最近一个月，FDE（Forward Deployed Engineer，前置部署工程师）这个岗位的新闻没停过：OpenAI 砸 40 亿美元成立专门的部署公司，Anthropic 把工程师直接派进金融巨头 FIS，谷歌云一口气要招几百人。
国内的更直接，字节的"豆包 FDE"挂出月薪 3.5 万到 7 万、一年 15 薪，蚂蚁数科、智谱的招聘里也写着 FDE 三个字。
领英的报告说，这个岗位的数量两年涨了 42 倍，比 AI 工程师快三倍。
为什么 FDE 突然这么抢手？因为模型已经够强了，接下来要靠真实的业务赚钱。AI 公司砸在模型研发上的成本已经太大，模型能力也到位了，下一步就是把它接进企业，解决真实的问题，换回利润。而大家天天说的企业 AI 转型，真正动手干这件事的人，就是 FDE。
但你去读这些岗位描述，说的全是需要什么能力、大概会做什么。新闻看完了，还是不知道这份工作每天到底在干什么、想入行该怎么转。
所以这篇文章不分析概念，从真正从业者的一手分享入手：
- 在 Palantir 干了八年的工程师写的长篇复盘
- OpenAI FDE 负责人的两场访谈
- 从谷歌跳去做 FDE 的工程师的视频自述
- 满深圳跑的创业者
- 在电力行业驻场两年的匿名长帖
- 还有 Reddit、Blind、小红书上的真实吐槽。
在从业者的角度，回答五个问题：
- FDE 每天干什么？
- 中外区别在哪？
- 什么人适合、需要什么能力？
- 怎么转 FDE？
- 为什么是最适合创业的岗位？
海外 FDE：工作强度极大
一周跑四五个循环迭代
把日常讲得最清楚的，是 Nabeel Qureshi。他在 Palantir 做了将近八年 FDE，2024 年写了一篇流传很广的复盘，后来又在播客里把细节补全了。
他的一周是这样过的：周一进客户办公室开会，周一晚上把东西做出来；周二拿给客户看、收反馈，周二晚上改；周三再拿给人看，周三晚上再改。一周能跑四五个这样的循环。“六周之后，你手里就有了一个客户愿意花两千万美元买的东西。”
几乎所有时间都在客户公司上班
Nabeel 的第一个大项目是空客。
他直接搬去法国图卢兹住了一年，每周四天在 A350 总装线旁边上班。
做的东西，他自己总结叫"造飞机版的任务管理软件"：把工单、缺件、质量问题揉进一个能打勾、能看进度的界面。
后来他做美国国立卫生研究院的项目，有自己的工作证，天天和公务员、生物学家、临床医生坐在一起办公。
出差强度也是大的离谱。
“接到电话，订第二天一早的机票，随机飞到一个地方”，在 Palantir 是家常便饭，文化就是"先上飞机，再问问题"。
很多 FDE 飞成了美联航最高等级的会员，一年要飞十几万公里。
写代码的时间并不多，最多的是沟通和分析需求
Palantir 在 2015 年的官方招聘视频里，FDE 自己报的数是：理想的一天，40% 到 50% 写代码，20% 处理杂七杂八的技术问题，剩下的时间全在挖数据、搞清楚问题到底是什么。
写《The Pragmatic Engineer》的资深工程师 Gergely Orosz 给的是毒舌版：这份工作的真实构成，约 25% 写代码，50% 做集成、接数据管道，25% 开会和安抚客户。
从谷歌离职去做 FDE 的工程师 Anu 在自述视频里说得更直接：“有些天，沟通占了工作的 80%。”
在谷歌，她有整块的不被打扰的写码时间，产品经理替她挡住客户；现在，“你就是那个和客户坐在一个房间里的人”。
还有一位在创业公司一人带十个客户的 FDE，写过一篇周记，开头是：“等我抬起头，已经下午六点，一行代码都没写。这种情况比我预想的更常见。”
FDE 不光鲜的那一面
Excel 和数据权限的地狱
Nabeel 复盘里最没有滤镜的一段，是讲数据：“数据散落在各种没法直接分析的格式里，PDF、笔记本、Excel 文件。我的天，多到爆的 Excel。”
更折磨的是拿数据的过程。“客户买了一个 8 到 12 周的试点，我们把整个 8 到 12 周都花在搞数据访问权限上，最后一周连滚带爬拼出一个能演示的东西。“卡住项目的不是技术，是客户内部的部门墙。
当着客户的面修 bug
Anu 讲过一个时刻：演示现场出了问题，她当场调试，心里想的是"这要是修不出来就太丢人了，人家可是付了钱的”。这是这个岗位和普通工程师最大的不同：没有"下个迭代再修"这个选项，今天的问题今天必须解决。
Reddit 上一位网友的版本更生动：他和一个 Palantir 的朋友去爬山，朋友在山顶打开了工作电脑修 bug。
这一行，就是吃苦
Palantir 总裁 Shyam Sankar 有句内部名言，由一位做过 FDE 的投资人在播客里转述：FDE 的工作，就是"吃进痛苦，排出产品”。
一位前 Palantir FDE、后来负责 FDE 招聘的人说，他们筛人的核心标准之一，就是"愿意吃苦的坚毅"：“做 FDE 是痛苦的，这些人得真的相信自己能做成不可能的事。”
她自己的记忆是：和两个同事在德国小镇待了好几周，每天去客户的工厂车间，“现场看到的东西，和合同里签的，完全是两回事”。
中国 FDE 的一天：满深圳跑，趁人喝水时提问
一个中国 FDE 的日程表
国内把日常讲得最具体的，是深圳的 Lawted（媒体采访中的化名）。他是前大厂程序员，拿到了哈佛的录取通知，决定暂缓入学，先做 FDE 创业，理由是未来一两年是传统企业 AI 改造最好的进场时机。
他的一天：
- 上午跑到各种公司去调研，看业务流是否适合 AI 改造
- 下午驻场观察，趁业务员喝水的间隙凑上去问问题
- 晚上梳理白天的需求，做系统开发
“以前我只要坐在办公室等着别人提需求，现在是满深圳跑，找公司、找老板。”
他入行的起点很有代表性：一家物流公司找到他，这家公司四五十个人里，有二三十个人每天的工作是把客户发来的 PDF 里的单号、地址手动抠出来，录进 Excel。
他用 AI 编程工具搭了个演示，原来人工几分钟处理一份的 PDF，AI 几秒钟解析完，对方当场签了意向合同。
两年 FDE 经验的踩坑分享
知乎上一位电力行业的从业者，写过他做三个企业 AI 项目的全过程，是中文互联网上关于 AI 驻场交付最实在的一手材料。几段原话：
“做了三个企业 AI 项目之后，我发现一个很残酷的事实：90% 的甲方根本不知道自己要什么。你问’你想用 AI 做什么’，十个甲方九个说’像 ChatGPT 那样’。”
一个智能问答系统，从需求到上线隔了六个月，中间改了三次需求。
甲方的扫描件 PDF 没有文字层，光解析就花了三周，“甲方不理解为什么这么慢：不就是上传文件吗？”
后来他学精了：“做演示的时候，故意展示一些错误回答。让甲方看到 AI 不是万能的。企业 AI 落地最大的敌人不是技术，是预期管理。”
最扎心的是上线之后：600 多人的单位，每天用系统的不到 10 个人。
后来把 AI 嵌进 OA 审批流自动推送，使用量才翻了五倍。他的报价铁律：数据清洗至少占总成本的 30%，运维至少占 20%，这两块不能省。
他还顺手描述了中国特色的交付环境：客户内网不能连外网，驱动、CUDA、几十个 GB 的模型权重，全得提前下载好，用硬盘带进机房。
国内的薪资和门槛
上海一家 AI 公司负责 FDE 招聘的赖骏骋（化名）给了最实在的数字：他们公司低职级 FDE 月薪 2 万到 3 万，高职级以年包为主，40 万以上；年薪百万确实有，但集中在顶尖人才，不是行业平均。
对照大厂：字节的豆包 FDE 挂出月薪 3.5 万到 7 万、一年 15 薪，顶格算下来一年约 105 万。
他对这个岗位的定义很解构：软件公司里"除了写代码和行政以外，处理所有事情的大管家"。
他自己就是从实施工程师、售前、产品经理、项目经理一路整合过来的。
招人最看重两点，学习能力和洞察本质的能力，专业不卡：“团队里学设计、小语种的员工，都做得非常出色。”
小心不要变成驻场外包
要理解中国 FDE 的处境，得先看一段 2021 年的驻场自述。注意，这是 AI 火之前的传统 IT 驻场外包，不是 FDE，但它是中国 FDE 最怕滑进去的那个大坑。
那位工程师写道：在甲方吃饭要避开大领导，因为领导的原话是"怎么农民工也能进来吃饭的"；
甲方信息部门从主任到合同工，每个人都想把手里的工作分一部分给驻场的；
办公室在四楼，饮水机在一楼，四楼有烧水壶，但仅限甲方员工使用。他最后主动降薪 50%，逃离了驻场岗位。
今天小红书上做 AI 落地的人，吵的还是同一件事。
一条帖子的标题就是质问：“99% 的 FDE，不就是外包和陪跑？”
给客户做咨询、做定制工作流、教客户用 AI，“说白了还是换个高大上的新词儿来忽悠人”。
中外对照
中国 FDE 的陷阱
把两边的一手材料摆在一起，差别就出来了。
海外的标杆是这样的：OpenAI 的 FDE 给金融科技公司 Klarna 做客服系统，把解法沉淀成一个内部框架，先开源，后来直接变成了 OpenAI 官方的 Agents SDK，今天所有 FDE 都拿它当标准工具。
还有个更妙的案例：一个两千人的日本销售团队想要一个做幻灯片的助手，模型生成的版面起初惨不忍睹，FDE 试了五十种方案，把整理好的样例交给模型训练团队，三个月后新版本模型出来，“幻灯片突然就变好了”。
中国从业者的自嘲是这样的： “这种新范式我们不叫 FDE，我们叫：售前＋客户经理＋实施＋技术支持＋专人陪跑＋临时产品经理。”
“国外今天才开始鼓吹用演示去找方向，我们已经演示到脱发了。”
这就是分界线：你在客户那里修的路，最后有没有变成公司的产品。
海外 FDE 的成果回流到产品和模型；国内多数驻场的成果留在那一个客户那里，人一撤就开始失效。
还有一层差别藏在信任的来源里。
一位在中美两边都做过 AI 落地的从业者在小红书上写：美国靠契约信任，合同一签，核心数据就开放给你；中国靠人情信任，“得先喝顿大酒”，处出关系才拿得到真东西。
所以同样是驻场，中国 FDE 比海外多做一层工作：进组织、混熟人、穿过部门墙。
薪资的区别
海外：领英数据，FDE 岗位数量两年涨了 42 倍；
薪资上，从谷歌跳过去的 Anu 说她没有降薪，“同级工程师的总包，FDE 往往更高，20 万美元很容易达到”；
一位入行 18 年的技术猎头说，手里同一个对冲基金客户的两张 FDE 单子都开到 35 万美元，愿意等六个月找对的人。
中国这头：名字是刚登陆的，字节、蚂蚁、智谱的招聘里直接写 FDE，中文译名都还没统一，前置、前沿、前端部署工程师三种叫法都有。
增量在传统企业的 AI 改造上，Lawted 算的账是：“原来做一套企业管理系统要一两年、花几百万。现在我们用 AI 编程，两个月就能交付一套定制系统。”
官方也下场了：上海办了全国首期 FDE 培训班，一个月理论加两个月驻场实操，还计划和中级职称挂钩。
公众对 FDE 的常见误解
五个常见误解，每个用从业者的原话校一遍。
第一个误解：FDE 就是会聊技术的售前或产品经理。 在美国做了八年产品、后来转开发再转 FDE 的 Yasha（化名）说得很绝对：“FDE 不能是一个只会沟通的产品经理，回去再传达给程序员，那样效率太低，也容易失真。你必须自己具备技术深度，能作出判断，甚至亲手解决现场问题。”
第二个误解：FDE 是工程师的晋升。 Anu 专门纠正过：FDE 不是从工程师升上来的一级，它就是一份完全不同的工作、一条不同的成长曲线，平级换赛道。她的考核也从"代码质量"变成了"客户结果"。
第三个误解：FDE 主要在写代码。 看前面的时间分配：写代码占两成半到一半，有些天沟通占八成。
第四个误解：FDE 必须天天驻场。 反例是 Ramp：他们的 FDE 团队"一个季度才去客户那里一次，基本全靠视频会议"，一个人同时服务五六个客户。 驻场是手段，贴着客户解决问题才是定义。
第五个误解：中国的驻场交付就等于 FDE。 差在两点：成果有没有回流成产品，以及按结果收钱还是按人头天数收钱。 只要是按人天算钱，名字无论叫什么，本质都是外包。
什么人适合干，什么人不适合干
适合的人，有几个共同点
Ramp 那位组建 FDE 团队的人有句话：“FDE 团队是想对客户说 yes 的团队。很多工程师嘴上不承认，心里其实想对客户说 no，他们想继续造自己的东西。”
OpenAI 的 FDE 负责人 Colin Jarvis 给的标准是：“对价值不依不饶的追逐，是好 FDE 的标志。最好的 FDE 敢把自己刚造好的东西撕了重来，因为客户需要的是另一个东西。”
Anu 的自嘲版：“像我这种接近多动症的人，干这个反而占便宜。“上下文切换极快、喜欢一天干八件不同的事的人，在这个岗位如鱼得水。
不适合的人，也有清单
那位一人带十个客户的 FDE 在周记里写得最狠：“如果你需要长时间不被打断才能产出，这个岗位会把你弄垮。““如果你只想造东西、不想跟人说话，这不是你的岗位。”
前 Palantir 一位把 250 多个工程师改造成 FDE 的培训负责人，有一份劝退名单：
- 对模糊需求过敏的人
- 想做深度技术专精的人
- 处理不好客户情绪的人
- 以及不会给自己设边界的人
最后一种人，会把自己干到油尽灯枯。
看清风险，再选择转型
一是技术萎缩。Reddit 上一位自称前 Palantir 的网友说：“碰上不好的项目，你做的全是拖拽和配置，技术能力会萎缩到面目全非。”
另一位的判断更严峻：做五年 FDE 再回大厂面工程师岗，大概率会被降级。
二是被客户拴死。
听起来像好事：你干得太好，客户离不开你。但 Dataland 的创始人（前 Palantir）在圆桌上点破了这个怪圈：“客户对 FDE 上瘾，比你们公司对服务收入上瘾更严重。你想把人撤走，客户直接把你解约。”
具体到个人身上：你把系统做好了，本该撤场去做下一个项目；但客户只认你，点名要你留下；公司不敢丢单，就把你一直留在这家客户。
于是你从"探索新问题的工程师”，慢慢变成"这一家客户的专属运维”，天天处理同一套系统的杂事，不再成长，简历上也只剩这一个客户。
在中国就更奇怪了：客户靠人情信任，认的是你这个人，不是你们公司；合同按天计价，你多驻一天，公司多收一天的钱。 客户不放人，公司不想换人，你自己走不掉。最后，就活成了驻场外包的样子。
机遇：怎么上车
参考成功的转型案例
把一手材料里的真实转型路径排一排：
- 八年产品经理，转开发，再转 FDE，现在有猎头拿 40 万美元年薪挖她（Yasha，美国）。
- 谷歌工程师平级跳 FDE，四五个月就敢拍视频做对比，总包没降（Anu）。
- 产品设计咨询公司出身，入职 Palantir 做 FDE（官方访谈里的新人，入职四个月）。
- 实施工程师、售前、产品、项管全干过，整合成 FDE，现在管招聘（赖骏骋，上海）。
- 大厂程序员，接到物流公司的 AI 改造需求，直接转型创业（Lawted，深圳）。
共同点有两个。
一，没有应届直接上的：Yasha 说，“刚毕业的大学生不可能来做这个，一般需要有产品经理或开发的几年经验，所以它的起薪也不低，第一年大概二十多万美元”。
二，全是技术和业务两手抓，缺哪里补哪里。
缺什么，怎么补
那位前 Palantir 培训负责人给过一份转型路线：
- 头一个月，旁听客户电话、跟着实施团队跑，专门记录"客户嘴里说的问题"和"真实根因"之间的差距；
- 第二个月，主动端到端接一个客户问题；
- 第三个月，去一次客户现场，并在当周内交付一个小修复；
- 之后，每周写一份"我这周从客户身上学到了什么”。
技能清单朴素到意外：
- SQL 要熟
- Linux 命令行能读日志
- Docker 会用
- Python 能处理表格、能调接口；对时区、编码、空值这些脏数据的坑有体感。
并不需要前沿的模型技术。
面试到底考什么
Palantir 有一轮特有的"拆解面”： 给你一个模糊需求，比如"设计一个让用户分享兴趣的系统"，或者"按专长和空闲度给分析师派案子的系统"。
考的不是系统设计八股。有位候选人按容量估算、扩展性那套标准模板答题，被面试官当场打断，要求回到"这个功能本身该怎么设计"。
OpenAI 的流程更直接：一份约五小时的家庭作业，用它的接口造个东西，提交代码，外加一段自己录的讲解视频。
理由很清楚：FDE 每天都要向客户讲解，所以直接考这个。
Ramp 则比普通工程师面试多设一道，考的就是：你到底会不会沟通。
离创业最近的岗位
最后说这条线里最被忽略的一点。
大家天天都在说企业 AI 转型。说的人很多，真正下场把它做成的人很少，FDE 就是下场的那一个：把"转型"两个字，落成产线上的质检系统、客服后台的智能体、银行里的反洗钱流程。
这个位置有一个副产品，价值可能超过工资本身：你天天泡在客户的真实痛点里。别人创业要靠猜需求，你的需求每天自己找到你面前。
Palantir 早期高管、后来做到 OpenAI 首席研究官的 Bob McGrew 说得最直接： FDE 的训练，恰恰就是成为创业者的训练。纽约那场 FDE 圆桌的四位嘉宾里，就有两位是 Palantir 出身、后来创办了自己的公司，其中一位的原话是：“FDE 是未来创业者最好的训练场。”
数据也对得上。Nabeel 的复盘里有一条：每届创业孵化器 YC 里，前 Palantir 员工出来创业的比前谷歌员工还多，尽管谷歌的员工数是 Palantir 的五十倍。
Yasha 把原因讲透了：“FDE 看过太多成功和失败的案例。如果你有 FDE 的经历，你会很清楚市场上缺什么、自己该做什么产品。”
深圳的 Lawted 干脆把顺序倒了过来：直接以创业者的身份做 FDE，第一家物流公司客户，就是他公司的起点。
这个岗位能活多久
Box 的 CEO Aaron Levie 说：“我要是现在做大学就业指导，第一件事就是让学生知道 FDE 这种岗位存在，以及怎么拿到 offer。”
管 FDE 招聘的赖骏骋说得更冷静：“可以参考十年前移动互联网兴起时的产品经理，火爆五到十年，然后慢慢降温。但这个过程中，一定会出现像张小龙、张一鸣那样顶尖的超级个体。”
其实岗位能活多久，没那么重要。
企业 AI 转型这件事的时间和空间永远存在，而且会越来越大。
见过 100 家公司真实痛点、真实问题的人，不管下一个机会在哪，都有更强的能力、更高的可能性去抓住它。