2026年,AI赛道最拥挤的岗位不再是算法工程师。

全球科技招聘平台Indeed数据显示,2025年4月至2026年4月,FDE岗位数量从643个飙升至5330个,增幅达729%,远超科技行业平均水平。OpenAI为此成立Deployment Company并投入超40亿美元,AWS组建万人级前沿部署团队,微软也高调成立Frontier Company。一夜之间,硅谷大厂仿佛重新发现了"把人送到现场"的价值。

这股风也吹到了中国。国内头部AI企业、云厂商和智能制造服务商的招聘页面里,"解决方案架构师""行业交付专家""客户成功工程师"等变体岗位急剧增多,虽然叫法不一,但做的事高度趋同:带着模型进现场,把技术变成生产力。

FDE从何而来?

2003年,大数据公司Palantir拿到美国情报部门订单,却面临一个死局——工程师接触不到数据,需求写在密级文件里,远程办公无从谈起。无奈之下,公司把工程师直接"部署"到客户办公室,与情报分析师肩并肩工作。这个带有军事色彩的词"Forward Deployed"被沿用下来,2011年正式成为Palantir的制度化岗位。

FDE的真正价值,不是"驻场服务",而是充当产品与现场之间的循环泵——对外,理解业务、连接数据、验证效果;对内,带回真实痛点,反哺产品迭代。核心目标只有一个:让软件在客户业务里产生真金白银的价值。

这套逻辑在政企、军工等高壁垒领域被证明极其有效。Palantir借此构建了同行难以复制的交付壁垒。硅谷后来的SaaS公司和AI企业,或多或少都沿袭了这一思路。

传统FDE模式在中国"水土不服"

然而,如果直接把Palantir的FDE模式搬到中国,尤其是搬进制造业,存在明显的不适配。

首先,成本门槛过高。一名资深FDE的年度综合成本通常在百万级别,中国大量制造企业,尤其是中小企业难以承受。其次,人才供给不足。中国的FDE人才培养体系几乎空白,既懂AI技术又懂工业现场的复合型人才极度稀缺。更重要的是,中国制造业数字化基础参差不齐,大量关键知识存于老师傅经验和纸质SOP中,而非结构化数据——这意味着FDE进场后,往往需要花大量时间做数据治理和知识梳理的"脏活累活",效率远低于海外信息化成熟度较高的客户。

更深层的问题在于"不可持续":项目做完,人一走,能力也随之带走。下一家工厂依然要从零开始。对于追求规模化落地的AI行业而言,这构成了一个结构性矛盾。

有业内人士坦言:"Palantir那种模式很重,在中国很难用同样的成本结构去复制。如果每进一家工厂都要派一个博士团队驻场半年,AI在制造业就永远只是个故事。"

中国土壤长出FDE"新物种"

困境催生变革。当"纯血FDE"难以直接移植时,中国企业开始尝试FDE理念的本土化改造。目前市场上已出现几种典型变体:一类是"FDE+产品化",将现场服务中的高频场景沉淀为标准化模块;另一类是"FDE+培训",在交付的同时为企业培养内部运营人员,试图让能力留在企业内部。

在AI大模型领域,科大讯飞与国家能源集团的合作为行业提供了参照。团队深入招采一线,将专家长期积累的业务知识、评审规则转化为系统能力,该智慧评审系统已累计运行超过21万个项目,智能评审准确率达97%,业务覆盖电力电网、能源化工、基建工程等十余个行业。腾讯与长安汽车则组建了一支34人的联合FDE团队——长安从内部选拔24位业务骨干脱产两个月,腾讯派出10位专家驻场,围绕7大核心业务场景落地Agent,长安内部将其称之为"AI火箭班"。

而位于杭州的一家AI新秀公司——灵核数智,则针对制造业推出CASM体系,聚焦解决传统FDE在制造业落地时最棘手的问题。一是让CASM团队持续深入现场,将不同工厂反复出现的共性场景沉淀下来,让新客户不必从零开始。二是能力转移:在项目中同步为企业培养"AI炼化师",让企业培养出自己的FDE人才,这类人才通常从企业的业务、工艺或运营岗位中选拔,经过实战训练后,能够独立完成找场景、配置Agent、持续调优的工作。当外部团队离场,企业内部仍有人能继续推进。

无论是沉淀行业知识、联合战队共创,还是经验提炼、能力内化——这些本土化探索路径不同,但指向同一个方向:让FDE从一种"岗位"变成一种可沉淀、可延续的能力,而非一次性的现场服务。

FDE在中国会走向哪里?

从Palantir式重装部署,到中国本土的轻量化、内化型变体,FDE概念的流变折射出AI产业的核心命题已发生转移——从"模型能做什么"转向"谁能把模型真正变成生产力"。

多位业内人士认为,中国企业正在摸索一条不同于硅谷的路径。这条路不一定追求单点项目的极致深度,但更看重经验的复用效率和客户侧的自主延续能力。

"FDE这个岗位名称在中国未必会大面积复制,但它所代表的理念——深入现场、交付价值、反哺产品——已经成为AI to B领域的基本功。"一位长期跟踪企业服务赛道的分析师表示,"至于最终长成什么形态,一定是由中国市场的成本结构、人才结构和产业需求共同决定的。"

从这个意义上说,无论是科大讯飞的行业知识沉淀、腾讯与长安的联合战队,还是灵核数智的CASM经验提炼,都只是众多本土化探索中的样本。真正值得关注的是,当AI技术红利从实验室流向工厂车间,如何让每一次"下沉"都不止于一次项目交付,而是沉淀为行业可复用、企业可延续的能力资产——这或许才是中国AI落地进入深水区后,需要集体回答的问题。

COMPO

WS6a83f93ca3105d3d7a27b7fc

https://cn.chinadaily.com.cn/a/202608/18/WS6a83f93ca3105d3d7a27b7fc.html