文章核心观点 - FDE（前线部署工程师）概念由Palantir带火，核心是驻场交付，将标准化数据产品嵌入客户系统与工作流，帮助Palantir股价从2022年底不到6美元涨至2025年200美元 [5] - 字节、阿里、腾讯、金山等大厂紧急招募FDE，豆包开出105万元年包，阿里云大模型FDE月薪2万至5.5万、16薪，月之暗面Kimi上线年包109万元FDE岗位，字节部分FDE入驻企业日薪可达1万元 [4] - FDE本质是提升一线人员作战能力，解决"销售谈不清需求、研发够不着客户"的AI to B交付核心矛盾 [6][7] - 行业分歧明显：FDE内核成立但被过度神化，若仅作为销售获客敲门砖则沦为伪概念，人机结合是必然趋势 [21] FDE的岗位定义与能力要求 - FDE即Forward Deployed Engineer，需面向市场拿单、懂业务、能将需求翻译成技术语言并自行部署交付，是复合型人才，能对结果负责并以结果收费 [9] - 面试要求覆盖技术栈极长，从服务器一直到Agent平台，岗位分1到10级，类似TAM角色但技术广度要求更高 [10] - 市面FDE岗位分两类：一类基于自家Agent产品做垂直行业能力，技术深度更深；另一类无自家Agent产品，利用外部工具按客户需求从0到1定制开发 [10] - FDE需具备全栈技术能力与销售灵敏嗅觉，深入客户现场标准化需求并反馈给产品设计 [10][11] - 鼎晖高级合伙人郭其志判断：最好的人选是曾经的销冠，AI Coding能力可补足技术短板，能0基础学会编程即为天然FDE选手 [12] - FDE常被当作技术岗招入、当作交付工种使用、最后按销售考核 [12] 收费模式与交付现状 - 国内FDE驻场收费分两种：项目制按每人每天薪酬收费；订阅产品打包服务项目付费 [10] - 字节FDE岗位不要求长期驻场，以改善自家Agent为主、偶尔出差；阿里云可线上合作办公；部分创业公司要求长期出差 [10] - 不少FDE进企业实际做的事是培训，给客户办AI比赛、上AI课，距离理想状态很远 [14] - 国内to B交付甲方常要求定制，平台最终落个"魔改"版 [15] - 企业端AI落地分四阶段：个人应用、企业局部应用、企业整体应用、社会化管理，目前仅走到第二阶段，端到端全域尚未见到 [15] 客户付费意愿与落地障碍 - 企业不信任AI、不会重度依赖市面AI产品，B端容错率极低，哪怕AI有0.01%概率误删数据或做错账，企业都绝不接受 [15] - OpenAI服务某半导体企业案例：团队4周产出demo，后续耗费4个月为每份输出结果完整标注数据来源，更多是心理需求而非实际需求 [15] - 上下文不充足、数据割裂是通用AI进入大厂落地的拦路虎，客户员工需手动喂信息，决策和审核仍需人工过一遍 [16] - 有客户采购某头部AI平台首年掏几十万元，第二年完全不续约，大厂角度该单变成亏本生意 [17] - 客户希望直观看到AI效果，如Token数量与效率提升，但AI产品实际效果难以直观显示，交付流程也做不到标准化 [17] - 大厂汇报混乱、KPI混乱、工作目标混乱，数据集成模块收益算在另一拨人头上导致协同困难，大厂以产品为主语反推B端业务流程而非相反 [17] - 苏州制造业老板反馈智能制造还很难靠AI介入，一直是厂商试图教育市场，客户根本没有相应诉求 [19] - B端落地必然触碰客户内部利益再分配，哪些部门数据开放、哪些岗位核对流程简化、谁为上线结果签字，写不清楚再强的技术也会在会议室被耗死 [20] 海内外模式差异与团队规模 - 海外更多是标准化SaaS产品，中国总是需要项目式交付 [20] - OpenAI的FDE团队早期仅两人，截至2025年底整个团队规模仅50人左右，人效很高 [20] - 国内大厂都在搭建数百人规模的交付、生态服务团队，人力投入差距悬殊 [20] - 模型能力直接决定FDE产品标准化后需要多少人力兜底，模型长程任务准确率持续提升则FDE人效越来越高 [20] - 智谱现阶段基本只输出标准化API，背后依托较强模型底座，被钱追着跑；一家公司现场堆的人越多，恰恰说明产品和模型越不够用 [20] - FDE真正目的是把需求标准化地带回产品里，仅驻场做一次性项目交付就与外包无异 [20] 小玩家与"一人公司"形态 - 大厂交付不了的缝隙里长出一批小玩家，冯璐瑶团队最初仅三人：一人负责诊断出方案和搓demo，一人负责部署落地，一人负责获客 [22] - 客户画像为50人到300人的公司，无强技术团队或业务与技术磨合不好；定价为改造一条业务流程5.8万元起步，两条流程加咨询和培训一年收取12.9万到15.9万元 [22] - 一批拥有十年以上开发经验的程序员正转型"超级个体"，只亲自完成30%的架构设计与技术选型，剩余70%执行工作交由AI承接 [23] - 李峰在物理隔离设备上本地部署四五个大模型与8个Agent，配套供电、门禁、隔离围栏、记忆维护机制及紧急任务队列，定义为"受控工业级" [24] - 小玩家增长天花板已显现，飞书原有不少大客户已转向采购豆包工作，企业服务仍是堆人力的生意 [25] - 中小企业主算账：软件服务商百万元AI升级报价，不如20万元聘请一名懂Agent的开发用一年落地项目 [25] - 破局路径一是放大单人能力积累人力复利，一个FDE替代售前加产品经理；二是将交付成果产品化沉淀，已沉淀出餐饮门店、跨境电商两套标准化方案 [25] 行业前景判断 - 李峰认为机会和泡沫只在一瞬间，切入好是机会、切入不好是灾难，落地策略是双S曲线并行、不贸然推翻原有成熟业务，金蝶内部已推动工程师同时考取AI工程师与FDE认证 [26] - 行业共识是岗位是否叫FDE不重要，关键在于中国企业的AI落地能否真正跑通 [26]