AI 落地催生 FDE：年薪百万的新岗位

随着 AI 从「卖模型」转向「卖结果」，一个名为 FDE（Forward Deployed Engineer，前沿部署工程师）的岗位在 2026 年突然走红。招聘平台数据显示，字节跳动「豆包 AI 大模型 FDE」月薪最高 7 万元、15 薪，蚂蚁数科 B 端 FDE 最高月薪 6 万元，智谱 FDE 负责人最高月薪 8 万元；在美国硅谷，FDE 相关岗位年薪中位数超过 25 万美元（约合人民币 170 万元）。OpenAI、Anthropic、Salesforce 等公司均在重仓这一角色。

从 Palantir 战场到 AI 时代的「最后一公里」

FDE 并非新事物。早在 2010 年前后，美国数据公司 Palantir 就设立了这个岗位——承接军方与情报机构订单后，工程师直接驻场伊拉克、阿富汗前线，把士兵口中「这条路可疑」的模糊需求，现场做成地图标注工具，好用的功能再沉淀回平台。至今，Palantir 约一半员工仍属于 FDE 角色。

AIGCLINK 创始人占冰强认为，FDE 这个群体过去几年一直存在，过去被叫作「高级外包」，如今换了个更体面的名字。但他同时承认，背后确实存在真实需求：企业买模型、买 Agent 蔚然成风，但大量项目停在演示阶段，老系统接不上、数据散落在微信和 Excel 里、老板说不清需求，demo 到生产之间的「最后一公里」总得有人去填平。

《定焦》报道了一个典型案例：一位名叫 Lawted 的 FDE 走进深圳一家货代公司，发现三十多个员工每天重复同一件事——从微信、邮件里点开客户发来的货运 PDF，手动找出港口、船期，再敲进系统。他一个人用 AI 工具把整条流程自动化。

海外巨头百亿押注 FDE

海外大厂的密集动作进一步推高了 FDE 的热度。

OpenAI：2026 年 5 月成立 The Deployment Company，估值 140 亿美元（约合人民币 945 亿元），初始融资超 40 亿美元，并收购约 150 名成熟 FDE 的英国咨询公司 Tomoro，作为部署团队基石。
Anthropic：联合黑石、高盛成立 15 亿美元企业 AI 服务合资公司，主攻金融、医疗等强监管行业落地。
Salesforce：公开招募 1000 名 FDE，服务 Agentforce 产品线。
AWS：准备投入 10 亿美元，组建一支数千人的 FDE 队伍。

在国内，政策层面也在加码。北京等地已将 OPC、FDE、Token 等概念纳入相关政府计划，让本已升温的话题彻底出圈。

IT 外包公司的新转型机会

占冰强打了一个比方：如果信息化时代是农业时代，AI 就是工业时代，今天的 FDE 就是「开着收割机去务农的人」。过去写一个软件要十人干几个月，现在几个人带着 Claude、Codex、Agent 也许就能完成。

但这个窗口期并不长。「可能也就是到明年上半年左右，机会就会越来越窄。」占冰强说。这给传统 IT 服务商留下了一扇窗口——驻场开发本来就会跟客户打交道，熟悉企业老旧系统，再补上 AI 能力，转型路径比让纯模型研究人员重新学习工厂、金融或 ERP 现实得多。

Anthropic 把这条路走到了极致。今年 6 月，它宣布与老牌 IT 服务商 DXC 合作，由 DXC 培训数万名 Claude 认证 FDE，投放到银行、航空、保险、制造企业和政府机构。值得注意的是，DXC 在与 Anthropic 合作前已让 Claude 参与开发自己的 AI 原生运维平台 OASIS，超过 95% 的代码由 Claude 生成。

商业模式也在随之变化。占冰强认为，FDE 未来可能走向两种收费方式：一是帮助企业部署一个「AI 员工」并教会客户使用；二是直接卖结果——客户只关心花 1 万元是否能把原本 3 万元的工作做完，不关心背后是一个人加十个 Agent 还是三个人。

商务能力比技术更稀缺

对于未来 FDE 的能力门槛，占冰强给出了一份清单：行业 know-how、vibe coding（用 AI 辅助编程）能力、面向客户的交付与落地能力，以及商务能力。他判断：「最终拼到最后，FDE 真正拼的是两个能力：一个是专业性，另一个是商务能力。」Vibe coding 会越来越普及，反而不是真正壁垒。

OpenAI 的招聘变化已经印证了这一趋势。它不再只招通用 FDE，而是细分到医疗、生命科学、政府等领域——医疗 FDE 需要理解医院、保险、电子病历和监管环境，生命科学团队直接对接制药公司与 CRO，政府岗位甚至要求相应安全许可。

中国招聘市场已出现明显分层。中新经纬调查发现，普通 FDE 月薪约 2 万至 3 万元，高职级年包多在 40 万元以上；字节、蚂蚁、智谱给出的高薪岗位更多集中在高级人才。

FDE 的走红，表面上是一个新职业的诞生，背后折射的是 AI 行业从「卖模型」到「卖结果」的一次重要转向。能否真正留下，最终取决于 AI 落地能渗透多深——就像电气化时代需要大量电工、信息化时代需要大量程序员一样，未来真正稀缺的是既懂技术、又懂业务、还能跟客户打成一片的人。