希鸥网产业观察
FDE的爆火，本质上是AI产业从“模型炫技”走向“生产落地”时必然出现的阵痛。模型能力越来越强，API越来越便宜，但企业真正用起来却卡在数据、流程、合规和组织惯性上。于是，一个既懂工程又懂业务、还能扎进客户现场的人变得稀缺。FDE被高薪追逐，不是因为它光鲜，而是因为它承担了AI最难、最脏、最不标准化的那一公里。
从岗位来源看，FDE并不是AI时代凭空造出的新词。Palantir早在2000年代中期就发现，面对政府、国防这类高度敏感和个性化的客户，远程交付根本跑不通。工程师必须长期嵌入客户现场，既写代码又理解业务，才能让系统真正运转。今天的FDE延续了这套逻辑：AI工程师对模型指标负责，FDE对业务结果负责。它卖的不是模型，而是模型在真实组织里跑起来的能力。
FDE突然值钱，直接推手是头部AI公司的战略转向。Anthropic、OpenAI、谷歌云几乎同时意识到，光卖API不够了。客户拿到模型后，常常不知道怎么用、数据接不上、效果不稳定、上线后不敢用。于是，部署子公司、落地岗位、现场工程师成为新战场。叠加科技行业裁员潮，FDE招聘两年增长42倍，高薪叙事迅速出圈。这种反差让很多人误以为，FDE是AI时代最不会失业的金饭碗。
但鱼皮的故事揭开了另一面：月薪五万的offer，第一天上班可能是进厂贴二维码。没有写字楼、没有落地窗、没有现成数据管道，只有轰鸣的机器、手写台账和连基础数据都没采集过的工厂。FDE的真实工作，往往先要理顺报修流程、把故障描述结构化、说服工人每天多填两栏。这些和AI看似无关的前期工作，恰恰决定了AI能不能开始。高薪招聘文案里的Python、RAG、Agent，到了现场可能先变成Excel和沟通术。
因此，FDE更像一个翻译器、传感器和催化剂。它把AI能力翻译成企业能听懂的方案，把企业真实痛点传回产品团队，也用局部提效证明这件事值得继续做。它身兼研发、售前、实施、运维甚至培训数职，驻场是常态，漂泊是代价，职业边界模糊，burnout成为高频词。客户满意度直接挂钩绩效，现场问题必须即时解决。这不是普通工程师的舒适区，而是一种高压的复合型前线角色。
更关键的是，FDE的商业模式存在天然矛盾。定制化交付意味着人力成本随客户数量线性增长，这与软件行业追求的边际成本递减逻辑相悖。如果背后没有可复用的平台，一线发现不能反哺产品，FDE就容易退化成“驻场外包”。客户要定制、要私有化、要驻场，最后SaaS做成项目，产品公司做成外包公司。中小客户利润能否覆盖驻场成本，仍是一个尚未被验证的问题。
当然，把FDE完全斥为换皮也过于简单。云计算时代催生了SRE和DevOps，它们最初也被视为运维变体，后来成为独立技术分支。FDE可能正在走类似的路：AI从实验室走进业务流程，确实需要一批既懂工程又懂业务、还愿意扎进现场的人。这部分需求不会随泡沫退潮而消失。但42倍增长的数字里，也混着title通胀、岗位合并和尚未被验证的价值预期。
对个体而言，FDE不是适合所有人的金饭碗。真正拿到百万年薪的，往往集中在头部AI公司和顶级咨询机构，要求多年工程经验与面向客户经历，且并不稳定。对行业而言，FDE的价值不在于头衔多热，而在于能否把现场的不确定性沉淀成可复用能力。闯入其中的鱼皮，不知道自己踩上风口还是走进窄门。但可以确定的是，AI要真正落地，总得有人先去车间，把二维码贴上。