拿到月薪五万 offer 的工程师去报到那天，进的不是写字楼，是制造业工厂的车间，这段细节出自一段真实的讲述：招聘信息上写的是Python生产级编码、RAG搭建和Agent架构，入职后的第一件事却是钻进轰鸣的产线，记录每台设备的编号，亲手把二维码贴到机器上，再把一本沾着油污、字迹潦草的纸质台账一个字一个字敲进表格。
这个工作内容来自今年AI赛道和招聘领域很火爆的岗位：FDE，Forward Deployed Engineer，前沿部署工程师。

一个要把工程师派去给设备贴二维码的岗位，成了这一年大模型行业花钱最狠的方向之一。
工位在客户车间里的岗位
FDE的全称是Forward Deployed Engineer，中文译作前沿部署工程师。岗位定义最初出现在Palantir 2020年递交的招股书里：我们的前沿部署工程师去过阿富汗的军事基地和中西部工业区的工厂，来部署我们的平台。
传统意义上，算法工程师对模型的准确率和召回率负责，解决方案架构师对架构方案负责，图画完就交出去，而FDE对客户的业务结果负责，自己写生产代码、自己部署、自己兜底，一直干到对方的业务数字真的发生变化为止。Palantir内部早年把这支队伍拆成两个角色，Echo由有客户行业背景的人担任，负责理解业务、翻译需求，Delta由工程师担任，负责把需求快速变成能跑的代码，招聘页面上那句概括最能说明差别，普通工程师用一种能力服务多个客户，FDE用多种能力服务一个客户。
关于IDE，前Palantir FDE、后来创办了Forward Deployed VC的Mark Scianna给过三条判别标准：进不进IDE写生产代码、单次驻场按月算还是按天算、有没有被授权在客户现场直接做决策。三条叠起来看，这个岗位同时要的是业务理解、工程能力和抽象沉淀，任何一项归零，乘积就是零，这也是这个岗位迟迟招不满人的根源。
二十年前是这么干的
这套打法二十年前已经有人用过一遍，2003年成立的Palantir最早的客户是美国情报机构和陆军这类组织，数据极度敏感、架构各成一套、流程藏在安全许可之后，需求写在保密文件里，任何一种远程交付的方式都走不通。被逼到这一步之后，公司做了一个当时看来很笨的决定，把工程师直接派到客户现场与用户并肩工作，Forward Deployed这个词本身借自军事术语，意思是把力量部署到最前线；到2011年前后，这类驻场工程师被正式命名为Delta，既是字母代号，也在呼应特种部队那种在信息残缺、环境混乱的条件下完成攻坚的哲学。

Mark Scianna是这段历史里被反复提起的名字，按他本人的说法，他是Palantir国防团队的创始成员，做了11年FDE，曾被部署到阿富汗和伊拉克，带着服务器硬件和情报分析师同吃同住。
但笨办法确实跑成了一门赚钱的生意，2026年二季度那份股东信里写着，单季营收19.35亿美元同比增长93%，净美元留存率157%，全年指引上调到81.5亿美元，一季度披露的人均年创收约150万美元，Karp还在信里丢过一句意味深长的话，说现在跑销售的团队比两年前还小。云计算时代催生了DevOps和SRE，大模型时代催生了FDE，每一代技术平台真正成熟之前，都得有一批人先把技术焊进现实里。
海外巨头和场景给出了指引
四家公司出手的时间密度和资本的额度让人侧目，5月4日Anthropic先落地，与黑石、高盛、Hellman&Friedman成立面向中型企业的AI服务合资公司，采用的正是驻场模式；5月11日OpenAI成立控股公司，TPG领投，同日还收购了英国的AI咨询公司Tomoro，把约150名资深工程师一次性收编；6月底到7月初AWS宣布投入10亿美元搭建自己的FDE组织；7月2日微软跟着成立Frontier Company。
钱为什么这时候来，一半的答案在两组成绩单里：MIT NANDA团队那份被引得最多的报告写着，企业投入生成式AI的300到400亿美元中，95%的试点没有产生可衡量的利润影响，真正进入生产的定制工具只占约5%；麦肯锡2025年的全球调研对着另一组样本给出了类似的结论，88%的企业宣称已经在不同程度上用上了AI，真正规模化并转化成利润的只有约6%。
另一半答案在现场，在摩根士丹利的项目里，OpenAI的技术管线只用了6到8周就搭完，真正让投顾敢把系统用起来又花了4个月；另一支团队驻扎在约翰迪尔的农场，和农艺师一起做的智能喷洒系统，最终的成果不是哪个技术指标，而是化学喷洒量下降了60%到70%，判断逻辑长在那些从来不会被写进文档的经验里。客户卡住的地方高度雷同：不知道怎么用、数据接不上、效果不稳定、上线之后没人敢担责。前沿实验室集体承认的其实只有一句，光靠把接口卖出去这条老路，走不到生意那头。
国内市场全面开放能力和资源
国内市场早就不再只是一个流行词，主管部门在8月27日印发相关文件，明确写着鼓励服务商搭建前线部署工程师团队，扎根用户现场，保障场景落地，用的是前线而不是前沿，这是这个名字第一次出现在国家级文件里。
上海的步伐更快，去年11月就办了首期专题培训班，把这件事塞进百千万工程，目标是链接百家企业、打造千个智能体、带动万名开发者转型，攒出一支超千人规模的储备库，后来又拿出覆盖主管部门负责人、产业工程师和高校三类人群的培养方案，打算把培训与人社部门的中级职称接上。
企业和学校也在行动，腾讯云在9月推出面向智能体交付岗位的工程师认证，同一天月之暗面启动Kimi登月计划，与系统集成商共建驻场队伍，首批签约中软国际、金山云、亚信科技等五家上市公司；上海交大安泰在同方向上开了专精培育计划。
薪酬并没有传言的那么离谱，按猎聘的统计口径，2到8月这类岗位的平均年薪40.8万元、中位数36.6万元，供需比0.28，地域上上海和北京各占两成以上，行业端AI与互联网IT占72.36%。脉脉的口径是另一个维度的数字，1到7月相关岗位量同比增长 1522.73%，排在扩招榜首。
名称还在各说各话，同一岗位在阿里云叫前沿部署工程师，在腾讯叫AI前线部署工程师，在字节叫AI应用工程师，求职者很难判断自己投的是不是同一回事。腾讯云开发者社区上流传很广的那篇文章把话说得干脆，FDE的本质是问题定义权，而不是驻场资格，有没有被客户授权推翻客户自己提出来的需求，比在现场坐了多少天更能说明一个人到底在做什么。
这碗饭谁端得动
能走到这个位置上的路有三条：业务出身的人，也就是前咨询顾问、前产品经理和行业专家，转过来补代码能力，进入角色最快，但要补的是6到12个月的工程化训练；技术出身的人，前后端、数据工程师、AI工程师都在里面，转过来要打破我写好代码就行的那套惯性；还有AI原生的一代，没有历史包袱，缺的只是尽早进真实客户现场长肉的机会。
门槛是实打实的，有研究团队逐条读完腾讯、字节、阿里云、蚂蚁、智谱等28条可具名岗位的招聘要求之后排序，排在前三位的依次是把模糊需求拆成可落地方案、跟客户把话谈明白并讲清价值、部署上线并接进对方系统，没有一项是AI技术；另一份统计里，有这类招聘需求的企业中60%明确要求3到10年工作经验，而培养一个成熟的人要2到3年，高校又完全不对口。
落差记录也很实，有人自述每月驻场出差20天以上、几乎没有固定办公地点，最忙时一周近50小时、每周三天在客户现场或路上；有位实习生日薪200元，形容整件事更像科研民工；还有面试的是AI产品经理，入职一周就被派去外地驻场，一个项目里约八成的工作都要参与，拿的却还是产品经理的薪水。
吴恩达在2026年的LangChain Interrupt上说过一番话，大意是你公司里进驻了某家厂商的一小撮FDE、把所有东西都绑定在同一个模型上，两三年之后你的可选性会被削减。
下一单能不能更便宜
所有争议最后都收拢到同一个问题上：每交付一家客户，下一家能不能少派一个人、少花一个月。a16z的Joe Schmidt拿出的历史数据很有说服力，ServiceNow上市时毛利率只有63.2%、Workday 54.1%，远低于软件行业80%的理想值，到2024年两家分别升到了79%和75%，说的是同一件事，重交付公司的毛利率可以随时间往上抬，前提是交付出来的东西沉淀回了产品。
华西证券在研报里给出过另一条更好懂的证据，Palantir的项目交付周期从2021年前后的约9个月缩短到现在的约2个月，真正的护城河不是人多，是第二次进场比第一次便宜。
Gartner在9月发布预测说，到2028年将有70%的企业放弃由供应商这类工程师构建的agentic AI，原因写在成本上升和企业无法自己继续演进上，不到20%的项目会把客户的共性需求真正反哺进供应商的核心产品，机构给这种现象起了名字，叫FDE washing，指把咨询和实施套上前线部署的名头收溢价。
收钱的方式已经有人在改，阿里云副总裁霍嘉在云栖大会期间接受采访时说得很直白，阿里云不靠这个岗位赚钱，团队考核的核心指标是能否带动产品，他本人更看好按结果付费和面向重点客户的长期服务合同，这句话翻译过来的意思很简单，它是手段，不是生意。按结果收费这条路上也确实有人在签，Salesforce的智能客服按每张自主解决掉的工单计价，Intercom的同类产品每次成功解决收一笔钱，而有人把一百多家AI公司的定价页面逐条读完之后给出的数字很冷静，真正愿意承担没做出结果这一风险的供应商只有 12%，45% 的条款之下买家无论如何都得付钱。
有赞在一份财报里把毛利率下滑的原因写得很明白，大客户定制项目的毛利率低于订阅收入；用友2025年上半年毛利率降到48.33%，归因之一是深度适配大型央国企复杂需求带来的定制化开发和运维成本；企业级SaaS公司过去三年的平均净利润率为负。客户要定制、要私有化、要驻场，最后SaaS做成项目、产品公司做成外包公司，这套剧本国内演过不止一遍。
历史能给出的参照其实是SRE，云计算时代的这套东西由Google在2003年组建一支七人小队起步，出书之后才外溢成全行业通用的方法论，如今已是独立的职位序列，内部还立着运维工作不得超过五成这条保护工程时间的硬规矩，而这批前沿部署的人恰恰缺这套机制，他们的产出发生在客户那一侧、横跨公司边界，没有任何等价的东西能保证经验一定回流。
耐人寻味的是，最早把这套办法跑通的Palantir自己也在今年9月推出了能让多个 、AI智能体协同优化已上线系统的产品，官方的说法是只有人能修的东西是没法规模化的，这话放在干这件事的人身上同样成立。
结语：模型到不了的地方
模型每进化一代，现场大部分代码可能就要跟着重写一遍，但客户现场那些说不清道不明的东西从来没变过，折旧设备的编号、台账上的油污、老技工脑子里那套排产的逻辑。
这个岗位火起来不是因为它新，而是信息化二十年欠下的账到了集中偿还的时候。决定它能走多远的也不是招聘需求有多旺，而是每一次交付有没有让下一次变得更便宜。
一边是担心被AI抢走饭碗的人，一边是对AI迟迟见不到收益感到失望的企业，中间站着一批用最笨的办法把两头接通的人，这套打法正在被写进文件、写进课程、写进认证体系，开始长出自己的样子。