FDE热背后：企业缺的不是AI，是“把AI用对”的能力

笔者最近在招聘平台上注意到一个耐人寻味的数据组合。

猎聘大数据研究院发布的《2026 FDE人才供需趋势洞察报告》显示，FDE相关职位平均年薪达到40.8万元，6月招聘需求环比增长237.21%，8月单月职位量已接近上半年总和。美国市场同样夸张，FDE岗位从2025年4月的643个暴涨至2026年4月的5330个，一年增长729%。

但与此同时，MIT调研显示，95%的企业AI项目未能产生可量化利润。HCLTech的报告则指出，43%的大型AI计划预计将会失败——原因不是缺乏工具，而是“难以将雄心转化为一致的、全企业范围的结果”。

岗位在暴涨，失败率居高不下。这两个数据放在一起，指向同一个结论：企业缺的不是AI能力，而是“把AI用对地方”的能力。

“能做”和“该做”，是两道完全不同的题

过去两年，企业AI投入的逻辑很简单：模型能力在提升，那就先用起来。但试点的结局高度一致：Demo阶段效果惊艳，进入真实业务流程后迅速失效。

腾讯研究院的观察切中了要害：超过60%的企业AI试点停在实验阶段。瓶颈不在“模型能不能做”，在于“组织怎么用”——如何接入系统、嵌入流程、满足合规、产生可衡量的业务结果。

这个判断隐含了一个更根本的问题：企业往往在没想清楚“该让AI做什么”之前，就急着让AI去做。

Palantir二十年前遇到的是同一个困境。2003年，创始人拿下五角大楼和CIA的第一批客户时发现，机密数据不可能交给外部开发团队，于是做了一个在当时看来极为笨拙的决定：把工程师直接派到客户现场，和用户并肩工作。FDE这个岗位由此诞生。

二十年后，同样的困境在AI行业重现。银行不敢把客户数据直接喂给大模型，工厂不知道怎么把模型接入生产线质检系统。技术是现成的，问题出在“从技术到场景”这段路上，没有人负责走完。

FDE在做的事：从“翻译需求”到“定义问题”

企业招FDE，表面上是招一个“懂技术的业务人”。但FDE真正的价值，在于它改变了AI落地的起点。

传统交付模式的起点是“需求已经明确”。但2026年的企业AI场景，客户往往连“问题是什么”都说不清楚。某位FDE描述过他服务一家地产公司的经历：跟着业务员外出踩盘，发现对方需要手动记录店铺信息、电话和坐标，回来后就开发了一个拍照自动识别录入的工具。“只有深入一线，跟着跑一遍流程，才能发现哪些业务细节需要被优化”。

猎聘报告中的技能关键词变化印证了这一点。近一年FDE新发职位中，“交付”位居技能关键词第一，其后是“Agent/智能体”“解决方案”“驻场/现场”。企业关注的重心已经从“模型能力”转向了“方案能不能进入真实场景并产生价值”。

科锐国际轮值CEO曾诚的判断很直接：AI人才竞争正在从通用能力转向场景落地，“不再是所有AI岗位都热，而是该热的更热，不该热的自然降温”。企业愿意为FDE支付远高于普通IT技术岗的薪酬——50万以上职位占比28.25%，而全行业这一比例仅为6.84%——本质上是在为“把模糊需求变成可交付成果”的判断力买单。

但企业需要想清楚一件事：FDE不是一个人，是一套机制

当前企业对FDE最大的认知误区，是把它当成“一个岗位”来招聘。

腾讯研究院的报告明确指出，FDE的本质不是新岗位，而是交付模式的范式重塑——把售前、实施、产品和客户成功的能力重新组合到一个前线小队，让交付与学习同时发生。FDE与传统驻场的本质区别，在于项目结束后是否沉淀为可复用资产。只留给客户一个系统，是外包；把现场经验转化为可复用的Skill、模板或产品能力，才是真正的FDE。

InfoQ的一篇分析把这个逻辑讲得更透彻：FDE横跨多个岗位，不代表公司要让一个人做完所有人的工作。组织后方仍需要项目管理、测试、部署、运维等能力，只是这些能力会越来越多地被封装成工具和Agent，由前线FDE直接调用。企业招一个FDE，背后需要有一整套支撑体系。没有这套体系，FDE就只是换了个名字的外包。

明略科技披露已有约30%的交付人员转型为FDE，火山引擎与安永计划搭建千人级FDE团队。但东方证券的研报指出，国内FDE尚处在探索期，整体以大厂内部需求驱动为主，对外商业化服务尚未成熟。大量中小企业既没有能力自建FDE团队，也没有成熟的第三方FDE服务可以采购。

对职场人来说，要求变了

FDE的热度让很多职场人开始思考转型。数据显示，产品经理正在成为FDE的重要人才来源，跨行业经历加AI开发经验被视为核心优势。

但转型FDE需要补的课，不是学更多技术。

上科大的劳动力市场报告给出了一个值得参考的判断：企业招聘逻辑已发生根本转变，不再局限考察单一专业技能，优先吸纳可独立完成需求、执行、校验、汇报完整工作闭环的求职者。FDE的复合能力要求——工程能力、业务拆解、跨层级沟通、产品抽象思维——本质上指向的是同一个东西：把一件事从模糊的“想做”推进到可验证的“做成了”的能力。

AI让工程执行变便宜了，但让判断能力变得更稀缺。腾讯研究院的报告对此有一个精炼的总结：前线角色正在从“写代码的人”演变为“指挥AI完成业务的人”。

这意味着职场人需要重新理解自己的价值定位。如果你过去的价值在于“能把事情做出来”，那么AI正在压缩这部分溢价。如果你能把“客户说不清的需求”翻译成“AI能执行的方案”，并且对最终的业务结果负责，那你的不可替代性反而在上升。

企业需要的不再是更多会调模型的人，而是能回答“这个模型应该在哪个流程里、解决哪个具体问题、以什么标准衡量成功”的人。这个问题，AI回答不了。