企业在生成式 AI 上烧了三四百亿美元，其中 95% 的项目没能产生可写入财务报表的价值。
看到 MIT NANDA 实验室这份报告的时候，我正在帮一个客户做 AI 客服系统的上线。说实话，不意外。
问题不在技术，在「最后一公里」
2025 年到 2026 年，大模型能力已经足够强了。GPT-4、Claude 3.5、Gemini，随便拎一个出来都能做相当多事情。但企业买回去之后发现：模型是模型，业务是业务，中间隔着一条巨大的鸿沟。
谁来填这条沟？
不是产品经理——他们能画流程图，但写不了代码。不是算法工程师——他们能调模型，但不了解客户真正的痛点。不是售前——他们能演示 Demo，但不会在客户现场蹲三个月把系统跑通。
是 FDE。
什么是 FDE？
FDE（Forward Deployed Engineer，前沿部署工程师），一种驻扎在客户第一线的工程师。这个概念最早来自 Palantir，后来 OpenAI、Anthropic、AWS、微软纷纷跟进。
一句话概括：既能写代码、搭系统，又能理解业务、跟客户直接沟通，在不确定环境下快速解决问题的人。
这个角色的特殊之处在于，它把软件工程师与咨询顾问的特质融于一身。你面对的不是一个干净的 JIRA ticket，而是一个客户说的「我们想让 AI 帮我们处理这些乱七八糟的工单」——然后你需要自己去搞清楚「乱七八糟」到底是什么，值得解决的是哪一块，技术上怎么做 ROI 最高。
想更系统地了解这个角色，可以读我的《FDE 是什么——中文完全指南》。
为什么突然火了？
几个信号：
- OpenAI 成立 The Deployment Company，筹集超 40 亿美元，收购英国 AI 咨询公司 Tomoro，把 150 名 AI 专家派进客户企业驻场。
- AWS 投资 10 亿美元，把 AI FDE 直接嵌入客户团队。
- 微软成立 Frontier Company，25 亿美元专项解决企业 AI 落地落差。
- Anthropic 联手华尔街，与黑石、高盛合资，专攻企业 AI 服务。
钱往哪里流，方向就在哪里。巨头们已经用真金白银投票了。
我为什么走这条路？
做了多年 Java 后端，微服务、高并发都经历过。但越来越觉得，纯技术深度是有天花板的——尤其对一个人来说，你不可能在所有方向都做到顶级。
AI 时代给了我一个新的方向：技术广度 + 业务理解 + 快速交付。
这不就是 FDE 吗？
我开始系统学习 Python Agent 开发，研究 LangChain、AutoGen、CrewAI，尝试把大模型能力嵌入到真实的业务场景里。在这个过程中我发现：最难的不是写代码，而是理解客户到底想要什么；最值的不是做一个酷炫的 Demo，而是让它在客户的环境里稳定跑起来。
FDE 的核心能力
根据我的理解，FDE 需要四种核心能力：
- 工程实现能力：能写代码、搭系统、调接口、部署模型。熟悉 Python、LLM API、Agent 框架，能快速构建可运行的原型。
- 业务解构能力：能听懂客户真正的痛点，把模糊需求翻译成技术需求。不是客户要什么就做什么，而是找到「真正值得解决的问题」。
- 跨域沟通能力：跟技术团队讲业务，跟业务团队讲技术。能在高管、工程师、终端用户之间自由切换语言，消除信息差。
- 快速迭代交付：在不确定环境下小步快跑，快速验证、快速调整。不追求完美方案，追求「先跑起来再说」。
给想入行的人一些建议
- 先把一个 AI 应用从头到尾做出来。不要停留在「我跑通了 ChatGPT API」的阶段。做一个完整的项目：需求分析 → 技术选型 → 开发 → 部署 → 用户反馈 → 迭代。我把完整入门路线拆成了 K0 到 K4 五个阶段，见《FDE 培训与入门路径》。
- 学会跟非技术人员沟通。试着给你爸妈解释什么是 AI Agent，如果他们能听懂大概意思，你就及格了。
- 关注行业动态。FDE 这个领域还在快速演变，OpenAI、Anthropic、AWS 的每一个动作都藏着机会，岗位信息我持续整理在《工作机会》。
- 写下来。写博客、写笔记、写项目复盘。输出是最好的学习方式。
写在最后
AI 落地的最后一公里，注定不是靠模型本身走完的。它需要有人蹲在客户现场，理解业务、写代码、调系统、解决那些文档里不会写的奇葩问题。
这就是 FDE 的价值，也是我想一直做下去的事情。
如果你也在关注这个方向，或者有相关的工作机会，欢迎联系：cuiyuhui123@qq.com
本文首发于 myfde.top，转载请注明出处。