鱼皮没想到，拿到月薪五万的offer之后，第一天上班是进厂贴二维码。
他应聘到的岗位叫FDE，前沿部署工程师。招聘JD上写的是Python生产级编码、大模型系统经验、RAG搭建，面试聊的是Agent架构和Prompt工程，但到了客户现场，一家制造业工厂，真实的工作画面是钻进车间，在轰鸣的机器声里记录每台设备的“外号”，并亲手把二维码贴到设备上做定位。
没有写字楼、没有落地窗、没有现成的数据管道，FDE的一切仿佛都离AI的聚光灯很远。
但在社交媒体上，关于FDE的黄金叙事又层出不穷。AI时代最不会失业的岗位、月入十万、复合型人才等词语从未离开过这个职位。据悉，整个行业都在裁员的两年内，FDE招聘需求涨了四十多倍，OpenAI开出的年薪折合人民币一百多万起步，字节跳动给“豆包AI大模型FDE”开出的月薪最高能到7万。
一个过去几乎无人知晓的岗位，在短短两年内成为AI行业最炙手可热的“金饭碗”。它究竟是什么？为什么在裁员潮中逆势而起？光鲜的招聘数据背后，又有多少水分？
01 裁员热潮下的金饭碗
2026年的科技行业，正在经历一场前所未有的撕裂。
一边是裁员潮的持续蔓延。根据美国就业咨询公司“挑战者”的月度报告，仅2026年上半年，美国科技行业累计裁员人数就接近14万人。亚马逊在一年内砍掉约3万个岗位，Meta裁掉8000人，甲骨文过去十二个月员工总数从16.2万降至14.1万，降幅达13%。甲骨文在年报中报告：“AI技术在我们运营中的应用和部署，已经导致并且可能继续导致员工人数减少。”
另一边，一个名为FDE的岗位正在以令人瞠目的速度逆势暴涨。LinkedIn2026年劳动力报告显示，2023至2025两年间，全球FDE招聘岗位增长了42倍，而同期AI工程师岗位的增长仅为13倍。字节跳动为FDE专家开出月薪3万至5万、全年15薪的待遇，蚂蚁数科给出4万至6万的月薪，智谱华章的FDE负责人岗位月薪达到6万至8万。在美国，OpenAI为FDE岗位提供的年薪在16.2万至28万美元之间，Anthropic则开出了20万至30万美元的价码。
鱼皮看到这些数字的时候，正坐在上一家公司工位上刷手机。那是一家做企业服务的中厂，他做了六年后端开发，写过Python，调过API，也搭过一些小规模的RAG项目。公司年初裁了一轮，他留了下来，但隔壁工位的同事走了，留下来的人业务也愈发繁重。鱼皮开始刷招聘软件，刷着刷着，FDE这个词反复出现。
几经了解后，鱼皮决定投递简历，去北京面试的时候，面试官问他怎么理解“生产级的大模型系统”，他讲了自己搭过的检索增强生成流程和对接的客户便通过了面试，在头部大厂做起了FDE。
鱼皮离职的同事里，有人在大厂做算法，有人在创业公司做Agent，听说他去做FDE，反应分成两种，一种说“这不就是高级外包吗”，另一种说“听说这岗位火得不行，你运气真好”。
要理解FDE，得先回到它的发源地。这个词最早由Palantir在2000年中期提出。当时它的政府和国防客户数据环境极其敏感、架构又高度个性化，远程交付根本行不通。一个交付完方案就飞走的架构师，留给客户的只是一堆待处理的工单，而不是能跑起来的系统。于是Palantir干脆把自己的工程师长期嵌入客户现场，既写代码又懂业务，FDE由此诞生。
与传统的AI工程师或ML工程师不同，FDE不写核心模型代码，而是把模型能力嵌入客户业务系统，打通从模型到价值的“最后一公里”。简单来说，AI工程师对模型指标负责，FDE对业务结果负责。
技术、业务、信任，三者缺一不可，也正因如此，薪酬被一路推高。LinkedIn数据显示FDE中位年薪约19.9万美元，而OpenAI、Anthropic等前沿实验室的中级FDE总包普遍落在35万至55万美元区间，资深乃至Principal级别突破百万美元并不罕见。换算到国内语境，字节跳动、阿里巴巴等头部大厂的FDE开出百万人民币年薪也比比皆是。而鱼皮，就是被这股高薪招聘浪潮卷进去的其中之一。
那么，FDE为何突然爆火？出圈背后有哪些不可忽视的推手？
02 AI落地的“最后一公里”
FDE爆火的根本原因藏在一个简单的判断里：模型能力在被快速拉平，但把模型接进老旧系统、过安全合规、让一线员工愿意用，这三件事短期拉不平。
2026年5月，三家全球最顶尖的AI公司几乎同时做出了同一个动作。Anthropic联合黑石、高盛等机构，推出总承诺资本15亿美元的合资企业，核心业务就是帮企业落地部署Claude。OpenAI成立独立部署子公司DeployCo，初始投入超40亿美元。相隔不到两周，谷歌云CEO公开发文大规模招募FDE，内部开放超1500个AI落地相关岗位。三家公司的判断高度一致：光卖API不够了。客户拿到模型后，经常卡在“不知道怎么用”“数据接不上”“效果不稳定”“上线后不敢用”这些地方，需要一个角色下到现场，把东西真正做出来。
猎聘报告显示，FDE岗位高度集中在上海、北京、深圳、杭州四座城市，合计占比68.33%。行业分布上，AI/互联网仍是最大需求来源，占比72.36%。
初入FDE职场的鱼皮天真地以为，对接客户或许只是小部分时间，大多数时候他还是需要在写字楼里不停开会、写代码、对齐方案。
但鱼皮很快发现，对接客户里，零售业、制造业等传统行业已经逐渐成为尾部、大头，FDE正在从AI圈的内部热词逐渐向全行业全社会扩展。
而这个过程不会轻松。他接手的第一个客户是一家制造业工厂。客户想要AI预测维护，但工厂内部连温度、振动、运行时间这些基础数据都没有采集过。鱼皮只能退而求其次，先把报修流程理顺，让AI帮工人整理报修信息，同时把每次的故障描述和维修结果结构化地保存下来，为以后积累数据。
不仅仅是AI能力，FDE面临的是一个关于组织能力、流程成熟度、数据基础设施的问题。FDE能做的是把这些问题一个一个暴露出来，然后用最小的可行方案先走通一步。
驻场三个月后，鱼皮才慢慢琢磨清楚FDE卖的是什么。
卖外包式项目定制是最常见也最累的一种。客户给钱就进场定制交付，赚项目费。他们是把“搞清楚问题”这件事丢给你。很多客户自己都没想清楚要什么，聊着聊着需求就没了。过于定制也难沉淀成产品，天花板肉眼可见。鱼皮接的第一个项目就是这种，客户一开始说要“AI预测维护”，聊到第三周才发现，真正的问题是质检标准本身就没统一。
第二种是卖产品实施，是手里有成熟Agent产品，派人帮客户接数据、接系统。名字叫FDE，本质是实施。鱼皮后来转到这条线上，才算用上了招聘JD里写的那些东西。
第三种是卖认知，是做咨询和培训，不碰重交付，帮老板和员工搞懂AI、改造工作方法。鱼皮认识的一个同行，一人公司做传统行业AI基建咨询，三个月排满项目，已经在准备扩招。
还有人不做交付做撮合，办社群、组黑客松，连接想转型的人和急需AI化的企业。
鱼皮发现，从这个角度看，FDE更像是一个翻译器，把AI的能力翻译成企业能听懂的方案；也是一个传感器，把企业的真实痛点传回给产品团队；还是一个催化剂，在某些环节用AI提效的结果证明，这件事值得继续做下去。
03 爆火背后的代价
但凡是爆火的岗位，都难免被注水，FDE也不例外。
百万年薪的叙事在网上流传，但一线FDE工作者的真实体验远没有招聘文案那么光鲜。
甚至有国外员工吐槽：“FDE简直是他从事工程师以来接触过最糟糕的岗位。”
从鱼皮的个人体验来讲，驻场是常态、漂泊是代价，前期，销售、交付、售后全是你一个人。最忙时一周近50小时，每周三天驻场或出差。早上到客户现场开几小时会确认需求，剩下时间写代码，工期紧时连续写七八个小时，甚至睡前给AIAgent留超长任务让它夜间执行。Palantir的前FDE则描述，一周有3到4天驻场，在一个客户处工作约一年，团队4到5人。
但累还不是最难的。最难的是，你永远不知道明天要扮演什么角色。
国内某AI公司的FDE坦言，几乎没有固定办公地点，周末临时支援是常态，长期异地奔波让不少人作息紊乱。既要像研发一样写高质量代码、查bug，又要像售前一样对接需求、讲方案，还要像运维一样处理现场故障、协调多方团队推进项目，一人分饰数角，容错率却很低，客户满意度直接挂钩绩效，现场问题必须即时解决。
鱼皮在工厂的第三周，客户老板拉着他问：“你们这个AI，能不能帮我预测一下哪台机器明天会坏？”鱼皮说，需要先有数据。老板说：“数据不是一直在记吗？”鱼皮跟着工人去看，所谓的“记录”是手写在一本沾着油��的台账上，字迹潦草，有些日期还写错了。他花了不少时间把台账敲进Excel，又花了一周说服车间主任让工人每天多填两栏。
讽刺的是，这些和AI没有任何关系的前期工作却直接决定了AI能不能开始。
并且，并非所有想靠AI提质增效的公司负责人都懂得AI最基本的原理，所以身兼数职的前线FDE还需要练习如何用大白话向传统企业老白通俗易懂地讲Agent、skill等业务。毕竟最后的成单率也靠FDE员工。
这解释了为什么burnout（职业倦怠）会成为FDE圈的高频词。频繁出差、复合压力、职业边界模糊等问题，是几乎所有一线从业者的共同痛点。
不过，即使身兼数职、昼夜奔波，社交媒体上“单人接单月入十万”“零基础转行年薪百万”的故事也并非适用于每一个人。真正能拿到百万年薪的FDE集中在头部AI公司和顶级咨询机构，且通常要求像鱼皮这样有5年以上工程经验并有面向客户的工作经历，并且并不稳定。因此，FDE也有另一个花名“驻场外包”。
做过中国ToB生意的人都懂一个痛：客户要定制，要私有化，要驻场。最后SaaS做成了项目，产品公司做成了外包公司。十年间，不少ToB创业公司折戟沉沙在这条路上。
FDE在硅谷的叙事之所以值钱，是因为两个前提成立：一是背后有能复用的平台，二是一线发现能反哺产品，让下一个客户的部署更快、更便宜。
定制化交付意味着人力成本随客户数量线性增长，这与软件行业追求的边际成本递减逻辑相悖。Palantir能撑住这个模式，是因为它的客单价足够高，客户集中在政府和大型企业。但当FDE模式向下渗透到需要AI的中小客户时，单客利润能否覆盖驻场成本是一个尚未被验证的问题。
不少FDE工作人员吐槽，部分客户其实只是白嫖思维，花小本钱拿到AI知识论后便毁单自己搞工作流，但在AI还未全面渗透的时代，如果前期就定价过高又会失去90%的客户源。
不过，把FDE完全斥为换皮也过于简单。当一项技术从实验室走向生产环境时，总会诞生一个专门负责“让它跑起来”的岗位。云计算时代催生了SRE和DevOps，大模型时代正在催生FDESRE曾经也被认为是运维的变体，后来成为独立的技术分支。FDE可能正在走同样的路。
FDE的火爆有坚实的需求基础，但它不是一个适合所有人的金饭碗。
从积极的一面看，这个岗位提供的成长速度是稀缺的。一个在客户现场泡过三个月的工程师，对AI落地的理解可能顶得上后方团队三年的迭代。但从另一面看，这个岗位的边界正在被稀释。有分析指出，随着需求暴涨，越来越多挂着FDE头衔的岗位，实际工作内容在向售前、解决方案架构甚至客户成功滑落。
AI从实验室走进业务流程确实需要一批既懂工程又懂业务，还愿意扎进现场的人。这部分需求不会随泡沫退潮而消失。但42倍增长的数字里，也确实混着title通胀、岗位合并和尚未被验证的价值预期。
闯入其中的鱼皮不知道自己是踩上了风口，还是走进了一扇被包装过的窄门。他只知道，明天早上八点，他还要准时去车间。
本文来自微信公众号 “脑极体”（ID：unity007），作者：珊瑚，36氪经授权发布。