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”。 “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。 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。 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Ex