战与变数。

头部大厂有明确的FDE需求与充足预算，但倾向于自建团队或与有组织、有体系的机构（如技术咨询公司、软件外包商等）长期合作。企业客户更信任这类成建制的服务方，而非以OPC（One Person Company）自居的散户FDE——后者的交付能力与稳定性均难以验证。

整个市场的矛盾在于：服务机构扩招学员，企业扩招人才，但两者始终无法有效对接。

这一矛盾背后存在一个认知偏差：市场将FDE定位为标准化技术工种，而企业需要的是高度个性化的复合型人才。认知错位是供需无法匹配的深层原因。

四、外企的决策逻辑

如果说国内企业对FDE的态度是“热”，外企则呈现另一种节奏。FDE模式虽由头部科技外企验证成功，但传统行业的在华外资企业呈现不同节奏。

FDE模式本身即由美国大数据分析公司Palantir首创并规模化验证。2023年4月，Palantir推出AIP平台，随后启动由FDE主导的“bootcamp”——将工程师派驻客户现场，在3至5天内完成从数据建模到LLM应用交付的全流程。

截至2024年底，Palantir已举办超1000场AIP bootcamp，且高比例转化为百万美元级合同。2026年5月，OpenAI更进一步，宣布成立OpenAI Deployment Company（内部代号DeployCo），初始投资超40亿美元，并收购英国AI咨询公司Tomoro（约150名FDE和部署专家），直接将工程师派驻客户组织内部重构工作流。

Anthropic同年联合黑石、高盛等机构成立AI原生企业服务合资公司，投入15亿美元，同样采用FDE嵌入模式。

但这些头部案例并不代表外企整体节奏。尤其是传统行业的在华外资企业，他们不是不认可FDE的价值，而是其成本核算更严格、决策周期更长。

这些外企在技术采用上呈现出一个特征：one-step behind。不追最新，只追最稳。新概念出现后，他们会观察、研究，但不会立即跟进。待市场完成一轮验证、问题暴露充分后，再决定是否入场。这不是保守，是成本控制的逻辑。

FDE同样遵循这一逻辑。外企关注的核心是：这一岗位能否降低成本？若能，再追问：在现有资源不变的条件下，能否实现增效？这两个问题若无法回答，预算便不会获批。

运营职能——供应链、财务共享、客户服务、人力资源——长期使用已跑通的SaaS工具。流程稳定，人员熟悉，成本可预测。引入FDE意味着增加人力成本、调整流程，财务测算大概率不予通过。

更关键的是，这些SaaS产品本身在迭代。Salesforce、SAP、Oracle、Workday正在将AI能力嵌入产品。外企普遍采用Workday，因其系统成熟、体系稳定、可信度高。此前需人工配置的功能，现在AI可自动完成；此前需FDE现场调试的环节，全球SaaS厂商直接在线升级。

人力资源场景中，Workday已在薪酬核算、组织架构调整、人才盘点等环节嵌入AI能力。供应链、财务、客服等领域同理——SaaS能力越强，FDE"部署"的空间越小。

另一个结构性掣肘：外企IT基础设施多部署于全球服务器，本地企业级部署需总部授权。即使中国区认可FDE价值，落地仍需全球总部决策与授权。FDE若未从全球总部层面分派，本地团队通常难以独立推进。这不只是意愿问题，更是权限问题。

但外企并未完全关闭FDE的大门。其入场方式与国内服务机构的预期不同。外企在运营侧更倾向于“人机协同共生”的状态。

他们不急于将岗位完全交给AI，也不急于引入大量FDE改造流程，而是在现有系统与人员基础上，逐步探索AI的嵌入环节。这种探索常以“手搓”开始——业务部门员工自行搭建智能体、开发轻量级应用，解决具体问题。这类探索不会形成热潮，但也不会迅速消退。它是一条缓慢但持续的曲线。

对FDE服务商而言，外企市场并非不可进入，但无法采用“批量培训、批量输送”的方式。

五、FDE能力的非标性

最好的FDE不是万金油。他们无法仅靠培训速成，更需要在具体业务中长出来——有足够深厚的行业积淀、扎实的专业功底、成熟的职业认知与素养，以及经过项目锤炼的实战经验，才能真正服务于企业。

即便是已跑通FDE服务的供应商，也面临共同的挑战：FDE的行业与专业背景，是应对需求差异的根本。客户需求的差异性本身不是难题——FDE若具备深厚的行业理解与专业领域知识，需求差异可被消化。但目前市场上选拔FDE学员的标准，多集中于技术开发人员，较少从业务侧培养。

这是市场认知的缺失。如同当年项目经理、BA、产品经理的出身问题一样——先有技术背景再做业务，还是先有业务背景再补技术？事实表明，人才来源可以多元化。经过补缺式培养，复合型人才是最终画像。

技术的本质是工具，业务的本质是问题。FDE的核心价值不在于掌握多少工具，而在于面对复杂问题时快速理解、拆解、解决的能力。

一个合格的FDE，其适应性与判断力无法标准化——好的顾问知道在什么场景用什么方法，辨别真问题与伪命题。这种能力，无法通过统一教材和标准化考试培养。

FDE服务商最棘手的不是技术问题，而是让学员理解客户的实际业务。客户表述不清需求，学员也问不出真实诉求，往往导致项目推进方向偏离。

FDE不是“学了就能干”的岗位，它需要在真实场景中积累经验。若FDE市场继续以低标准运行，迟早会损害自身信誉。企业只会为真正解决问题的交付付费，不会为光鲜的名头买单。

或许可以换个视角，某老牌制造业外企HR运营团队与HR敏捷团队的负责人均为技术出身，他们以工程师思维要求HR，以产品经理能力培养HR。

这样的HR团队，通过轻量级FDE培训即可转化为FDE——基于业务与职能成为高配FDE，满足企业内部需求，支持业务成长。这揭示了FDE培养的另一条路径：从企业内部生长，而非从外部批量输送。

六、物理AI的另一条路径

FDE的落地离不开底层技术的支撑，而底层技术范式的演进，正在重新定义FDE需要具备的认知边界。

2024年图灵奖得主、强化学习之父Richard Sutton在HICOOL 2026全球创业者峰会上的发言提供了另一个维度的思考。他的核心判断与大模型主流范式不同：人类标注数据无法培养真正的智能，机器必须通过与物理世界的真实试错实现自主成长。

Sutton强调强化学习（reinforcement learning）的核心价值——模型从经验中实现持续学习（continuous learning），在交互中持续深化对世界的理解，并将学习成果反哺模型。他选择的物理入口是触觉——让机器在接触物体时获取力、纹理、形变等物理信息，通过试错积累经验。

这指向一个更深的命题：训练场与部署场可以是同一概念，但场景切换对模型构成严峻挑战。训练环境可控、可重复；真实业务现场充满不确定性——物料堆叠、光照条件、设备状态随时变化。在一个场景中训练出的模型，换一个场景可能失效。

这正是物流与工业制造正成为具身智能优先商业化的场景探索方向的原因。这两个领域有明确需求、可量化ROI和相对标准化的流程。物理AI的早期答案，可能先出现在工厂——真实产线不会因新概念的出现而降低门槛，但一旦验证价值，复制速度会很快。

这指向一个对FDE培养至关重要的命题：当AI从数字世界走向物理世界，FDE不仅要知道“如何调模型”，更要理解“物理世界如何运行”。培养体系需从两个维度发力。

第一，实战淬炼。FDE的核心能力无法仅靠课堂和实验室培养，必须在真实产业压力下淬炼。目前国内已有部分培训项目尝试将学员派驻工厂、银行、医院等一线场景，将大模型能力嵌入真实业务流程。

这类培训跳出上机考试，以企业真实难题为课题，要求学员完整走完从开发到交付的全流程，项目成果能否落地业务场景是结业认证的核心标准。

另有部分项目按初级、中级、高级三级进阶设置课程，分别对应普惠赋能员工、领域交付工程师、企业智能体工程负责人三类岗位，让不同基础的学员都能找到适配的成长路径。

第二，认知升级。北京大学武汉人工智能研究院常务副院长夏文华认为，合格的FDE需同时具备三大核心能力：AI底层基座构建能力、智能体工程全流程演进能力、深度业务组织流程理解能力。

前两项可通过课程与训练培养，但第三项——"深度业务组织流程理解能力"——要求FDE理解的不只是代码和算法，而是整个物理世界的运行逻辑：产线如何运转、供应链如何流转、设备如何协同、人如何决策。

上海市相关部门提出搭建贴合物理规律、高因果性的世界模型与物理AI算法体系，同步打造虚实融合具身实训场，让AI从“会思考”进阶到“能实操、可落地”。这意味着FDE的培养不能停留在工具使用层面，而应构建从物理世界认知到AI工程实现的完整思维框架。

七、适用即可的三位一体

面对这些现实困境，部分FDE服务商开始探索新的服务模式。核心思路是：不再只提供培训，而是提供"适用即可"的组合方案。

这一方案通常包含三个层次：培训，包括课堂教学与hands-on带教，学员在真实或接近真实的场景中动手操作；外包，服务商直接派出FDE团队入驻客户现场，承担部署与交付工作；人才推荐，服务商将经实战检验的FDE人才推荐给企业客户。三个层次之间无硬性界限，企业按需选用。

“三位一体”的逻辑，核心在于降低企业的决策门槛。FDE对企业尚属新事物，多数客户还无法确定自身需求，也不能很好地评估投入产出比与风险。若服务商仅提供单一选项——“要么来上课，要么包干”——客户决策成本较高。若将培训、外包、人才推荐作为并列选项——不同需求对应不同方案——客户的顾虑可被拆解为逐步验证的小问题。

“适用即可”四字，说起来简单，实施起来难度不小。它要求服务商同时具备培训能力、交付能力和招聘能力，这三项能力对应不同团队、流程与资源。

能打通三者的服务商目前不多，但方向是明确的——从“卖课程”转向“卖解决方案”，从“一次性收入”转向“全周期服务”，这条路才有可能真正打开FDE市场。

八、供需错配的根源

诺贝尔经济学奖得主罗纳德·科斯在《企业的性质》中提出，企业的本质是市场机制或价格机制的替代物。

企业之所以存在，是因为它能够以低于市场交易成本的方式组织生产。按此逻辑推演，企业愿意为FDE付费，根本原因在于FDE能够以更低的内部协调成本，替代企业自行摸索AI落地的外部试错成本。如果FDE服务无法降低这个成本，企业在财务模型上就没有付费的理由。

三类需求并列——传统企业急需、大厂自建、外企渐进——FDE培训市场的问题清晰可见：它在为一个“想象中的需求”批量生产人才。

传统企业确实需要FDE，但分布分散、预算有限、采购流程不透明，服务机构难以有效触达。大厂有需求，但要的是顶尖人才，而非培训班流水线产出的标准件。

外企有预算，但有自己的节奏与方式，服务机构难以轻易撬动。

然而，大多数服务机构对此并不关注。只要招生量足够、开课频次够高，财务模型即可成立。至于学员毕业后去向、企业需求是否得到满足——不在考核范围内。

一边是服务机构扩招学员，一边是企业客户持续观望，两端之间的缺口持续扩大。

FDE概念的兴起，是AI行业从技术驱动转向场景驱动的标志。大模型不再只是论文中的指标，它必须进入工厂、仓库、门店、医院、学校，解决具体问题。FDE是将技术带到现场的人。

这一需求真实且将持续增长。

但被培训泡沫催熟的市场难以健康发展。当相当比例的岗位仅是更名，当培养出的学员流向竞争对手，当供给与需求各说各话，当外企仍在缓慢试水——这些问题指向同一根源：扩张过快，沉淀不足。

FDE培训需要回答的基本问题：学什么、如何学、学成后能做什么、交付成果企业是否认可。

这些问题尚无标准答案，需要行业与学术界、研究机构协同探索（产学研一体化），在实践中逐步形成共识。企业也需明确：自身需要什么样的FDE、解决什么问题、愿意为哪些能力付费。

外企对FDE的价值尚未完成评估。待评估完成、市场条件成熟，真正的需求才会释放。在此之前，靠培训撑起的市场热度难以持久。

FDE的赛道很长，但盲目扩张只会将卖方市场转为买方市场。政策导向是“培育”而非“放任”，市场真正需要的不是更多持证者，而是能扎根现场、解决真问题的人。稳健前行的，比急于求成的，更可能走到最后。

*文章为作者独立观点，不代表笔记侠立场。

好文阅读推荐：

分享、点赞、在看，3连