一句话定性：这篇用十天之内的四个行业动作，证明了 FDE 已从概念变成 AI 行业最热门、也最持久的岗位。
最值得拿走的是三块：一是岗位定义——FDE 是模型与客户侧生产级产出之间的桥梁，「亲手贯穿客户全生命周期」；二是市场信号——Google 公开的 FDE II 到 FDE IV 职级与美国薪资带（基础薪资最高到 $265,000，不含奖金与股权），以及 Box CEO 那句「部署 Agent 比部署软件更技术」的判断；三是训练路径——CS 基础、系统思维、商业敏感度加上编码 Agent、MCP、CLI 的深度熟练，再用 Google 公开的 FDE 任职要求当准备清单。最容易被误读的是把它当成又一阵「提示词工程师」式的炒作：作者明确认为它更持久，但也判断企业最终会把角色内化。
中文读者为什么要读：国内大厂与 AI 公司正在复制这一岗位，但公开的职级、薪资带与能力清单仍少；这篇提供了一个可以直接对标的市场坐标系。国内语境要叠加的是：驻场交付文化、行业 know-how 与客户信任在国内本就更重，FDE 的软技能部分在国内会被进一步放大。
行动建议：把 Google 公开的 FDE 任职要求抄下来当自检清单，对照挑出你最缺的一项，本月内补一个可展示的作品。
—— FDEChina编辑部 · 实战派
我是 Matt Burns，Insight Media Group 的首席内容官。每周，我会梳理最重要的 AI 进展，并解释它们对正在把这项技术投入使用的人与组织的意义。我的论点很简单：学会使用 AI 的工作者，将定义各自行业的下一个时代，这份通讯正是为了帮你成为其中一员。
本周，OpenAI 启动了「部署公司（Deployment Company）」——一项超过 40 亿美元的投入，核心是用前置部署工程师（Forward Deployed Engineer，FDE）为各大公司与企业提供人力配置。第二天，Google Cloud CEO Thomas Kurian 在 LinkedIn 上为该岗位公开招募，Google Cloud 同期有 59 个相关职位开放，并宣布计划招数百人。Anthropic 把自己的 FDE 驻场嵌进 FIS，共建反洗钱 Agent。ServiceNow 与埃森哲也启动了联合 FDE 项目。
这一切都发生在最近十天内。
如果你一直在追问：哪个 AI 岗位是持久的、薪酬优厚、而不是 2023 年「提示词工程师」式的炒作角色——答案正变得显而易见。前置部署工程师是 AI 模型与客户企业内可运行的生产级产出之间的桥梁。而通往 FDE 的路径看起来也是可行的：学会 AI 工程栈，用真实工作流做构建，再训练大多数工程师都回避的客户侧判断力。想踏上这条路？我强烈建议从 Roadmap 的 AI 工程学习路径开始，它包含了你入门所需的一切。
前置部署工程师到底在做什么
关于 FDE 最权威的读本就在我们网站上。今年 1 月，Jennifer Riggins 在 The New Stack 发表了《为什么前置部署工程师是科技行业最热门的岗位》——那是一篇来源扎实、条理清晰的角色溯源文章，讲清了这个职位的起源、需求，以及 AI 为什么加速了它。
简短版本是：FDE 介于后端软件工程师与面向客户的软件架构师之间。这个角色由 Palantir 首创，以「驻扎海外、随时快速响应」的前置部署士兵为原型，建立在一个朴素的洞察上：企业数据是混乱的，要交付一个能运行的系统，就需要工程师驻场嵌进客户环境。AWS 首席解决方案架构师 Prasad Rao 向 Riggins 描述这份工作是「亲手贯穿客户全生命周期」——设计、交付，然后留下来修问题，并根据现场实际情况调整系统。这个角色正迎来自己的时刻，部分原因是 MIT NANDA 的《2025 企业 AI 现状报告》[PDF] 发现 95% 的企业生成式 AI 试点没有可衡量的业务影响——不是模型不行，而是模型不会自己完成部署。
NetBox Labs 联合创始人 Mark Coleman 向 Riggins 说起软技能时讲得更直白：「人在看到自己不想要的东西之前，并不知道自己想要什么。」这句话就是 FDE 的岗位说明书。模型可以生成十个看似合理的答案，FDE 要判断客户真正需要哪一个，把它交付出去，并随着客户的反应不断修正需求。
我自己不是开发者。我是一个每天运行 Claude Cowork 与 OpenAI Codex 会话的编辑。我看得见「模型在方案里能做到什么」与「我们团队实际能交付什么」之间的落差。这个落差就是人的工作——正是 FDE 的职责，只是发生在工业规模上，拿着高级别的薪酬，并且在 OpenAI 那里还有 40 亿美元的资本在背后推动。
十天之内，这个角色走向主流
OpenAI 是头条。OpenAI 部署公司于周一启动，是一家由 TPG 牵头的多数控股合资企业，Advent、Bain Capital 与 Brookfield 为共同牵头方，贝恩咨询（Bain & Company）、凯捷（Capgemini）与麦肯锡（McKinsey & Company）为创始合作伙伴。OpenAI 同时收购了 Tomoro——一家伦敦的应用 AI 咨询公司，第一天就带来约 150 名 AI 工程师与部署专家。初始资金支持：超过 40 亿美元。
这是一支阵容严肃的商业咨询力量，每个人手里都有一整本客户名册和一支经验丰富的销售团队。
Google 的动作则是更大的结构性信号。就在几周前的 Google Cloud Next 2026 上，Kurian 宣称「试点的时代结束了，Agent 的时代来了」，并公布计划扩充 Google 的现场组织、核心技术工程与各行业的前置部署工程团队。他 5 月 12 日的 LinkedIn 帖子给出了具体数字：第一周新增 59 个 FDE 职位，覆盖美国、印度、巴西、澳大利亚、墨西哥、新加坡、韩国与加拿大，并设有从 FDE II 到 FDE IV 的职级阶梯。
已发布的职位信息显示，美国基础薪资区间从应用型 FDE 的 $127,000–$183,000，到 FDE IV 的 $183,000–$265,000——这还没算奖金、股权与福利。这些不是售前工程师——Google 把他们描述为「在客户环境内直接编码、调试并共同交付定制化 Agent 解决方案」的构建者。据 The Information 报道，更大的目标是数百名工程师；First Squawk 曝出该报道的帖子在 X 上获得了 130 万次浏览。这个岗位的需求本身已经成了新闻周期。
GOOGLE TO RECRUIT HUNDREDS OF ENGINEERS TO ASSIST CLIENTS IN EMBRACING ITS AI – THE INFORMATION—— First Squawk（@FirstSquawk），2026 年 5 月 12 日
Anthropic 也参与了这场 FDE 盛事，交付了一个落地项目。FIS 宣布推出一个由驻场 Anthropic FDE 共建的 Agent 化反洗钱平台，蒙特利尔银行（Bank of Montreal）与 Amalgamated Bank 是首批计划部署的机构。新闻稿的措辞本身就是信号：Anthropic 工程师驻场嵌入 FIS，共同设计金融犯罪 Agent，并「完成知识转移，使 FIS 能够随时间推移独立构建并扩展更多 Agent」。简单说，FDE 的工作是：驻场嵌入、构建交付、转移知识。
行业巨头 ServiceNow 与埃森哲更早一步。此前一周，两家公司启动了联合 FDE 项目，把双方的工程师一起驻场嵌进客户环境，在 ServiceNow AI 平台上构建 Agent 工作流。埃森哲自己的《Pulse of Change》研究解释了原因：只有 32% 的企业领导者报告获得了持续的全企业级 AI 影响。另外 68% 手里有试点、有 PPT，唯独缺交付。IBM 的 Varun Bijlani 本周指出了同一个问题：在 2000 名高管中，「执行速度」如今排在战略优先级的第三位。
「前置部署工程师，或同等角色，即将成为科技行业最抢手的岗位之一。部署 Agent 的技术含量远超多数人的想象，往往比部署软件还要复杂得多。」——Box CEO Aaron Levie，5 月 12 日
Levie 说得对。部署 Agent 时，你交付的不是软件，而是企业内部的一个工作产出，而且客户期望你一步到位地把他们从现状带向终态。这是一份大活，哪怕对一位经验丰富、薪酬高昂的 FDE 来说也一样。
如何训练自己走向 FDE 岗位
Foundation Capital 的 Jaya Gupta（曾任职麦肯锡）在回应 Google 的公告时，对角色的重新定位比迄今任何人都更到位：「FDE 模式的核心是人才，而不仅仅是部署。麦肯锡让『客户服务』对商业通才来说变得体面，Palantir 让『驻场部署』对技术通才来说变得体面。AI 时代的开放问题是：谁能让 AI 落地实施看起来像最前沿的工作？你现在看到无数大四学生在问的正是——这些地方里，哪家做这种前置部署工作最有吸引力。」
「AI 时代的开放问题是：谁能让 AI 落地实施看起来像最前沿的工作？」
FDE 之于 AI 时代，正如麦肯锡的客户服务通才之于咨询业、Palantir 的驻场部署角色之于国防与情报行业——它是吸引技术人才的高声望早期职业磁极。大学生们已经想明白了。现在的问题是：哪家实验室会成为这批人的声望雇主。
即便你已经大学毕业，这条路同样走得通。在那条推文的第二天，Aaron Levie 写了一条后续推文，读起来就像一份课程大纲，值得全文引用：
「如果我是一名大学职业顾问或就业指导，我会立刻想办法让学生们知道这些前置部署工程师岗位的存在，以及如何拿到它们。任职要求是深度技术能力的组合，通常要求 CS 专业的学位或辅修。你必须擅长解决问题、具备系统思维，并有很强的商业敏感度。关键的加分项当然是：你必须深入掌握 AI Agent——你需要对编码 Agent、MCP、CLI、Skills 等有熟练的运用能力。成百（上千？）家科技公司将会招聘这类岗位，所有咨询公司与 IT 服务公司也一样，而绝大多数中大型企业同样会在内部招聘这类人才。」
Levie 给出的是你的技术栈：CS 基础、系统思维、商业敏感度，以及深度的 AI Agent 熟练度——编码 Agent（Claude Code、Cursor、Codex）、模型上下文协议（Model Context Protocol，MCP）、Agent 化的 CLI，以及叠在上面的 Skills 层。如果你是开发者，这是在已有知识上的增量课程。如果你的岗位与工程相邻——PM、分析师、运营，或者像我这样的编辑——这是通向你所能转向的最高杠杆角色的最近一张地图。
最直接的训练路径已经公开。我们 IMG 团队运营着 Roadmap.sh，其中的 AI 工程师路线图是与 Levie 那份技术栈最接近的一页式对照：LLM 基础、RAG、Agent、MCP、评测（eval）、提示词工程与部署模式。再配上 Google 自己公开的 FDE 任职要求，当作你的就绪清单：RAG 架构的动手经验、向量数据库、基础模型微调，以及云平台上的生产级 AI 部署。
这就是 Google 或 Anthropic 的招聘官此刻衡量候选人的门槛。把路线图当课程来学，配上每天在 Claude Code、Cursor 或 Codex 里的动手练习，并且做出一个真正能上线的东西。区分 AI 工程师与前置部署工程师的是客户上下文（customer context），而获得客户上下文的唯一办法，是把某个东西交付给客户——内部客户也算。
如果你是从数据侧进入这个领域，同样的转型也在重塑你的岗位。上周在 Towards Data Science，Sara A. Metwalli 在《从数据科学家到 AI 架构师》中论证道，现代数据科学家的日常工作已经反转：「只有 10% 到 20% 的时间花在使用模型上（API 调用、推理），80% 到 90% 的时间花在编排上——处理数据流、集成与基础设施。」这与 Google 发布的岗位要求是同一份说明书，只是从数据视角写的。
这份工作的非技术半边同样重要，甚至更重要。Riggins 那篇文章引用了 Coleman 对一项被低估技能的看法：「擅长写作现在比以往任何时候都更重要，因为尽管 AI 能产出各种东西，它仍然是一套垃圾进、垃圾出的方法论。」Sundeep Teki——Riggins 在文中采访的一位 AI 职业教练——把 AI FDE 的日常工作描述为「默认活在模糊性之中」。模型几乎什么都能做，而 FDE 要搞清楚它应该做什么、由谁来做、在什么时间线上、以什么成本。FDE 必须具备判断力、沟通能力和领域专长。
结语与下一步
虽然前置部署工程师今天炙手可热，但我对它的生命周期存疑。随着更多工程师、PM 和技术负责人变得熟练使用 AI，企业终将把这个角色内化。但无论你的目标是做驻场工程师，还是做企业内部的对应角色，技能栈都是同一套——我建议你今天就开始学 AI 工程路线图。
往期回顾
- 《Anthropic 与埃隆·马斯克如何在本周围猎 Sam Altman》
- 《Cursor 600 亿美元的赌注押在 harness 上，而不是模型上》
延伸阅读
想系统了解这个角色的定义、能力模型与成长路径，从 FDE 实战指南开始；对照国内外大厂的 FDE 岗位设置与职级，参见 公司主题页；关注岗位供需与薪资走势，参见 人才市场主题页与 薪资主题页。
关于作者：Matt Burns 是 Insight Media Group 的编辑负责人，管理 The New Stack、Roadmap.sh 与 Towards Data Science——这三个平台共同帮助数百万开发者决定接下来学什么。
披露：The New Stack 的母公司 Insight Partners 是 OpenAI、Anthropic、Simply 的投资方。
本文由 FDEChina 团队翻译自原文，转载已注明出处；如需引用请以原文为准。