（来源：中国企业家杂志）

　　文｜《中国企业家》记者孙欣

　　见习编辑｜李原

　　头图来源｜视觉中国

　　过去半年，一个源自海外的全新工作概念——FDE，引爆了大厂的人才争夺战，百万年薪仅是基准线。

　　字节、阿里、腾讯、金山等大厂，都在开足马力，紧急招募FDE。《中国企业家》从BOSS直聘、猎聘等平台上看到：豆包开出了105万元年包薪酬；阿里云大模型FDE月薪2万到5.5万，16薪；月之暗面Kimi上线了年包109万元的FDE岗位。硅谷从业者透露，海外FDE薪酬更是上不封顶。

　　接近字节的人士向《中国企业家》透露：有的字节FDE入驻企业，日薪可达1万元。

　　FDE，即Forward Deployed Engineer，意指前线部署工程师。它由美国公司Palantir带火，核心是“驻场交付”，即工程师直接进入客户现场，将标准化数据分析产品，嵌入客户的现有系统与工作流。

　　这套打法帮助Palantir股价从2022年底的不到6美元，一路涨至2025年的200美元，也让国内苦于AI to B落地的公司们看到了解药。

　　今年夏天开始的AI办公大战，进一步加剧了大厂的焦虑。年中，字节用二十余天把飞书、TRAE、扣子并进豆包工作；阿里把QoderWork、钉钉的部分侧翼产品和MuleRun合成千问办公；腾讯的WorkBuddy则要求生态里数千家服务商要自备FDE交付能力。

　　来源：AI生成

　　为什么大厂集体瞄准了FDE？一方面，AI办公赛道价格战、渠道战、产品整合战轮番上演。“（它们）最终争的是，谁真正能完成企业的需求，并且能标准化成产品的能力，但这件事是有时间窗口的。”鼎晖投资创新与成长基金的刘羽轩说。

　　激战的同时，AI产品在交付又有一个核心矛盾待解，“销售谈不清需求，研发又够不着客户。”一位头部云厂商负责人对《中国企业家》总结。

　　“FDE最先由火山云提出来，跟他们to C的基因有关。以前销售不知道研发在哪里，有啥卖啥。但是AI to B，尤其是to大B的时候，一定要谈需求，作规划和测试。销售人员谈不清楚，就在旁边放个FDE，其实就是放一群研发嘛。所以FDE归根到底，还是要提升一线人员的作战能力。”上述负责人说。

　　FDE只是销售的新名字

　　FDE虽然是新火起来的名词，但并不是个新概念。“要成为一个合格FDE的条件，是非常苛刻的，所以他才贵。”金蝶央企数字化咨询部总经理李峰说。

　　在他看来，FDE之所以在这个时点冒出来，是因为AI不再是工具，而是开始以“工作伙伴”的身份进入组织——生产力变了，生产关系就要变。

　　在工业时代，市场、售前、交付多由三条线负责，而FDE要能面向市场拿单、懂业务、能把需求翻译成技术语言，也要能自己部署交付。简而言之，需要复合型人才，能对结果负责，也能以结果收费。

　　这不是中国独有的问题，“在美国招一个FDE也这么难。”李峰说。

　　2026年8月，张健同时收到了阿里云、火山引擎的FDE面试邀请。他回忆面试要求：“类似于TAM（技术客户经理）的角色，但要求（应试者）能覆盖的技术栈很长，从服务器一直到Agent平台，岗位分1到10级。”

　　张健告诉《中国企业家》，市面上的FDE岗位实际分两类：一类基于自家Agent产品去做垂直行业能力，要了解行业的工作流、边界，技术深度更深；另一类没有自家Agent产品，利用外部工具，按客户需求从0到1定制开发软件。

　　FDE驻场收费模式在国内则要视复杂程度而定，也普遍分为两种：项目制，按每人每天薪酬收费；以及订阅产品，打包服务项目付费。

　　例如，张健应聘的字节岗位便不要求FDE长期驻场，而是以改善自家Agent为主，仅偶尔出差。阿里云也可以线上合作办公，反倒一些创业公司的FDE岗位要求长期出差。

　　FDE具体干的工作是，深入客户现场，标准化客户需求、反馈给产品设计。杭州时空涌现科技创始人张蓝尹在to B赛道创业多年，她提到，FDE必须懂技术，才能在客户的流程里看出哪里能上AI。

　　具备全栈技术能力的同时，FDE还需要有销售的灵敏嗅觉。

　　AI to B的OPC创业者李格将FDE形容为“打补丁”。2022年，某办公软件曾广泛招进一批CSM（客户支持经理），负责销售、渠道培训和客户服务。“现在他们大招FDE，某种程度上就是在弥补CSM在AI能力上的不足。”

　　鼎晖高级合伙人郭其志给出判断——咨询公司历来把“猎人”和“实施者”分开，而一个能跟客户谈业务流程的FDE，“最好是曾经的销冠，如今AI Coding能力可以补足其技术短板。能0基础学会用编程，就是天然的FDE选手。”

　　站在应聘者视角的张健，对销售任务并不排斥。“只做技术的话，老板大概率看不懂你做的东西，你只是一个螺丝钉。”

　　这也导致，FDE往往被当作技术岗招进来，被当作交付工种使用，最后又被当作销售考核。

　　客户到底为什么付费？

　　在大厂想象中，FDE可以一个人完成业务梳理、AI技术闭环、产品化和现场沟通。但几个月的喧嚣过后，社交平台上开始充斥着“FDE泡沫破掉”的标题。

　　事实上，FDE还距离理想状态很远。郭其志表示，眼下不少FDE进企业做的事，说白了就是两个字——培训，给客户办AI比赛、上AI课。

　　交付为何有此错位，得先回答一个问题：客户到底是为了什么付费？以及，客户为什么还没有付费？

　　“国内的to B交付，甲方一言不合就让你做定制，平台最后能落个‘魔改’版就挺好的了。”

　　李格表示，要理解交付现场必须有FDE，得先承认一件事：国内的大部分企业不信任AI，更不会重度依赖任何市面上的AI产品。

　　“企业端的AI，今天还只做到了局部。”金蝶的李峰把AI落地分成四个阶段：个人应用、企业局部应用、企业整体应用、社会化管理。

　　来源：AI生成

　　虽然市场上充斥着“三天给你搓一个ERP”的论调，但李峰的判断是，企业端目前只走到了第二阶段。“端到端全域，到现在为止我还没看到过。”

　　毕竟在企业看来，B端容错率极低。“客户的需求不是标准化的，且对于长流程业务场景中的AI Agent，错误率容忍度很低。哪怕AI有0.01%的概率误删企业数据，或者做错了一笔账，企业都绝对不会接受。”刘羽轩说。

　　即便在海外，客户对AI也远远没有达到信任的程度。她以OpenAI服务的一家半导体企业案例举例：团队只用4周产出demo，后续却要耗费4个月时间，将系统输出的每一份结果，完整标上数据来源。“这不是一个实际需求，更多是心理需求。”

　　信任缺失的同时，上下文不充足、数据割裂，也在成为通用AI进入大厂落地的拦路虎。钥蚀科技创始人冯璐瑶目前在FDE赛道创业，曾是国内某大厂to B的一线销售。

　　在大厂工作时，冯璐瑶也常常遇到这样一幅图景：客户企业几百名员工都用某个to B办公产品，搭了很多智能体，但公司数据并不存在该软件里。员工不得不手动往里喂信息，导致所有决策和审核，还要人工过一遍。

　　“AI对客户来说似乎是锦上添花，又有点多此一举。”冯璐瑶直言。

　　她也遇到过采购某头部AI平台的客户，首年掏了几十万，第二年就完全不续约了。这意味着“在大厂的角度上，这笔单变成了亏本生意”。

　　不少客户都曾向冯璐瑶抛来问题：有没有办法让老板直观看到用AI的效果：“你们好歹给我一个平台，告诉我有多少Token，企业获得了多少效率提升。”

　　但如今AI产品的实际效果难以直观显示，甚至交付流程，也还做不到标准化。

　　冯璐瑶透露，某头部AI平台的商务在销售后，会由渠道商来承接，渠道商又会试图把自己的服务打包到里面。虽然大厂的SOP（标准作业流程）是标准化的，但投入力度也取决于客户品牌力大小。

　　“汇报混乱、KPI混乱，甚至工作目标都是混乱的。”李格说，“数据集成模块，协同办公工具的销售接不了，因为卖数据集成的收益，是算在另一拨人头上。”

　　在她看来，大厂还是以产品为主语，反推B端业务流程，而不是从B端业务流程反推产品。

　　FDE团队的规模，是模型能力的倒数

　　创业FDE大半年来，冯璐瑶切实感受到了现实的骨感。钥蚀科技的客户分两类：一类明确要求先让所有人用上AI，以求降本增效；另一类要的是完整的平台，更像过去软件开发的活。

　　市场的热与企业的冷之间，也存在切实的温差。一位苏州制造业老板告诉冯璐瑶，智能制造还很难靠AI介入，“大家都说AI能带来翻天覆地的变革，至少在我们接触到的企业里，还没有看到。一直都是厂商在试图教育市场，客户根本没有相应的诉求。”

　　比市场教育更棘手的，是B端落地必然触碰的内部利益再分配。毕竟所有落地项目，都绕不开客户内部的利益平衡。

　　哪些部门的数据开放、哪些岗位的原有核对流程会被简化、谁为最终上线结果负责签字。“要把这些写清楚，剩下是老板作决定；写不清楚，再强的技术也会在会议室里被耗死。”李峰说。

　　同样做AIto B交付，海内外模式也天然存在差异。刘羽轩对此感受鲜明：“海外更多是标准化的SaaS产品，中国总是需要项目式交付。”

　　刘羽轩曾和OpenAI的FDE负责人交流，对方团队早期仅有两人，“公司的注意力都在ChatGPT这些to C产品上”，直到to B成为战略必答题，FDE才正式被扶正。她透露，即便OpenAI的FDE已经实现很高人效，截至2025年底，整个团队规模也仅在50人左右。

　　反观国内，大厂都在搭建数百人规模的交付、生态服务团队。悬殊的人力投入差距，背后除了企业信任逻辑、私域数据管理习惯之外，根源也落在产品与模型本身上。

　　“模型能力还是做得不够，还在使用SaaS to B的思维做交付。模型能力直接决定了FDE产品标准化后，需要多少人力去兜底。模型的长程任务准确率持续提升，FDE人效就会越来越高。”

　　据她观察，智谱现阶段基本只输出标准化API，背后依托的就是较强的模型底座。“被钱天天在追着跑。一家公司现场堆的人越多，恰恰说明它的产品和模型越不够用。”

　　刘羽轩强调：FDE的真正目的是“把需求标准化地带回产品里”，如果仅仅驻场做一次性的项目交付，就和外包没有区别。

　　FDE的下一形态：人+Agent、一人公司

　　“从被神化，到走下神坛，甚至开始被污名化，反映的就是市场本身的极度不理性。”一位业内人士认为，FDE的内核并没有变。下到业务现场去，再把共性需求抽出来，这件事仍然成立，“人机结合是必然趋势”。

　　“FDE本身不是伪概念，但如果只把它当成销售和获客的敲门砖，它就变成了伪概念。”郭其志说。每家企业的业务流程、管理方式、数据底座千差万别，“大厂天然要追求通用化，一个产品恨不得销向全世界。要深度解决实际业务问题，往往还得找第三方来干”。

　　这也让大厂交付不了的缝隙里，长出了一批小玩家。

　　冯璐瑶的团队最初只有三个人：她负责诊断、出方案和“搓”demo，工程师负责部署落地，还有一位负责获客。客户画像很清晰——50人到300人的公司，没有强技术团队，或者业务和技术磨合得不好。定价是改造一条业务流程5.8万元起步，两条流程加上咨询和培训，一年收取12.9万到15.9万元。

　　“做FDE最好的是OPC（超级个体）这波人，因为从销售到实施交付都是一个人。”社交媒体平台一位网友分享。

　　张健也留意到一个趋势：一批拥有十年以上开发经验的程序员正在转型成为“超级个体”。他们只亲自完成30%的架构设计与技术选型，把剩余70%的执行工作交由AI承接。

　　来源：AI生成