AI行业有一个心照不宣的数字：93%的企业Agent项目卡在了从POC到生产的最后一公里。POC阶段跑得再漂亮，一到真实客户环境就原形毕露——数据不对、流程不通、权限理不清、用户不买账。
问题出在哪？模型能力早已不是瓶颈。真正的断层在于：大厂有模型、有平台、有Agent工具，但企业客户拿到这些能力之后，面对的是“AI到底怎么接进我的业务”这个极其具体的问题。模型团队管不了客户的流程、数据和权限，售前在签约后就退场了。中间这个巨大的空缺，就是FDE存在的理由。
FDE不是“高级外包”
Forward Deployed Engineer，前沿部署工程师。中文翻译听起来像个技术岗，但真正做过的人会告诉你，这岗位的核心能力配比大概是“六分沟通，四分技术”。
它和外包驻场的本质区别在于：外包对明确的交付物负责，需求由客户定义；FDE要先穿透表层，找到真正值得解决的问题。Palantir是这个模式的鼻祖，把工程师直接派驻到政府和大企业客户现场，把通用产品嵌入客户已有的系统和工作流。OpenAI如今也在新加坡、旧金山招聘FDE，底薪开到16万到28万美元，要求“五年以上工程经验，其中要有面向客户的工作经历”。
国内大厂的反应同样迅速。腾讯、字节、蚂蚁的FDE岗位月薪普遍在30K到60K区间，需求还在持续膨胀。
“能跑通”和“能交付”之间隔着什么
极客时间的《FDE交付实战营》设计了一个12周的沙盘推演，模拟一个真实的FDE项目全流程。第一周的剧情就很典型：客户发来一封语焉不详的立项邮件，说“会员复购下滑，想用AI做个智能运营助手”，并认为成熟产品应该开箱即用。
这正是FDE每天面对的现实。客户说不清自己要什么，但你必须替他说清楚。课程的第一阶段要求完成《立项分析报告》，核心是“立项四问”：技术可行吗、业务价值在哪、客户匹配吗、交付风险扛得住吗。
第二周进入“诊断”环节。四位干系人各说各话，IT负责人、运营经理、门店店长、财务经理的说法互相矛盾。FDE要在五天里摸清客户的真问题，画出干系人地图，识别谁才是真正的决策人。
这种能力在真实项目中的价值，远比写代码更稀缺。有FDE分享过一个案例：为金融机构做报表自动化，最耗时的不是写脚本，而是花了两周时间从老员工的经验里反向提取出几百条从未被文档化的业务规则。“那些藏在人脑子里的规则，只有蹲在业务现场一条条抠才能拿到。”
课程设计的诚意在“交付物”里
12周的课程大纲里，每一阶段都有明确的产出要求：客户与需求、数据与系统、生产与治理、结果与职业资产。这个结构本身就在传递一个信号：FDE的价值不在于你“会什么”，而在于你“留下了什么”。
AI时代的交付逻辑正在发生变化。模型能力越来越强，开发门槛越来越低，但“让AI在真实业务场景中兑现价值”这件事，反而变得更难了。因为真实场景里的问题从来不是技术问题，是数据质量、是组织配合、是用户习惯、是那些没人写进文档的隐性规则。
FDE要做的，就是把脚踩进这些泥里，然后把路走出来。
