演示惊艳，上线艰难。这是当下企业 AI 落地最吊诡的一道断层。
PoC 阶段的效果往往让人热血上头，可一旦想真正进生产环境——数据散在十几个老系统里、权限边界说不清、业务流程里全是"只有老王知道"的潜规则——模型的能力就像一拳打在棉花上，使不上劲。正是在这道断层上，一个来自 Palantir 的老工种被重新翻了出来：FDE，Forward Deployed Engineer，前沿部署工程师。
它真不是新词
FDE 的源头在 Palantir 早年的打法。这家公司服务的不是普通互联网客户，而是政府和大企业：物理隔离的涉密环境、模糊到谈不上需求的需求、以及"不把人派过去就根本推不动"的客户组织。它的解法是把工程师直接驻派到现场，一边理解业务、一边写代码、一边上线，并且对"最后到底能不能跑起来"负责。这套模式后来被概括成 Forward Deployed Software Engineer，逻辑一句话就能说清：复杂系统的落地，靠远程支持和文档是完不成的，必须有人钻进现场。
有意思的是 OpenAI 现在也在招这个岗。JD 写得直白：驻场在客户公司，主导前沿模型在生产环境的端到端部署，从需求梳理一直管到上线。薪资区间 16 万到 28 万美元，比大多数纯研发岗高出一截。这其实说明一件事——大模型公司终于意识到，光卖 API 不够，客户拿到模型之后"不知道怎么用"的问题，不是发一篇文档就能解决的。
同名不同命
FDE 在国内升温的同时，冒出一个值得警惕的现象：挂着 FDE 名号的人，干的是完全不同的活。
最底层的叫外包驻场型，说白了就是按工时结算的现场开发加运维，技术含量全看项目本身，天花板摆在那。再往上是解决方案顾问型，售前交付一把抓，写方案、做 POC、收拾上线后的烂摊子，核心本事是"听懂客户嘴上要什么"。还有产品布道师型，驻场不为交付项目，是把客户当试验田，观察真实使用行为，把反馈带回产品团队去驱动迭代。
这三种我一笔带过，因为它们本质上都是"卖人天"或"卖方案"的变体。真正该停下来看的是第四种——Agent 原厂型。AI 公司慢慢发现，模型再强，不钻进客户的业务流程里就是废铁。于是原厂亲自派工程师驻场，把业务翻译成 Agent 能执行的工作流，同时把真实场景的数据带回模型做迭代。它关键在哪？一句话：集成商不会替你的产品负责，外包交付的是"项目"，原厂 FDE 交付的是"你的产品在真实世界里到底表现成什么样"。
和它有交集的还有一种更稀缺的形态——行业专家型：懂业务胜过懂代码，能把行业痛点直接翻译成技术需求，甚至定义 Agent 该怎么做。它通常不单独出现，而是和 Agent 原厂型组队。
把这几类摆在一起，你会发现 FDE 在中国正处在"概念先行、实践分化"的阶段。名字可以一样，但内核决定了价值上限。
交付的是闭环，不是 Agent
FDE 和普通 AI 应用开发最本质的区别，是对什么负责。
普通开发者的交付物是"功能上线"：接口通了、页面能跑了，活儿就完了。FDE 的交付物是"业务结果发生了可验证的变化"——他必须回答一个更难的问题：AI 到底让哪个环节的成本降了、哪个决策的准确率提了、哪类重复劳动被替掉了。
有实践者拆过一个框架，把企业流程变成可计算的对象：作业字典、成本动因、标准成本、业务基线。我不大想复述那串术语，里面真正要命的只有一个——业务基线。没有基线，你根本无从判断 AI 是不是真的改善了结果；没有稳定的作业定义，Agent 自己都不知道在对什么负责。最后靠一个闭环去验证：判断准不准、动作执没执行、结果有没有被真实业务指标确认。
这也解释了最常见的失败长什么样：很多 AI 项目做出来"看起来有用"，但算不清账。FDE 的核心能力之一，就是在客户现场把模糊的"提效"翻译成能摆在桌上的具体数字，再用这个数字去证明或证伪自己的方案。
不是谁都配用，也不是哪都需
FDE 有个容易被忽略的前提：它的土壤是"非标"。
互联网公司的 AI 落地逻辑是内部提效或 API 规模化，轻接触、高复制。FDE 却是重驻场、高成本、结果导向，天然和"标准化复制"的商业逻辑拧着。它真正的用武之地，是那些流程非标、数据分散、系统老旧、每个客户都不一样的传统行业和大型组织——政企、金融、制造、能源。这些地方的 AI 落地难点从来不是模型不够强，是现场太复杂。
网络安全行业是个现成的观察样本。这个行当正被产品同质化、价格战、项目回款周期拉长三件事一起挤。FDE 的模式内核——驻场、深度对接业务、对效果负责——和这个行业原有的驻场运维、重保值守、安全顾问服务形态高度重叠。所以它可能是一次真正的模式升级，也可能只是旧酒装了新瓶。分水岭只有一条：真正的 FDE 有没有产品反哺能力——驻场经验能不能沉淀成标准化产品，后续项目能不能规模化复用，而不是永远在做定制化的"人天生意"。
说到这，就能看清一个 FDE 团队成熟不成熟。成熟的标志不是招了多少人，而是三件事：有独立的汇报线，不挂在销售或研发下面；对业务结果负责，而不只是对交付物；手里握着产品反哺权，一线的经验能直接改产品路线。缺了最后这条，FDE 就退化成一种更贵的实施顾问。
写在最后
FDE 的走红，本质是企业 AI 落地的结构性缺口：模型能力已经溢出了，但把能力变成结果的"最后一公里"还缺人。这个缺口填不上更强的模型，也填不上更低的 API 价格，它要的是一种混合能力——懂技术到能写生产代码，懂业务到能跟客户业务方坐一张桌子拆流程，懂交付到能对结果而不是功能负责。
但它不是万能药。当 FDE 被当成招聘市场的标签到处贴，最容易发生的就是概念通胀：驻场外包叫 FDE，售前支持叫 FDE，任何要见客户的工程师岗都叫 FDE。真正该追问的从来不是"你是不是 FDE"，而是三件事——你对什么负责，你的交付物是什么，你的驻场经验最终去了哪里。答不上来，FDE 就只是一个更好听的职位名称。
