先说结论：钱开始流向「懂业务的人」
2026 年 AI 行业最抢手的岗位，不是训练模型的，也不是写算法的，是一个把工程师派进客户现场的岗位——FDE（Forward Deployed Engineer，前沿部署工程师）。数字先摆出来：领英 2026 年报告显示，2023 至 2025 年全球 FDE 招聘需求增长 42 倍；国内猎聘大数据研究院 9 月发布的报告显示，FDE 平均年薪 40.8 万元、6 月需求环比增长 237.21%、人才供需比只有 0.28——约每 3.5 个岗位抢 1 个人。
这不是一个岗位的走红，是一个行业信号：模型能力快速趋同之后，AI 竞争的瓶颈已经从「模型多强」换到了「落地多快」，而落地的载体是人。OpenAI 拿出 40 亿美元单设部署公司、AWS 投入 10 亿美元、工信部发通知鼓励企业组建 FDE 团队——钱和政策同时指向同一个方向。
对正在采购或规划 AI 的企业，这篇给出一个可以直接用的结论：选 AI 供应商，别先问「用什么模型」，先问「谁驻场、怎么验收、钱怎么付」。展开之前，先把 FDE 这件事本身讲清楚。
FDE 是什么：Palantir 的「笨办法」成了行业标配
FDE 不是新词。2003 年 Palantir 拿下美国五角大楼、CIA 等第一批客户时发现：机密数据不可能交给外部开发团队，于是做了一个在当时看极其笨拙的决定——直接把工程师派到客户现场，与用户并肩工作。"Forward Deployed" 这个军事术语由此进入商业世界，岗位在 2010 年前后正式成形。
二十多年后，AI 行业撞上了同样的墙：模型突飞猛进，但银行不敢把客户数据直接喂给大模型，工厂不知道怎么把大模型接进质检系统，医院搞不清如何在保护隐私的前提下用 AI 辅助诊断。于是硅谷复刻了 Palantir 当年的打法——派人驻场、现场调试、适配客户自己的系统。Palantir 内部把这支队伍分成两类：Echo 负责进入现场、翻译需求，Delta 负责把需求变成原型、部署迭代。这个「咨询+交付+工程」三合一的分工，后来被全行业抄走了。
阿里云智能集团副总裁霍嘉在 2026 云栖大会期间把 AI 落地的痛点归结为三条：懂 AI 且能和业务结合的人才极其稀缺；缺乏真实的、可复用的最佳实践案例；传统 IT 项目式管理跟不上模型每月甚至每周的迭代节奏。FDE 恰好是对这三条的正面回答。
有多火：中美两侧的需求数字
把可核实的数字放一张表里看：
| 口径 | 数字 | 来源 |
|---|---|---|
| 全球 FDE 招聘需求增长 | 2023-2025 年涨 42 倍 | 领英 2026 年劳动力报告 |
| 美国 FDE 招聘职位 | 2023 年不足 200 个 → 2025 年约 1200 个 → 2026 年前 9 个月超 7300 个 | Lightcast（劳动力市场分析公司） |
| 美国 FDE 中位广告薪资 | 19.5 万美元/年，较 2023 年涨 40%，约为美国全行业中位的 3 倍多 | Lightcast |
| 国内需求增速 | 6 月环比 +237.21%；8 月单月新发职位接近上半年总量 | 猎聘大数据研究院《2026 FDE 人才供需趋势洞察报告》 |
| 国内平均年薪 | 40.8 万元；供需比 0.28 | 同上 |
| 国内城市分布 | 上海 23.33%、北京 22.50%、深圳 14.31%、杭州 8.19%，四城合计 68.33% | 同上 |
| 国内岗位薪资示例 | 豆包 FDE 月薪 3.5-7 万（15 薪，年包最高约 105 万）；Kimi 企业版 FDE 年包最高约 109 万；OpenAI FDE 年薪 16.2-28 万美元另加股权 | 招聘平台公开职位信息（2026 年 10 月报道） |
需求端之外，资本和政策也在同向加码：OpenAI 以超 40 亿美元初始投资成立独立的部署业务（Deployment Company）；AWS 承诺投入 10 亿美元推进 FDE 计划；Anthropic 计划到 2027 年底培训 1 万名 FDE，并与黑石设立合资公司把 FDE 升级为战略业务单元；埃森哲和谷歌云在搭建千人规模的队伍。国内，工信部办公厅《关于开展人工智能应用服务商培育专项行动的通知》明确「鼓励服务商搭建前线部署工程师（FDE）团队，扎根用户现场，保障场景落地」；资本市场出现了第一家 FDE 概念上市公司（海致科技，2026 年 2 月港股挂牌，首日大涨 250%）。
为什么是现在：三个老问题等到了新时点
驻场交付不是新事，传统集成商做了二十年。FDE 此刻爆火，是因为三个老问题在 2026 年同时恶化：
| 老问题 | 为什么现在恶化 | FDE 的应对 |
|---|---|---|
| 模型与业务之间没有翻译 | 模型能力趋同后，「选哪个模型」的差距远小于「怎么接进业务」的差距 | 工程师直接贴着业务找问题，需求现场翻译 |
| 企业侧系统太旧、数据太乱 | AI 要接的是 15 年的 ERP、没人维护的数据管道——demo 好看，签约之后才是真功夫 | 驻场处理既有系统、安全要求与组织阻力 |
| 迭代节奏错配 | 传统「规划—执行—验收」的项目制跟不上模型周更；方案写完，模型已经换了代 | 现场持续迭代，原型即需求确认 |
一句话概括：过去两年证明了模型「能用」，2026 年要证明「用了之后业务指标动没动」——证明这件事需要人泡在客户现场。华尔街开始对「花了数十亿美元投入 AI 却没有业务结果」的公司失去耐心，这是海外媒体给出这轮 FDE 扩军潮的背景。
钱怎么付：三种商业模式，差距在「沉淀」
FDE 服务怎么收费，直接决定这门生意能不能长期做。目前市场上并存三种模式：
| 模式 | 收入构成 | 特点 |
|---|---|---|
| 人力外包 | 按人天收费 | 本质卖人头，毛利约 30-40%，交付经验难以复用 |
| 模型 + 交付 | API 收入 + 服务收入 | 模型端毛利高、服务端毛利低；适合模型厂商 |
| 平台 + 服务 | 一次性交付费 + 持续运维费 + 平台订阅费 | 交付经验沉淀为平台资产，毛利最高、续约最好 |
值得企业买家注意的方向有两个。其一，按结果付费开始出现——阿里云副总裁霍嘉公开表示更看好「按结果付费」与「面向重点客户的长期服务合同」两类模式；国内已有创业公司做到按结果付费服务国央企客户。其二，付费结构正在从「买人头」转向「买可运行、可验证的结果」——这与海外调查中「按坐席定价被认为最不公平、按用量与按任务付费支持率升至 57%」的趋势互相印证。
对买 AI 的企业意味着什么：三个动作
| 动作 | 错误做法 | 正确做法 | 成本 |
|---|---|---|---|
| ① 选商看驻场，不看演示 | 比谁的 demo 好看、谁绑的模型新 | 问三个问题：谁驻场（人有几个、做过什么行业）、验收标准是什么（能否给出可运行、可验证的结果而非 PPT）、驻场团队是否写代码（贴牌售前会露馅） | 选商阶段多花 1 周 |
| ② 合同按结果切分付款 | 一次性预付、按人天结算 | 里程碑绑定业务指标（如「质检准确率达到约定值并稳定运行 N 周」），尾款与结果挂钩；有条件时争取按结果付费条款 | 谈判让利换风险共担 |
| ③ 自己也养半个 FDE | 全部外采，内部无人接得住 | 选 1-2 名懂业务的内部工程师「跟场学习」——Lightcast 的研究指出 FDE 技能约一半与软件工程重叠，可从现有工程师中培养，不必从零招 | 内部 1-2 人的工时投入 |
第③条多说一句：供需比 0.28 意味着外部 FDE 又贵又难抢，但 FDE 的本质是「工程 × 业务 × 沟通」的组合能力，不是稀缺天赋。企业内部最了解自己流程的人，加上外部驻场团队，才是当前条件下性价比最高的组合。
冷思考：热度不等于质量
- 岗位热 ≠ 交付质量高。需求 42 倍的增速下，大量「贴牌 FDE」会出现——售前挂 FDE 名头、交付还是老一套远程开发。验收标准里写明「驻场工时」「现场迭代记录」，是识别贴牌最有效的办法。
- 薪资有泡沫成分。百万年薪是供需失衡时的价格，不是常态价格。Lightcast 的研究明确指出 FDE 技能约一半与软件工程重叠、可从既有工程师培养——随着供给跟上，溢价会回落。
- 统计口径有局限。42 倍、7300 个等数字来自招聘平台与职位爬取，「岗位数」不等于「实际到岗数」，也不区分岗位职责差异；供需比 0.28 是猎聘单平台口径。看趋势即可，别引用成精确结论。
- FDE 不是万能药。驻场能解决「落地最后一公里」，解决不了「企业自己数据没人管、流程没人改」——那是另一场必须由甲方自己打的仗。
微信内识别二维码分享此文
