1000 份简历招 1 人：Rolling AI 谈 FDE 的本质与中国落地难题

在 AI 加速渗透企业服务的背景下，一个名为 FDE（Forward Deployed Engineer）的岗位逐渐进入国内创业公司视野。Rolling AI 联合创始人甘艺凡和刘开近期在接受采访时提出一个核心观点：「FDE 是一种代表结果的职位，而不是一个代表过程的职位。」这意味着，FDE 的价值不在于完成多少技术交付动作，而在于是否真正推动了 AI 在业务现场产生结果。

FDE 三个字母的三种误读

甘艺凡把 FDE 的三个字母分别拆解，对应了行业对这个角色最常见的三种误读。

Engineer（工程师）≠ 会写代码的人。工程师的核心能力，是把一件事变成可复用的能力，再用工程化方式让它在组织里系统运转。甘艺凡自称几乎看不懂超过 10 行的代码，但借助 AI 产出的代码质量已高于其研发团队平均水平。
Deployment（部署）≠ 把代码推到服务器。真正的 Deployment，是一套新的生产力进入企业并实际运转起来的过程，其中大量工作是组织协同与业务流程对齐。
Front End（前端）≠ 坐在客户总部对接需求。这里的 Front End 指的是客户的真实业务一线，例如门店、生产现场，而不是客户公司的办公室。

三个误读共同指向一个结论：FDE 不是技术交付角色，而是深入业务现场、推动 AI 真正产生结果的角色。

招人标准：聪明、勤奋，还要「穷」

Rolling AI 的招聘筛选比例约为 1000:1，在人工筛选前还会先经过一轮 AI 面试，这是当前 AI 服务公司中较为极端的筛选比例。

甘艺凡给出的选人三要素是聪明、勤奋和「穷」：

「穷」并非经济意义上的窘迫，而是指面对机会时的饥饿感和往前冲的劲头。
比起当下能力，他更看重「心力」和「愿力」——前者是敢不敢干，后者是想不想干。能力短板可以用 AI 弥补，心力却补不了。
他偏好家庭有过小生意背景的候选人，认为这类人常识性更好，更习惯独立面对问题。
ego 太大的人则难以留下，因为 AI 协作环境要求人不断试错、快速学习，并接受自身能力边界。

Palantir 模式在中国能复制吗？

甘艺凡的判断是不能。在他看来，全球只会有一个 Palantir，原因不仅在于客户结构差异，更在于中美企业运行的底层逻辑不同：

美国商业以契约制为基础，企业按合同文本和岗位职责运转。
中国企业更多依赖人情和信任，重要事务集中在少数关键人身上，岗位设置也可能因人而异。

这一组织差异带来一个落地难题：企业内部的职责、流程和规则本身就没有被清晰定义，许多事情依靠长期默契运行。甘艺凡直言：「人都搞不清楚的事情，AI 怎么能搞清楚？」这意味着，AI 落地在中国面对的真正障碍不是技术，而是组织现实本身。

FDE 会不会只是「小拐棍」？

针对「AI 越来越强，FDE 是否还有存在必要」的质疑，甘艺凡认为，模型能力不同，FDE 要解决的问题也会随之变化：

模型较弱时，FDE 通过工程化手段弥补模型短板。
模型足够强后，FDE 的工作转向为模型提供足够多的真实业务上下文。

他将 FDE 定位为「连接 AI、现实世界与业务目标的中间人」，并断言：「FDE 消失的那一天，就是所有人都不再需要工作的那一天。」刘开则把这一角色放在更长时间线上：过去叫产品经理或数字化 BP，今天叫 FDE，未来可能叫「上下文环境提供师」甚至「人类心情抚慰师」。数字世界与实体世界之间，始终需要这样一个桥梁。

AI 是盔甲，但穿盔甲不等于成为钢铁侠。工具再强，也不能自动把一个人变成 FDE——真正决定结果的是人愿不愿意走进那些模糊、复杂的业务现场。