# FDE 什么时候在筑护城河，什么时候只是在做咨询

> ServiceNow 和 Workday 上市时毛利偏低，后来都追了回来，关键看一线经验能否回流到产品。

原文: https://fdetimes.net/zh/analysis/fde-services-moat-or-consultancy/

2026 年 5 月，OpenAI 推出 OpenAI Deployment Company。这家子公司专门把工程师直接派驻到企业内部，起步时获得的承诺资本超过 40 亿美元。Decrypt 的标题毫不客气：OpenAI 刚刚成立了一个咨询部门。

The Pragmatic Engineer 的作者 Gergely Orosz 看到的是一个更大的趋势：许多新出现的前线部署工程师（FDE）岗位设在半独立的公司里，与打造 AI 产品的组织相互分离，看起来更像咨询或系统集成。

这给每一位 FDE 和想成为 FDE 的人提出了一个问题：你做的服务工作是在壮大产品，还是只是换了个名字在卖工时？答案不在 offer 上的职位名称，而在一线学到的东西能否回到产品里。

## 软件公司为什么要接服务工作？

a16z 对代价说得很直白：为每个客户做定制，起初会拉低毛利率、推高烧钱速度。它举了两个熟悉的名字为例。上市时，ServiceNow 的毛利率为 63.2%，Workday 只有 54.1%，都远低于软件行业约 80% 的理想水平。

这个缺口并没有持续下去。据 a16z 统计，到 2024 年，ServiceNow 达到 79%，Workday 达到 75%。也就是说，ServiceNow 收复了 15.8 个百分点，Workday 收复了 20.9 个百分点。

专注于技术服务行业的研究机构 TSIA 把这笔交换说得很准确：用短期毛利换取长期的防御力。它还附加了一个条件：把一次性部署变成可复用的模板。

这个条件解释了毛利率为什么能回升：定制工作只有在不必为下一个客户重做时，才会变成资产。

## 滑向咨询的斜坡

投资基金 N47 关注的是这套论证的另一面。它指出，传统服务公司的毛利率在 30-40%。N47 预测，许多尝试 FDE 模式的公司会逐渐滑向咨询业务，只是披着软件公司的外衣。

关键在于 N47 给出的反例。与 FDE 模式联系最紧密的 Palantir，尽管大量做现场部署，毛利率仍保持在 80% 以上。所以，30-40% 和 80% 以上之间的差距，并不取决于派了多少工程师去客户那里。

在 N47 看来，健康的模式是把一线的创新系统性地回流到产品的核心能力中。这正是 Palantir 和一家工程师众多的外包公司之间的区别。

**要点:** 当为一个客户做的工作变成下一个客户的产品时，FDE 就在筑护城河。

因此，同一个职位名称背后，可能是两份截然不同的工作。设想第一家公司：你为客户 A 写了一个连接器、一段提示词或一条数据管道，产品团队把它打包，客户 B 拿来就能用。

在第二家公司，你为每个客户从零重写一切，你创造的价值归结为投入了多少天。

## 分界线是反馈闭环

几个相互独立的来源得出了同样的判断标准。KDnuggets 写道，如果没有从一线到产品的反馈闭环，这个岗位就只是咨询。

Valletta Software 的说法不同：把客户专属的工作回流到产品的义务，正是 FDE 和顾问的区别；如果没有人负责这项义务，“FDE”就只是个标签。

下表把这些信号归为两个极端，便于对比。实际中，一家公司可能同时具备两列的特征。

| 维度 | 滑向咨询的服务 | 为产品筑护城河的服务 |
|---|---|---|
| 参考毛利率 | 30-40%，传统服务公司的水平 | 80% 以上，如 Palantir；ServiceNow 和 Workday 回升到 79% 和 75% |
| 每个项目的产出 | 一次性部署 | 可供下一个客户复用的模板 |
| 一线工作 | 留在客户那里 | 回流到产品的核心能力 |
| 谁负责回流到产品 | 没有具体的人；“FDE”只是个标签 | 有明确指定的人 |
| 在组织中的位置 | 与打造产品的地方分离 | 产品团队定期阅读 FDE 的一线经验 |

## OpenAI 在哪一列？

从 Orosz 的视角看，OpenAI 把部署业务放进一家独立子公司，是一个值得关注的信号：与产品团队的组织距离，正是反馈闭环容易断裂的原因。

但独立法人实体并不必然意味着闭环断裂。关键在于有没有一套流程，把一线工作带回产品。

一家纯做部署的公司获得如此大额的承诺资金，说明服务模式正在吸引大规模投资。对于已经选择这条路的公司，值得追问的是：一线工作最终去了哪里。

对求职者来说，这里需要仔细看。如果在你即将加入的公司，FDE 在一线做出的东西、学到的经验从来没有回到产品，那么即便职位名称里有“工程师”，你的职业路径也会更像一名顾问。

## 哪些技能能让你站在右边那一列？

核心技能是看出客户专属需求中哪一部分可以共享。设想你接到任务，要为一家零售连锁企业写一个清洗订单数据的脚本。

普通工程师在脚本跑通后就停下。优秀的工程师会把客户专属的配置拆出来，写好测试，再向产品团队提交提案，思路正是 TSIA 所说的把一次性部署变成模板。

写简历也该如此。不要写“为客户 X 部署了解决方案”，而要讲清楚你为一个客户做的哪些东西变成了其他客户复用的组件，或者缩短了下一次部署。

面试时，有两个现成的问题。KDnuggets 建议问：产品团队里谁在读 FDE 的一线经验，多久读一次。Valletta 建议问：具体由谁负责把客户专属的工作变成产品功能。

如果面试官对两个问题都答不上来，你就知道自己面对的是哪一列。KDnuggets 仍然认为，只要存在这个反馈闭环，FDE 就是不错的职业选择。所以你要做的是选一个有闭环的地方，并在每个项目结束后留下一些东西，让下一个客户的部署更快。

**本周动手试试:**

- 回顾最近为客户做的三件东西，记下哪些已经或可能变成共享功能，并按这个思路重写一条简历要点。
- 为下一次 FDE 面试准备两个问题：产品团队里谁在读 FDE 的一线经验、多久读一次；具体由谁负责把客户专属的工作变成功能。
- 在当前项目中挑一段为某个客户写的代码，把客户专属的配置和可以共享的逻辑拆开。

## 信源

- [Trading Margin for Moat: Why the Forward Deployed Engineer Is the Hottest Job in Startups](https://a16z.com/services-led-growth/)

- [The Forward Deployed Engineer dilemma](https://www.n47.com/insights/the-forward-deployed-engineer-dilemma)

- [What Is Forward Deployed Engineering? 4 Ways It Powers AI Economics](https://www.tsia.com/blog/forward-deployed-engineering-ai-era)

- [Forward Deployed Engineer: AI's Hottest New Career, or Consulting With a Better Title?](https://kdnuggets.com/forward-deployed-engineer-ais-hottest-new-career-or-consulting-with-a-better-title)

- [Forward Deployed Engineer vs Software Engineer](https://vallettasoftware.com/blog/post/forward-deployed-engineer-vs-software-engineer)

- [The Pulse: Forward deployed engineering heats up again](https://blog.pragmaticengineer.com/the-pulse-forward-deployed-engineering-heats-up-again/)

- [OpenAI Just Launched a Consulting Arm to Help Companies Deploy AI](https://decrypt.co/367403/openai-launched-consulting-arm-help-companies-deploy-ai)