当大模型的能力不再稀缺，"能不能落地"成了新的瓶颈。近一年，OpenAI、Anthropic、Google Cloud 等国外大厂纷纷组建自己的 FDE 部门，把工程师派进企业现场，用 AI 重构业务流、重排组织，帮助企业从"用了 AI 工具"升级为真正的 AI 企业。这是一份行业视角的拆解。
FDE（Forward Deployed Engineer，前沿部署工程师），字面意思就是"被前置部署到最前线的工程师"。这个词最早源于军事——把工程力量直接派到一线战场。约二十年前，数据与 AI 公司 Palantir 把它引入商业世界：客户（早期是美国情报与军方）不可能把机密数据全盘托出，远程写代码行不通，于是 Palantir 直接把工程师派进客户现场，边观察真实工作流、边搭建、边交付。
Palantir 后来把这套实践制度化，并发展出经典的 Echo-Delta 双人小组：Echo 负责洞察客户痛点、把需求翻译成语言，Delta 负责在现场快速实现。FDE 既不是纯粹的程序员，也不是传统咨询师，而是两者的融合体——"懂技术、懂产业、会落地"。
2023 年以降，大语言模型的能力快速普及，"能不能建出一个 AI"不再是难题。真正的难题变成了：企业手里有模型，却不知道怎么让它真正跑进自己的业务里。
据行业统计，超过 70% 的 AI 项目会卡在落地阶段，从概念验证（PoC）转化为实际生产的比例甚至不足三成。模型很强，业务接不住。
通用方案解决不了高度定制化的场景。没有对业务的深刻理解，再先进的模型也只是"华而不实"的摆设——这正是 FDE 要填的坑。
从制造业到医疗、金融，企业都想搭上 AI 快车，却普遍困惑"具体怎么用、投入怎么回本"。能打通这层的人，成了最稀缺的资源。
AI 的瓶颈，从"能否构建"移到了"能否落地"。而填补这道鸿沟的人，正是 FDE。这正是 2023 年后，这个源自 Palantir 的角色，被新一代 AI 公司集体"翻出来"复用的原因。
2025 年前后，海外头部 AI 与云公司几乎同步加大了 FDE 方向的投入。以下为公开报道中较具代表性的动作（数据为各机构披露口径，供参考）。
将驻场工程师正式命名为"前沿部署工程师"，以 Echo-Delta 双人小组模式服务情报、金融与产业客户，FDE 约占其员工一半。
在 2023 年初成立专门的 FDE 团队，计划到 2025 年将全球 FDE 团队扩编至约 50 人，直接嵌入战略客户内部做定制部署。
与顾问及投资伙伴成立企业 AI 部署公司，据公开报道获超 40 亿美元初始投资，并收购英国 AI 咨询公司 Tomoro，将约 150 名资深 FDE 收编麾下、派往客户驻场。
与黑石、高盛等机构成立企业 AI 服务合资公司（公开口径估值约 15 亿美元），同样以 FDE 驻场模式推动 Claude 模型的深度部署；其应用 AI 团队计划扩大数倍。
Google Cloud 宣布大规模招募前沿部署工程师，协助客户采用企业 AI 产品与 AI 代理系统，计划招募规模达数百人。Cohere 等公司亦采用"签约即派工程师驻场"的模式。
注：上述融资额、收购规模、团队人数为各公司/媒体公开披露口径，随时间变化，此处仅作趋势性参考。
以下为公开招聘平台与职业社交平台的统计口径（据 Indeed、LinkedIn 等披露）。
FDE 进入企业后，做的远不止"接个接口"。他们深入一线，理解真实工作流，围绕 AI 能发挥最大价值的地方，重新设计组织的底层架构与关键流程，并把改变沉淀成可持续运行的系统。
和业务领导、运营人员、一线团队并肩工作，把藏在老员工脑子里的"隐性知识"翻译成 AI 能理解的逻辑。
围绕 AI 重新设计关键工作流与组织基础架构，而非把 AI 硬塞进旧流程里。很多时候，改的是"怎么干活"。
依托 Echo-Delta 与"现场反馈—实验室迭代—现场验证"的闭环，让 AI 能力随业务持续进化，而非一次性交付就结束。
正如 OpenAI 对其 FDE 工作方式的描述：与业务领导、运营和一线团队紧密合作，找出 AI 能发挥最大影响的环节，围绕这些环节重新设计组织基础架构与关键工作流，并把这些改变转化为可持续的系统。
很多公司停留在"买了几个 AI 工具"的阶段。FDE 推动的，是企业级的范式跃迁——让 AI 成为组织运转的内核，而不只是某个岗位的辅助。
| 维度 | 传统信息化 | FDE 驱动整合 | AI 原生企业 |
|---|---|---|---|
| 系统关系 | 各自为政、数据割裂 | 系统被连成一张网 | AI 编排贯穿全链路 |
| AI 的角色 | 基本没有 | 替代重复动作、辅助决策 | 重构流程、自主执行 |
| 组织形态 | 人围着系统转 | 人机协同、FDE 陪跑 | 围绕 AI 能力重建岗位 |
| 决策方式 | 凭经验、手工汇总 | 数据自动汇总、有依据 | 实时感知、AI 辅助判断 |
FDE 的终极目标，是让自己尽快"不再被需要"——通过系统化的知识转移，让企业具备独立运营和迭代 AI 系统的能力，而不是陷入"服务依赖"。
FDE 并非海外专属。随着大模型浪潮席卷国内，类似的"AI 落地 / 解决方案架构"岗位需求明显增多，政策与高校也开始把 FDE 视为一种新职业方向。
上海已举办多期 FDE 专题培训班，并推进"百千万"工程——链接百家企业、打造千个智能体、带动万名开发者转型，建立千人级 FDE 储备库。
多所高校与实验室开始围绕 FDE-FDR 协同模式做实践（如工业智能引擎、大模型辅助命题等），并在研究生阶段探索相关课程。
字节等科技巨头及各类创业公司设立解决方案架构师等类似职位，帮助客户把通用 AI 能力定制成贴合自身业务的方案。
FDE 很热，但落地讲究节奏。结合行业观察，企业大致可分三类来看待"是否现在就引入 FDE 式服务"。
流程原生数字化（电商、SaaS、数字营销）、任务高容错（内容、客服、素材）、价值链短（ROI 清晰）的企业，可用"小切口、深打井"快速验证价值。
对可靠性、合规、稳定性有刚性要求。现在就启动三件预备动作：盘点数据资产、把决策逻辑显性化、做小范围组织免疫测试。
把 FDE 当作"外部 AI 工程团队"可以，但必须要求知识转移与能力移交——否则外部团队一走，系统就停转。
我们认同 FDE 的核心：不是卖一套模型，而是走进你的业务、把已有的系统连起来、让 AI 真正替你干活。途为把这套理念，落到我们最懂的中小垂直行业——用渐进式整合，而不是推倒重来。