AI 实验室为何争抢前线部署工程师
MIT NANDA 调研的 300 个企业 AI 项目中,95% 没有带来可衡量的利润,OpenAI 和 Anthropic 的对策是派工程师驻场。
要点速览
- 2026 年前八个月,FDE 岗位发布量增长超过 1000%。OpenAI、Anthropic 和 Google 都在招人,OpenAI 甚至收购了一家拥有 150 名 FDE 的公司。
- 原因在于:演示能赢下合同,但只有生产环境部署才能留住客户。与此同时,MIT NANDA 调研的 300 个企业 AI 项目中,95% 对利润没有可衡量的影响。
- 对开发者来说,进入 FDE 领域的途径是证明自己能在脏数据和真实业务流程中把系统跑起来,而不只是在 notebook 里跑通。
OpenAI 最近成立了一家新的部署公司,它的第一笔收购既不是研究实验室,也不是模型初创公司,而是英国公司 Tomoro,这家公司拥有 150 名前线部署工程师(FDE)。Anthropic 也走了同样的路,成立了一家对外的 FDE 咨询公司,由 Blackstone 和 Goldman Sachs 提供支持。
两家 AI 实验室都把钱花在了更多的人上,而不是更多的 GPU 上。The Pragmatic Engineer 通讯的作者 Gergely Orosz 报道称,Google、OpenAI 和 Anthropic 对这一岗位的需求非常旺盛。Fortune 引用的 Lightcast 数据显示,2026 年 1 月至 8 月,FDE 岗位发布量比上年同期增长超过 1000%。
如果你是一名有几年经验的开发者,想知道这个岗位为何突然这么火,答案藏在一个不那么乐观的数字里。
难的不是模型,而是客户
MIT NANDA 的一项研究考察了 300 个公开的企业 AI 部署案例,发现其中 95% 对利润没有可衡量的影响。把这个数字和招聘数据放在一起,需求的来由就清楚了。如今的模型已经足以做出令人惊艳的演示,但从演示到在真实业务中跑起来,距离依旧和过去一样远。
追踪这一岗位的招聘公司 Paraform 用两句话概括了其中的商业逻辑:演示赢下合同,生产环境部署留住合同。Dice 总裁 Paul Farnsworth 则从企业一侧描述了这一点:企业很难把 AI 模型变成能在自身业务中运转的东西,FDE 填补的正是这道缺口。
看一个典型案例。一家物流公司采购了一个 AI 平台,用来自动处理运单文件。演示时,模型读取干净的样例发票,正确提取出所有字段。到了部署阶段,真实的文件却分散在三个不同的系统里,一半是用手机拍的照片,审批流程还需要两个从未打过交道的部门签字。
供应商总部的人在 Zoom 上根本看不到这些。能看到的,是坐在客户办公室里的工程师。这名工程师可以打开客户的数据库,问录入人员为什么总跳过某个字段,然后写代码,让系统适应真实的数据。这名工程师就是 FDE。
离开 Palo Alto 办公室,坐到客户身边
Palantir 的 Meline von Brentano 在接受 Fortune 采访时介绍,公司会招募最优秀的软件工程师,再把他们推出 Palo Alto 办公室的舒适区,去客户现场工作。这里最关键的词是“舒适”。真正的问题只会出现在工程师通常更愿意回避的地方。
Paraform 对这一岗位的定义是:处在亲手为客户解决问题与部署 AI 系统的交汇点。这两半无法分开。只会和客户沟通的人,会承诺做不出来的东西;只会写代码的人,会做出没人用的东西。FDE 必须两者兼顾,而且常常是在同一周之内。
有一种反对意见值得一听。一篇 The Pragmatic Engineer 文章的摘要提出,如今的 FDE 岗位其实更接近咨询顾问或解决方案架构师。这个观点很有用,因为它给了你一个可以拿来审视每份职位描述的问题:这个岗位是否要求你亲自写代码,并在系统于客户现场出故障时对结果负责?如果不是,那就是咨询,而不是 FDE 工作。
下面是一种实用的岗位分类方法:
| 对 JD 提出的问题 | 咨询顾问 | 解决方案架构师 | FDE |
|---|---|---|---|
| 最终代码由谁来写? | 客户团队 | 供应商的工程团队 | 你 |
| 工作何时算完成? | 交付建议时 | 设计获批时 | 系统在真实数据上真正跑起来时 |
| 生产环境出故障时是否负责? | 否 | 间接负责 | 直接负责 |
转入这一岗位需要什么
FDE 工作的存在是为了弥合演示与生产之间的鸿沟,所以你能拿出的最有力证据,就是你曾经弥合过这样的鸿沟。因此,第一项能力是对接混乱的系统。在越南从事外包或内部产品开发的开发者,在这方面往往有一项被低估的优势:他们习惯对接遗留系统、处理不规范的数据,也习惯应付项目做到一半就改需求的客户。
问题在于,你的简历很少讲出这个故事。
挑一个项目,按 FDE 招聘方想看的方式重写:你到来之前用户遇到了什么问题,你需要对接哪些系统,上线之后哪项指标发生了变化。这样的一行,胜过十行框架罗列。
第二项能力是客户需求挖掘,这是可以学会的。不要问用户想要什么功能,而是练习坐在他们旁边,观察他们实际如何工作,再亲自把这一流程转化为数据流。如果这个岗位真如 Paraform 所说,处在客户与系统之间,那么这正是大多数开发者在日常工作中很少有机会练习的那一半。
第三项能力更难教:容忍模糊。回到物流的例子。没有人会为三个互不相通的系统、两个从不沟通的部门给你开一张工单。你来到一间陌生的办公室,手里只有一个开放的问题,必须自己判断什么值得做。如果这听起来更让你兴奋而不是害怕,那你已经具备了最重要的特质。
薪资方面,Lightcast 的数据显示,FDE 招聘广告中的薪资中位数超过 188,000 美元,传统软件工程师约为 145,000 美元。Recruiting From Scratch 对 924 份岗位发布的另一项分析得出的中位数为 195,000 美元。这笔溢价,是市场为演示与生产之间那段工作开出的价格。
演示依然能赢下合同,但各家实验室正在为能留住合同的人投入真金白银。如今稀缺的,是能让模型在客户办公室里真正运转起来的人,而在未来几年里,这个人可能就是你。
这篇文章对你有帮助吗?
感谢你的反馈!
6 个信源
- One of the fastest-growing jobs in Silicon Valley sends engineers straight to customers' offices to get AI up and running—and pays more than $188,000 · 2026-09-03
- What Is a Forward Deployed AI Engineer? The Role Every AI Company Needs in May 2026 · 2026-05-14
- The Pulse: Forward deployed engineering heats up again · 2026-05-14
- The Pulse: Forward deployed engineering heats up again · 2026-05-24
- Forward Deployed Engineers Are a Sign That Enterprise AI Has Hit the Hard Part
- Forward Deployed Engineer Salary in 2026: Real Data from 1.9 Million Job Postings · 2026-06-25