FDE又不够了

继前线部署工程师（Forward Deployed Engineer，FDE）之后，现在又出现了一种兼具技术、管理和组织推动能力的新角色：前线部署高管（Forward Deployed Executive，FDX）。

ATechstars 创业导师、 麻省理工学院材料学博士 Rick Manelius 提出，FDE 能够弥补技术差距，却往往距离真正决定预算、组织结构和企业文化的核心管理者太远。也就是说，如果将 FDE 比喻成 AI 项目的“外置 CTO”，那么 FDX 就是“外置 CEO”。

1  “前沿部署”成云厂、模型公司下一个战场 

今年 6 月，AWS 宣布投入 10 亿美元成立 Forward Deployed Engineering 团队，计划将数千名工程师直接派驻客户团队，共同开发和部署智能体系统。

AWS 明确表示，企业 AI 已经“超越咨询和路线图阶段”，客户真正需要的是有人在真实数据、真实治理和真实业务约束下，把系统直接推向生产。其目标不是让客户长期依赖外部团队，而是在项目结束后具备独立运行能力。

OpenAI 也已经把 FDE 建设成一个独立的大型组织。其招聘页面目前显示数十个相关岗位，覆盖旧金山、纽约、伦敦、都柏林、东京、慕尼黑、阿联酋和政府业务等多个地区与行业。

OpenAI 对 FDE 的定义不是普通售前或解决方案顾问，而是与战略客户共同负责需求发现、技术范围界定、系统设计、开发和生产上线，并以实际采用率、工作流影响和可衡量结果作为考核标准。旧金山 FDE 岗位要求最高 50% 的出差时间，年薪为 16.2 万至 28 万美元并提供股权。

Anthropic 虽然较少直接使用 FDE 这一叫法，但实际上也在建立相同的交付模式。

2026 年 5 月，Anthropic 联合 Blackstone、Hellman & Friedman 和 Goldman Sachs 成立一家新的企业 AI 服务公司，由 Anthropic 的 Applied AI 工程师与客户团队共同寻找 Claude 最具价值的应用场景、开发定制系统并提供长期支持。Anthropic 在公告中直言，把 Claude 嵌入企业核心业务，需要现场工程能力以及对每家企业具体运营方式的深入理解。

Anthropic 与 UST 的合作也显示，这种模式正在通过咨询和系统集成公司扩大。UST 计划培训 2 万名员工使用 Claude，其中包括直接进入客户团队工作的前线部署工程师，并建立专门的 Claude 部署团队。

可以看出，前沿模型厂商也正在从“卖 API 和 Token”，拓展到建立更庞大、更具体的现场交付场景。模型逐渐商品化后，谁能进入企业内部、改造工作流并交付可衡量成果，正在成为下一阶段竞争重点。

而国内的 FDE 岗位也已经很普遍。

比如，腾讯对“AI 前线部署工程师 FDE”的定位，不只是“把大模型接入客户系统”，还包括帮助企业重新设计研发流程和 AI Coding 体系。它实际上融合了全栈工程师、解决方案架构师、研发效能顾问和客户交付负责人的职责。

MiniMax 也有“解决方案 / 前沿部署工程师 FDE 负责人”岗位。招聘信息强调，FDE 需要进入教育、医疗、金融、制造等行业场景，识别 AI 落地中的真实障碍，完成端到端方案设计，并让行业场景产生的数据回流模型训练，反向推动算法迭代。MiniMax 特别说明，该岗位不是纯售前，而是要保持与模型和算法团队的直接连接。

这一点很接近 Palantir 式 FDE 的核心闭环：工程师不仅要完成单个客户项目，还要把客户现场出现的问题、数据和需求带回产品与模型团队，使一次定制交付最终沉淀成平台能力。

但现在，仅仅 FDE 似乎不能满足企业需求了。

2  前线部署工程师，只能解决技术问题 

Palantir 是较早认识到企业与新技术之间落地鸿沟的企业。

其客户往往是政府、军队、制造、能源和大型金融机构，这些组织的数据、权限和流程高度复杂，无法只靠一套标准化 SaaS 产品完成部署。Palantir 的做法是将参与技术开发的优秀工程师直接派驻到客户团队，与客户共同工作。这些 FDE 不仅负责完成部署，还会持续发现新的应用机会，推动客户扩大使用范围。

虽然这种方式在形式上接近技术服务或人员扩充，但其思路有所不同。企业采购技术相对容易，真正困难的是完成数据迁移、工具集成、代码重构、人员招聘与培训、资源管理、内外部沟通、跨部门协调、高管支持、董事会博弈和预算安排，并最终实现最初设定的目标与投资回报。

生成式 AI 兴起后，这套模式开始被 OpenAI、AWS 等公司重新采用。

Manelius 指出，大型企业的软件采购周期通常长达 18 至 24 个月，每个周期往往只会引入一两款新工具。外部环境又以季度、月度甚至每周为单位迅速变化，多重因素共同导致超过 90% 的企业 AI 项目未能实现预期回报。

他认为，FDE 是解决这一问题的重要第一步。由于直接进入客户团队，FDE 能够看到真实工作流程，而不是招标文件中经过整理的版本；他们可以在数周、数天甚至数小时内交付可运行成果，减少项目长期停留在试点阶段的情况；其工作衡量标准也不是签下订单或提高使用率，而是客户是否真正取得成果。

但 FDE 主要解决的是技术问题，往往距离决定预算、组织结构与企业文化的核心管理者较远。企业要真正建立 AI 基础，还需要最高管理层成为 AI 推动者。

“现阶段的瓶颈不是模型、产品、智能体或 Token 成本，而是人类能够以多快的速度，将 AI 实践、产品和方法成功吸收到企业内部。”Manelius 说道，为此一些高管因担心落后而产生严重焦虑。

“对他们而言，真正需要的不是又一篇列出几条建议的文章，而是一名值得信任、兼具技术与领导经验的顾问，帮助他们梳理挑战并推动实际改变。”

除技术和流程问题外，AI 转型还伴随着明显的心理压力。AI 变化速度快，决策错误带来的风险很高，由此产生了大量恐惧、不确定性和怀疑。因此，即使管理者已经得到一个理想答案，也未必会采用，除非他们信任提供答案的人。

3  企业还需要“前线部署高管” 

Every 的 Dan Shipper 曾表示，判断企业能否有效采用 AI，一个重要指标是 CEO 本人是否频繁使用 AI，并主动向团队分享成果。PwC 的调查也显示，建立了强大 AI 基础的企业，其 CEO 报告获得显著财务回报的概率是其他企业的 3 倍。

Manelius 据此提出，既然企业无法在短时间内更换整个管理团队，那么就需要外部 FDX 帮助高管提升 AI 能力。FDX 不仅要告诉管理者应该采用什么技术，还要帮助其识别问题、设定优先级，并跨越阻碍行动的心理和情绪门槛。

另外值得注意的是，Palantir 在 2026 年的产品演示中，还提出了“前线部署工程不再只由人类完成”。其 AI FDE 能够编写 AIP Logic 函数、创建评估、调试系统，并在持续循环中把初步方案推进到生产级系统。Palantir 还展示了“智能体构建智能体”的过程。这说明，FDE 本身也可能被 AI 部分自动化。

但 AI 越能完成部署中的技术工作，企业就越需要有人承担无法被代码替代的组织判断工作，而承担这一决策角色的就是 FDX。

实际上，今年 1 月，投资人 Rishi Taparia 曾分享道，他的一家被投企业签了一笔六位数的合同，但客户购买的不是软件，而是要求创始人以类似外部高管的身份进入企业数月，参与 AI 与数据战略制定，并直接进入真实决策场景。

Taparia 指出，FDE 中的“E”也可以代表 Executive。后来，这一称谓也已经开始进入招聘市场。AI 咨询与工程公司 Provectus 在 7 月招聘“Senior Product Owner/Forward Deployed Executive—AI Delivery”，将产品负责人、客户交付和高层业务推动能力合并为同一职位。

Anthropic 等公司曾预测到 2030 年前后，AI 可能开始替代 50% 的白领工作。但 Manelius 认为，至少目前这种变化尚未大规模发生。

Manelius 将 FDX 与十年前受到市场追捧的“解决方案架构师”进行类比。

优秀的解决方案架构师通常需要同时具备三类能力：理解系统架构和最佳实践的技术能力；处理成本、时间和团队配置的管理能力；理解业务需求、投资回报与市场机会的创业能力。

在 AI 时代，FDX 还需要具备更强的适应能力，能够快速响应变化，并对不确定性保持较高容忍度；需要以 AI 为先，在分析问题时首先考虑 AI 能够承担哪些工作；同时还应具备亲自执行、协同教学和任务委派能力，既能自己完成工作，也能帮助团队掌握方法。

Manelius 称，在过去一年多的 AI 能力提升工作中，许多高管希望有人能够与其共同测试、试验和优化 AI 工具，并在转型过程中提供支持。他们需要的不是单纯的技术人员，而是既能理解管理者的语言与需求，又能解决实际技术障碍的人。

4  国内也有类似 FDX 岗位 

国内有类似 FDX 的岗位，但往往不是一个完整职位。

字节跳动旗下飞书招聘的“企业 AI 转型顾问”，不只负责售前讲解或软件实施，而是进入客户业务现场，从产品上线、业务痛点识别、AI 场景设计一直负责到效果回收，解决企业“找不到场景、落不下去、价值难量化”等问题；岗位同时要求客户高层沟通、业务咨询、技术方案和复杂项目推进能力。其工作内容已经非常接近 FDX：站在管理层、业务和技术之间，推动企业完成 AI 转型。

百度智能云的部分岗位也带有明显的 FDX 特征。例如，其智慧工业解决方案架构师不仅需要设计 AI 和 Agent 方案，还要理解客户的业务战略与 AI 转型目标，与客户 CXO 沟通，快速编写 PoC，测算 Token 成本，协调销售、产品、研发、市场及生态伙伴，并推动客户从试验走向规模化使用。

华为的 AI 解决方案架构师同样要求具备客户中高层对话能力，帮助客户设计大模型与 AI 应用架构，解决项目难题、保障交付，并将一线需求反馈给产品规划，同时培训客户和内部团队。这一岗位与 FDX 都需要影响客户决策、统筹技术与业务，不同之处在于岗位主体仍然是技术架构师，组织变革和经营结果通常不是其唯一责任。

可以看出，虽然称呼不同，但国内外其实都在寻找同一种人：既能听懂老板的问题，又能进入业务现场，还能把 AI 项目真正做出来。

5  “你可能不知道自己需要 FDX” 

Manelius 的判断也来自两个 AI 转型实践案例。

在第一个案例中，一名非技术背景的创业者 Ben 计划开发一项功能：调用一次 API，并将结果导出为 HTML 表格。他聘用了一名时薪约 30 美元的开发人员，交付周期是两周。

5 月份，在 Opus 4.5 改变 AI 编程行业约半年后，Manelius 通过屏幕共享启动 Claude Code，并口述了一段指令：为某个行业创建一个模拟数据库，再制作一个 HTML 页面，由该页面调用数据库并将结果转换为 HTML 表格。大约两到十分钟后，演示页面便成功运行。

这次经历成为 Ben 公司调整运营方式的转折点。几天内，公司招聘了一名以 AI 为先的开发人员，帮助团队提升能力；几周后，一个此前几乎无法按期完成的客户演示项目也变得可以交付。Manelius 认为，帮助 Ben 跨过认知与行动门槛的并不只是一名工程师，而是一名能够识别问题、推动管理者作出改变的 FDX。

另外一个实践来自非技术背景的创业者 Tyler。

此前数周到数月的时间里，Manelius 一直与他分享 AI 行业动态。1 月 25 日，Tyler 询问作者如何看待 Clawdbot，即后来的 OpenClaw。Manelius 表示，自己已经购买 Mac mini 并准备全面采用该产品，认为它的重要性可能与 Opus 4.5 相当，市场将在不到一个月内认识到这一点。

之后，Tyler 在一周内给公司部署了两个 OpenClaw，其中一个承担 CTO 角色。到第二周，其产品交付速度已经提升至原来的 3-5 倍，团队规模则缩减了一半。

“与 Ben 的情况类似，Tyler 最初的瓶颈也不是缺少 FDE，而是需要一个熟悉 AI 的人推动他采取行动。随后，Tyler 对相关技术的理解和使用很快超过了最初向他提供建议的人。”Manelius 说道。

Manelius 将 FDX 视为价值十亿美元甚至更大的市场机会。更重要的是，它也可能为担心被 AI 替代的企业管理者创造新的职业路径。至少在 2026 年，企业内部仍存在大量技术、业务和组织鸿沟，公司正在寻找能够帮助它们弥合这些差距的人。

他认为，AI 时代真正稀缺的不是只懂模型或只懂管理的人，而是能够同时理解技术、业务和组织，并亲自推动企业将 AI 转化为实际结果的人。

参考链接：

https://www.rickmanelius.com/p/forward-deployed-executives-the-next

https://taps.substack.com/p/fde?utm_source=chatgpt.com

本文来自微信公众号 “InfoQ”（ID：infoqchina），作者：褚杏娟，36氪经授权发布。