FDE 是什么？

FDE = Forward Deployed Engineer，中文通常翻译为“前沿部署工程师”或“前线部署工程师”。

一句话概括：FDE 是被公司派驻到客户现场的工程师，负责把技术产品（尤其是 AI 和大模型）真正装进客户的业务系统里跑起来，并对最终结果负责。

一、为什么 FDE 突然火了？

核心原因就一个：AI 从“能聊天”走到了“要落地”。

大模型本身已经不那么稀缺了，谁都能调 API。但难的是把模型接进企业的真实环境——旧系统、混乱数据、复杂权限、多部门流程，缺任何一环都跑不起来。这个活，远程做不到，客户自己搞不定，必须有人驻场。

数据也在说话：2023 到 2025 年，FDE 岗位需求增长了 42 倍，同期 AI 工程师只增长了 13 倍。OpenAI 给 FDE 开出 28 万美元 年薪，谷歌一口气开了 59 个 FDE 岗位。国内阿里、腾讯、字节也都在招。

二、FDE 具体做什么？

不是只写代码，也不是只开 PPT 汇报。一支典型的 FDE 工作链路：

1. 进客户现场，聊清真实痛点
2. 把模糊问题拆成可执行的技术方案
3. 几天内搭出 PoC 原型验证方向
4. 对接客户的 ERP/CRM/内部系统，写生产代码
5. 部署上线，培训业务方用起来
6. 持续迭代，处理权限、幻觉、成本等现场问题
7. 把高频需求沉淀回产品团队，反向推动核心产品改进

三、和传统岗位的区别在哪？

• 和后端开发的区别：后端在公司内部做标准产品，FDE 在前线做定制落地，直面真实业务场景。
• 和售前的区别：售前出方案和 PPT，FDE 亲自写代码、接系统、对上线结果负责。
• 和实施工程师的区别：实施偏向安装配置和培训，FDE 需要 Debug、改代码、搞数据对接，技术深度要求更高。
• 和 AI 研究员的区别：研究员追模型效果，FDE 追业务结果——省了多少成本、提了多少效率、业务方有没有真正用起来。

四、需要什么技能？

技术侧：至少一门脚本语言（Python 优先），懂 API 集成、数据管道、云部署，熟悉 RAG/Agent/MCP 等 AI 工程栈。

业务侧：能把模糊需求问具体，管理多方利益关系，对高管做汇报，快速补齐陌生行业知识。

软素质：抗压、独立作战、现场快速决策。FDE 经常一个人代表整个公司站在客户面前，没有总部时刻兜底。

五、薪资水平如何？

• 海外头部：OpenAI 对标 28 万美元年薪 + 股权，Anthropic 同级别待遇。
• 国内大厂：大约 50-80 万，部分核心岗位百万起步。
• 独立顾问：一人服务 3-5 个客户，单项目 5-20 万，年入 70-120 万。

六、适合什么人？

后端工程师想接触真实业务场景；实施工程师想提升代码能力和薪资上限；售前/解决方案想摆脱只出 PPT 的瓶颈。本质上，FDE 就是“能出门见客户的程序员”——你已会写代码，差的只是对接客户的能力。

七、一句话总结

模型越来越不稀缺，值钱的是“把它用起来”的人。FDE 就是那个负责走通最后一公里的人。