这个据说年薪百万的岗位，到底是干什么的？

FDE。

前置部署工程师。

这是一个，跟着大模型和智能体爆火的岗位。微软，亚马逊，OpenAI砸下几十亿美元的重金，专门为这个岗位成立了新公司。他们在纽约招人，在东京招人，满世界招人。甚至，专门招了负责招聘FDE的人。中国的一些AI公司，很快也加入了进来。

但跟着爆火一块儿来的，还有各种各样的传闻。比如，这个岗位，现在随随便便年薪百万，值得你赶快转型加入。比如，第一批转做FDE的人，早就赚疯了。比如，什么FDE，不就是软件行业的驻场外包吗，跟着AI起了个糊弄人的新名字而已。

那么，哪个是真的，哪个是假的？这个FDE，到底是干什么的？为什么会突然爆火？真的就是软件行业的驻场外包吗？真的能随随便便年薪百万吗？这活儿我干得了吗？

我做了不少研究。

今天，和你聊聊我的看法。

01

这个FDE，到底是干什么的？

是来补齐AI落地的“最后一里路”的。

什么意思？

这两年，很多公司，可能都有过这样的经历。

看到一个AI工具的演示，嗯，真好！能写代码，能读报表，能答问题，样样精通。这就请回办公室，好好用起来。但是，真请回来，用了一个月，又会发现，咦？怎么变笨了？

一项名叫Project NANDA的研究，在追踪了一大批企业的AI试点之后也显示，大约有75%的项目，在6个月里没能跑出一个算得清楚的回报。而且，像是ChatGPT、Copilot这样的通用工具，从试点走到落地的成功率，反而更高。

为什么会这样？

不是因为，模型不够聪明。通用工具，已经证明了模型的聪明。而是因为，从用上AI，到用好AI，中间还有一道巨大的鸿沟。有人还给这道鸿沟起了个名字。

集成税。

在一个AI项目里，工程师大约有80%的时间，是花在集成而不是调模型上。他要打通你公司里那5-8个互不说话的老系统，要清洗那些又脏又乱格式还对不上的真实数据，要一道一道地过权限校验。否则，撞上真实世界里残缺的、畸形的、模棱两可的数据，AI工具的准确率，就会大幅下降。

这就是为什么，这两年FDE会突然爆火。

因为你可能就需要一个人，来帮你越过鸿沟。

他要帮你找准痛点，先搞清楚问题出在哪儿。他要帮你选对切口，找一个最容易失败，又最容易见效的地方先切进去。他要帮你跑通原型，在你真实的数据、真实的流程里，先跑起来一个能用的东西。他要帮你把账算清，确定省了多少时间，多赚了多少钱，少担了多少风险。最后，他要让AI自转，没有他，一切也能顺利运行。

他写生产代码，嵌入现场环境，对结果负责。

什么时候，你不需要FDE了。什么时候，FDE的活就算干完了。

毕竟，模型再厉害，也只是发动机。发动机再猛，终究不是车。

FDE，就是那个把发动机装进你这辆具体的车，再陪你把具体的、坑坑洼洼但真实的路跑通的人。

02

说了半天，不就是软件行业的驻场外包吗？

有本质的不同。

FDE和驻场外包，确实有一条非常相似的轨道。

这条轨道，从公司，指向客户。都是把有专业能力的人，派到客户的现场。都是陪着客户，帮着客户，真的把东西用好。

以前，我其实就是干这个活的。1998年，我大学毕业。1999年底进微软之前，我在一家软件公司上班。每天的工作，就是背着包，全国到处跑，去客户那里帮人家写代码。

为什么要专门跑过去？因为，软件就在那，数据库就在那，操作系统就在那，但客户就是用不起来。怎么回事？为什么？怎么办？我得过去看看。然后，帮客户把这套东西按需求定制好，让客户用得顺手。

那个时候，我常常一去就要封闭开发。晚上出不来，就打帝国时代。

但是，这条轨道，有个天然的缺陷。

定制，是一件没有边界的事情。你要满足客户的需求，就要先搞清楚他的需求。可是，客户的真实需求是什么？他自己往往也说不清楚。只能先做出来，再看。一旦再看，做出来就是不对，得返工。再做，还是不对，再返工。很多时候，你只能通过先做再返工的方式，陪着客户搞清楚需求。

然后，本来报价5个人干6个月，最后可能砸进去一年半。干完，可能还有20%的尾款收不回来。

于是，很多软件公司，就掉进了一种“堆人头”的陷阱。项目越多，需要的人就越多。需要的人越多，公司就越重。

但是，真正的FDE，还有第二条轨道。

这条轨道，从客户，指向公司。FDE去到现场，不能只是把这一单的定制干完就算了。他得把现场那些个性化、定制化的东西带回来，反哺进自己的公司，一块一块，沉淀出相对标准化的能力。

举个例子。

Palantir有位叫Nabeel Qureshi的FDE，曾经因为空客A350的项目，直接搬到法国图卢兹住了一年。每周四天，他都泡在空客的工厂里，跟一线工人并肩干活，硬是把海量杂乱的SAP数据表，映射成了“零件，工单，飞机”这种一看就懂的结构。结果，A350的制造速度，提升了4倍。

后来，这套在现场趟出来的东西，被带回了Palantir，产品化成了平台上的一个标准功能。

这样一来，需要派出去的FDE的总量，从长期来看，总是会越来越少的。

因为有了相对标准化的能力、产品，公司就能不在继续堆人头的前提下，服务更多的客户。

03

做FDE，真能随随便便年薪百万吗？

当然不能。

年薪百万，确实存在。

根据招聘平台的信息，国内头部大厂给FDE开出的薪酬，确实有机会摸到百万这条线。但是，这个“机会”，很多时候是用月薪上限算出来的理论值，并不是普遍到手的数字，更不是刚入行就能拿到的数字。

百万，是值得部分人冲击的目标，但不是所有人的起跑线。

那么，为什么有人能摸到百万，有人就摸不到，甚至差得很远？

因为，站的轨道，不一样。

如果，你只是站在第一条轨道上，负责把东西往外交付。那么，你的不可替代性，是相对弱的。换一个人，也许也能干。也能干，价格就会相对低。在账本上，也会更靠近“成本”那一侧。

但如果，你还站在第二条轨道上，能把现场的经验反哺回来，手里握着技术决策权，和那条产品反馈的回路。那么，你就是相对稀缺的。越是稀缺，就越是值钱。你能带回那些场景，能带回那些说不清的行业know-how，能沉淀出公司未来的竞争力。在账本上，你也会更靠近“资产”那一侧。

就像厨师。

照着菜谱，稳稳出餐的，叫厨师。给整个连锁品牌，研发出下一道爆款菜品的，也可以叫厨师。

都是厨师，但会是完全不同的身价。

FDE，也是如此。

能把一次交付，变成一整套可复用能力的人，是极度稀缺的。

放在绝大部分行业里，也都是如此。

04

那么，这活儿我干得了吗？

应该说，胜任FDE的门槛，还是挺高的。

一个合格的FDE，身上得有三样东西。

1）技术。

你要能在客户的基础设施上，提交生产级的代码。注意，是生产级，不是demo阶段可以跑、进真实环境就崩的脚本。你得懂大模型应用怎么开发，懂怎么让它在又老又乱的系统里稳定运行。

2）业务。

你既要能听懂行业黑话。又得深耕一两个行业，熟悉流程，了解痛点，理解拍板的逻辑链。还得是一个翻译，在模型架构和客户的语言间来回切换。

3）软技能。

你得能一个人扛事。因为你是技术代言人。很多时候，你的身边没有支援，得独立开展工作。

这三样东西，任何一项接近0，乘积就会接近0。

技术再牛，读不懂业务，就做不出客户想要的东西。熟悉业务，写不出生产级代码，就变成了提需求的角色。两样都行，扛不住现场的长期不确定性，你也待不下去。

百万年薪，不是随随便便就能拿的。FDE，也不是随随便便就能干的。

那是一个，极其专业的复合体。

最后的话

好了。

关于FDE，我们就先聊到这里。

所以，为什么会突发奇想，要专门来聊聊FDE？

因为，在这个时代里，突然出现，又突然爆火的新名字，真的太多太多了。

有的，不难理解。有的，不好理解。有的，容易误解。

一旦误解，后面的动作，就容易跟着错。

作为个体，看见爆火，看见有人转型，看见有人年薪百万，也想加入。这很正常。但是，未必合适，未必胜任，未必也能拿到那个数字。作为创业者，可能也会招错人，或者以不匹配的价格招人，甚至重新掉进“堆人头”的陷阱。

所以，今天专门来聊聊FDE。一方面，是想分享自己真实的看法。另一方面，也是希望能给你多一个角度的参考，帮助你最终看懂。

嗯。看懂。

PS：

FDE，只是一个开始。

AI真正进入公司之后，还会改变一整套工作的方式、组织的方式，甚至做生意的方式。

这些变化，我会在2026年度演讲中，做一次系统的分享。

早鸟票现已开售，我们上海见。

▲点击抢购限时优惠早鸟票

观点/ 刘润主笔/ 二蔓值班编辑/ 橙子版面/ 黄静

这是刘润公众号第3076篇原创文章。未经授权，禁止任何机构或个人抓取本文内容，用于训练AI大模型等用途

品牌推广培训合作商业咨询 | 润米商城| 转载开白 | 企业AI落地