过去两年，AI行业出现了一个很有意思的变化。

2023年前后，大家谈论最多的岗位还是算法工程师、大模型工程师、Prompt Engineer。到了2025—2026年，一个过去主要存在于Palantir等少数公司里的职位，开始快速进入越来越多AI公司的招聘体系：

Forward Deployed Engineer，FDE，前向部署工程师。

它的增长速度已经很难再用“新兴岗位”来概括。

一份基于5648条FDE职业履历的追踪数据显示，记录到的FDE年度招聘数量从2015年的约132人，增长到2025年的1926人，接近15倍。与此同时，另一组2026年的公开统计显示，FDE职位同比增幅超过700%。不同数据源的统计口径并不完全一致，但指向同一个趋势：FDE正在从少数公司的特殊职位，扩散成为AI行业越来越标准化的一类角色。

OpenAI的招聘页面就是一个非常典型的信号。截至2026年9月，OpenAI公开招聘体系中已经出现大量Forward Deployed Engineer、Forward Deployed Software Engineer以及Technical Deployment Lead岗位，并进一步细分到Healthcare、Legal等行业方向。它对FDE的定义也非常清晰：从客户需求发现、技术方案设计，到系统开发、生产部署，再到最终业务采用和效果评估，FDE需要承担端到端责任。

这也是我认为FDE值得普通职场人认真关注的原因。

真正值得关注的，并不是又多了一个高薪岗位，而是AI时代企业需要的人才结构正在发生变化。

过去企业数字化时代，大量工作可以被拆成产品经理、开发、测试、实施、售前、咨询、项目经理等不同岗位，每个人完成流程中的一个环节。

但是AI项目有一个非常明显的特点：

需求本身往往就是模糊的。

企业老板会告诉你“我要做一个AI客服”“我要把公司知识库AI化”“我要让销售团队用AI”“我要做一个数字员工”，但是这句话距离一个真正能够投入生产的系统，中间可能隔着几十个问题：

到底哪个流程值得改？

哪些环节应该让AI参与？

哪些数据可以调用？

模型准确率达到多少才可用？

什么时候应该用RAG，什么时候应该用Workflow，什么时候需要Agent？

AI出了错怎么办？

员工为什么愿意使用？

最后到底节省多少成本、提高多少收入？

传统的软件项目通常是在一个已经被定义的问题上做工程交付。

AI项目越来越多时候，需要有人先把问题定义出来，再把解决方案做出来。

这个人，就是FDE。

一、真正的FDE，核心能力到底是什么？

很多人第一次听到FDE，会产生两个极端理解。

一种理解是：“这不就是一个更高级的程序员吗？”

另一种理解是：“现在有了Claude、Codex、Vibe Coding，不会写代码的人也可以直接转FDE。”

这两个理解都不完整。

如果一定要把FDE压缩成一个能力公式，我更倾向于：

FDE能力 = 业务理解 × AI工程能力 × 交付闭环能力。

三个能力是乘法关系。

一个技术能力非常强、但是完全不理解客户业务的人，很容易做出技术上很漂亮、业务上没人使用的系统。

一个拥有十几年行业经验、但是完全无法把需求变成系统的人，也很难独立完成AI项目。

一个既懂业务又懂技术，但是不会推进项目、管理预期、处理数据权限、解决部署问题的人，最终仍然停留在Demo阶段。

这也是为什么我一直认为：

FDE并不是一个单一专业培养出来的人。

未来真正优秀的FDE，很可能来自完全不同的职业背景。

程序员可以转。

产品经理可以转。

咨询顾问可以转。

售前和解决方案架构师可以转。

行业专家可以转。

运营人员可以转。

甚至优秀的应届毕业生也可以进入这条路径。

但不同人群进入FDE之后，要补的能力完全不同。

二、程序员转FDE：技术不是最大问题，真正要补的是“走到客户面前”

程序员是目前转型FDE最直接的一类人。

后端、前端、全栈、数据工程师、算法工程师、AI应用工程师，都拥有比较好的技术基础。

他们最大的优势是，可以真正把东西做出来。

API、数据库、权限、部署、日志、数据处理、系统集成，这些能力在企业AI项目里仍然非常重要。

但是程序员转FDE最大的障碍，往往也恰恰来自过去的工作方式。

很多工程师习惯等待一个已经整理好的PRD。

产品经理告诉你做什么，然后开始写代码。

FDE的工作顺序完全不同。

客户可能只会告诉你：

“我们的客服效率太低。”

“销售每天要写很多方案。”

“公司的知识太分散。”

“我们想做AI，但是不知道从哪里开始。”

接下来怎么拆问题，需要FDE自己完成。

所以程序员转FDE，最重要的训练不是继续刷更多框架，而是训练三件事情：

第一，需求访谈。

能够从一句模糊需求里继续追问流程、角色、输入、输出、异常情况、决策节点和业务指标。

第二，业务流程拆解。

学会画出现状流程，找到真正值得AI介入的节点，而不是看到任何问题都想做一个Agent。

第三，价值表达。

从“我实现了一个RAG系统”，升级成“这个系统减少了多少人工查询时间、覆盖了多少知识场景、哪些指标证明它值得继续投入”。

程序员转FDE，本质上是在自己的工程能力上，增加一层咨询能力和业务能力。

三、产品经理转FDE：最大的挑战，是从“定义需求”走向“自己完成闭环”

产品经理也是非常适合转型FDE的一类人。

尤其是做过B端产品、SaaS、数据产品、商业化产品和AI产品的人。

产品经理天然具备几项优势：会访谈、会抽象需求、会画流程、会协调研发、能够理解用户。

这些能力和FDE高度重合。

但是AI时代正在对产品经理提出一个新的问题：

如果没有一个完整研发团队站在你身后，你能不能自己把第一版东西做出来？

过去产品经理最核心的产出可能是PRD、原型和需求文档。

FDE的产出必须进一步向前：

能不能自己调用一个模型API？

能不能设计一个Workflow？

能不能搭建RAG？

能不能用Codex、Claude Code或者Vibe Coding做出一个可运行系统？

能不能把系统部署出来？

能不能接企业现有数据库、ERP、CRM或者飞书？

所以产品经理转FDE，最需要补的是工程实现能力。

不一定要求达到高级后端工程师水平，但是必须具备足够的技术判断力。

至少要真正理解：

模型、Prompt、Context、RAG、Agent、Workflow、Tool Calling、MCP、API、数据库、部署、权限、日志、Evaluation分别解决什么问题。

你的目标不是成为最强程序员。

你的目标是获得一种新的能力：

从“我知道应该怎么做”，升级成“我能带着AI把它做出来”。

四、咨询顾问、售前、解决方案架构师：离FDE可能只有半步

这一类人经常被低估。

实际上，如果一个人过去长期做企业咨询、数字化转型、ERP、CRM、云服务、数据中台或者企业软件售前，他距离FDE可能已经非常近。

因为这类人的核心优势正是：

能够和企业负责人交流。

能够快速理解一个陌生行业。

能够做需求调研。

能够设计解决方案。

能够进行高层汇报。

能够推动项目。

这些恰好都是FDE很难通过单纯学习技术获得的能力。

他们最大的短板一般只有一个：

方案做完之后，自己能不能继续往下做？

过去很多咨询顾问的工作，到PPT或者方案阶段就结束了。

售前负责把方案卖出去。

实施团队负责实施。

研发团队负责开发。

FDE要求这个链条继续向后延伸。

至少要能够亲自完成PoC，并且理解系统进入生产环境之后发生的事情。

因此这一类人最值得补的能力，包括AI应用开发、RAG、Agent、Workflow、API集成、数据处理、Vibe Coding和基础部署。

未来AI时代，最值钱的一批咨询顾问，很可能就是那些从“写方案的人”进化成“能够直接交付系统的人”。

五、行业专家转FDE：这是我认为中国市场最大的机会

如果让我判断未来中国FDE人才最大的来源，我反而不认为一定是程序员。

我更看好行业内生型FDE。

什么叫行业内生型FDE？

就是一个人在某个行业工作了很多年，对业务已经足够熟悉，然后再补齐AI和工程交付能力。

比如一个做了10年跨境电商运营的人。

一个做了8年财税的人。

一个在制造企业做了10年生产管理的人。

一个长期做律所业务的人。

一个做招聘、供应链、医美运营、房地产营销或者保险的人。

他们拥有一个技术人员很难短期复制的东西：

Know-how。

他知道这个行业真正的流程在哪里。

知道谁掌握数据。

知道什么环节最浪费时间。

知道哪些决策不能自动化。

知道客户愿意为什么付钱。

知道老板真正关心哪个指标。

OpenAI现在已经开始招聘Healthcare、Legal等垂直方向FDE，本身就释放出了一个非常重要的信号：当通用模型能力越来越强之后，行业知识的重要性反而会上升。

但是行业专家也有一个非常现实的问题。

很多人容易停留在“我懂行业，所以我可以做AI咨询”。

这还远远不够。

行业专家真正转型FDE，需要经历一个非常关键的能力升级：

从行业Know-how，走向可执行系统。

比如你说：

“AI可以帮助销售提高效率。”

这还是观点。

如果继续往下：

销售收到线索以后，系统自动读取企业背景，判断客户类型，调用公司产品知识库，生成拜访Brief；销售沟通之后自动提取需求和异议；根据CRM信息生成跟进任务；高价值客户再进入人工审批。

到这一步，才开始接近FDE。

所以行业专家最应该学习的并不是模型原理，而是：

流程拆解 + AI能力映射 + 快速原型 + 系统交付。

一个真正懂行业，同时能够用AI把流程重新做一遍的人，未来可能比单纯懂技术的人更稀缺。

六、应届生和大学生：不要一上来就把自己包装成“企业AI顾问”

大学生当然可以进入FDE。

但路径要更加现实。

目前OpenAI等头部公司的FDE岗位，很多仍然要求多年工程或者技术部署经验。例如OpenAI新加坡FDE职位明确提出5年以上相关经验，因此“学三个月直接进入顶级公司的正式FDE岗位”并不是一个现实的普遍路径。

但是这并不意味着应届生没有机会。

恰恰相反。

因为未来大量中国企业需要的，不一定全部是硅谷定义下的Senior FDE。

市场会逐渐形成分层：

初级AI实施工程师、AI应用工程师、Agent工程师、AI解决方案工程师、AI交付工程师，再到真正能够独立承担复杂客户项目的FDE。

对于大学生，最重要的不是给自己贴一个FDE标签，而是尽早建立完整项目能力。

比如真正做完一个：

企业知识库助手。

智能客服。

销售BD Agent。

合同审查系统。

招聘筛选助手。

跨境电商运营Agent。

从访谈开始，自己整理需求，画流程，准备数据，搭建系统，完成评估，再把项目部署出来。

三个完整项目，往往比三十个AI工具证书更有价值。

七、AI讲师、AI服务商、自由职业者：下一阶段拼的是交付深度

还有一类非常典型的人群，是过去两年已经进入AI行业的人。

会Prompt。

会Dify。

会Coze。

会做工作流。

会给企业培训。

甚至已经开始接AI项目。

这一类人其实已经站在FDE转型的入口。

但2026年之后，我认为市场会越来越明显地区分两种人：

一种是“会AI工具的人”。

另一种是“能够对企业结果负责的人”。

前者越来越多。

后者依然非常少。

客户最终不会长期为“我会20个AI工具”付费。

企业真正愿意持续付费的，是：

你能不能理解业务？

能不能找到值得做的场景？

能不能把系统部署上线？

能不能解决权限和数据问题？

能不能建立评估体系？

出了问题能不能继续迭代？

最后能不能产生真实业务结果？

所以AI培训师、服务商和自由职业者转FDE，最重要的一步就是：

从工具交付升级到结果交付。

八、普通人到底应该怎么开始？

如果把前面所有人群放到一起，会发现一件事情：

大家需要补的能力不同，但最终都在走向同一个终点。

这个终点可以简单分成六层。

第一层，理解企业。

能够访谈、识别问题、理解组织和业务流程。

第二层，拆解场景。

把一个大而模糊的“AI需求”，拆成明确的Workflow、任务和决策节点。

第三层，理解AI能力边界。

知道什么时候用模型，什么时候用RAG，什么时候用Workflow，什么时候需要Agent，也知道什么时候根本不应该用AI。

第四层，能够快速构建。

使用Dify、Coze、n8n、Codex、Claude Code或者其他工具，快速完成可以运行的PoC。

第五层，能够进入生产。

处理API、数据库、权限、日志、Evaluation、部署、安全、成本和稳定性。

第六层，对结果负责。

从“功能有没有实现”，进一步走向“有没有人用、效果有没有提升、能不能持续创造价值”。

真正完成这六层，才开始拥有FDE意义上的完整能力。

九、FDE真正带来的变化，不只是一个新岗位

很多人会问：

FDE这个岗位到底能火多久？

我反而觉得，“FDE”这个名字最后是否长期存在，没有那么重要。

真正值得关注的是它背后的组织变化。

大模型越来越强，代码越来越便宜，原型开发越来越快之后，企业最稀缺的能力正在从单点生产，逐渐转向另外一种能力：

面对一个真实而混乱的业务问题，从问题发现开始，一路做到系统上线和价值产生。

这也是AI时代非常重要的人才变化。

未来可能会出现越来越多这样的职业：

既不是传统程序员。

也不是传统产品经理。

不是纯咨询顾问。

也不是传统实施。

他们可能来自技术，也可能来自行业。

但他们有一个共同特点：

能够站在业务和AI之间，把一个模糊的问题，变成一个真正工作的系统。

这就是我理解的FDE。

所以对于普通人来说，真正应该问的问题可能已经不是：

“我是不是计算机专业？”

“我会不会写代码？”

“我现在学FDE是不是太晚了？”

更值得问的问题是：

我过去积累的能力，距离完整的企业AI交付闭环，还缺哪一块？

程序员补业务。

产品经理补工程。

咨询顾问补实现。

行业专家补AI。

大学生补项目。

AI服务商补生产化和结果交付。

每个人进入FDE的起点不同。

但是最终竞争的，是同一种能力：

理解真实世界的问题，并且有能力亲手把它解决掉。

AI模型会继续进步，Agent会越来越强，写代码的门槛也会继续下降。

但企业永远存在大量模糊、复杂、跨部门、充满现实约束的问题。

而只要这些问题还存在，能够把AI真正带进业务现场的人，就会持续有价值。

这可能才是FDE真正值得关注的地方。