作者 | Talk君

大家好，我是talk君

2026年5月的硅谷，空氣中彌漫著一種微妙的信號。

5月4日，Anthropic聯手黑石、高盛等華爾街巨頭，砸下15億美元成立了一家專門幫企業部署AI的合資公司。

不到一周，OpenAI做出了一個讓整個科技圈跌破眼鏡的決定——出資超40億美元，成立“OpenAI Deployment Company”，并順手收購了一家只有150人的AI咨詢公司Tomoro，將這支駐扎在全球客戶現場的“精銳部隊”整建制收編。

谷歌云CEO托馬斯·庫里安緊隨其后，親自在LinkedIn上為FDE職位搖旗吶喊，公司內部已有超過1500個相關崗位虛位以待。

三家全球最頂尖的AI公司，口徑出奇一致：幫企業把AI真正落地到業務里。

但真正讓人玩味的細節，藏在OpenAI的收購里。

40億美元，如果用來買英偉達的H100算力卡，可以買到數萬張，直接堆出一個全球排名前列的超級算力集群；如果用來挖角頂尖AI科學家，可以撬動半個學術界。

但OpenAI沒有這樣做。它選擇買下的，是150名FDE——前沿部署工程師（Forward Deployed Engineer）。

這些人不坐在總部寫代碼，而是直接進駐客戶的工廠、銀行、醫院，在一線把大模型的能力“嵌入”真實的業務流程。

很多人說了，這不就是“高級外包”嗎？

還真不是，外包賣的是“人”和“時間”，FDE賣的是可持續的“解決方案”，二者有本質區別。

這個在一年前還鮮為人知的職位，如今已經成為AI行業最稀缺的“戰略資源”。LinkedIn數據顯示，2023年至2025年間，FDE職位的數量增長了42倍，是AI創造的所有崗位中增速最快的；而同期，AI工程師的崗位增長僅為13倍。

從崗位絕對數量來看，相關職位已從2025年4月的643個，飆升到2026年4月的5330個，同比增長近729%。

AI圈似乎一夜之間，都懂了這個詞。

FDE：不是新生事物，卻在此時引爆

FDE的誕生，要從20年前一個“被逼無奈”的決定說起。

2003年，Peter Thiel和Alex Karp創立了大數據公司Palantir。第一批客戶是美國情報和軍事部門——一個幾乎不可能用傳統軟件開發模式去服務的客戶。開發團隊無法獲取機密數據，需求寫在保密文件里，流程藏在安全許可之后，反饋無法通過正常渠道傳遞。

標準的瀑布式軟件開發模型，在這里徹底失效。

Palantir做出了一個在當時看來近乎“笨拙”的決定：直接把工程師派到客戶現場，與用戶并肩工作。這正是“Forward Deployed”這個軍事術語的來源——工程師像特種部隊一樣被“部署”到最前線。

2011年，Palantir正式將這一模式制度化，FDE由此誕生。他們還給這支隊伍取了一個非常硬核的內部代號——“Delta”（三角洲部隊），與美軍王牌特種作戰單位同名。

這套打法幫Palantir拿下了國防部、中情局、摩根大通這些頂級客戶，證明它是管用的。

但奇怪的是，此后十幾年，幾乎沒有其他公司大規模復制這套模式。原因也很簡單：傳統軟件行業靠賣標準化產品就能活得很好了，只有極少數極其難搞的客戶才需要這種“特種部隊式”的服務。

FDE在當時是一個昂貴的、小眾的、非主流的選擇。

直到大語言模型出現，一切都不一樣了。

AI落地最后一公里的真實困境

OpenAI和Anthropic為什么在這個時間點集體轉向FDE？說白了，是因為他們都撞上了一堵墻。

模型能力確實還在進步，但你得承認，GPT-4到GPT-5的邊際提升，已經沒有GPT-3到GPT-4那么令人震撼了。更大的問題是：企業在實際工作中把這些模型用起來的過程，遠比想象中痛苦。

有一個數字值得記住：71%的企業高管認為，“組織準備度不夠”才是AI落地的最大障礙，而不是技術本身不夠強。

這話翻譯過來就是：不是你的模型不好用，是我的公司接不住。

真實的企業環境是什么樣？是一堆跑了十幾年的老系統，數據格式五花八門，字段命名全靠當年寫代碼的人的心情。一家制造企業的生產排程系統可能是十五年前上線的，中間換過三個供應商，數據字典早就丟了。

一家保險公司的核保流程嵌在三套不同的老軟件里，彼此之間靠人工Excel對賬。這種環境下，你給客戶一個再牛的API，人家也沒法直接用。

更讓人頭疼的是，很多客戶根本說不清楚自己到底需要什么。你問一家工廠的廠長：“你想用AI解決什么問題？”他可能給你列出十個。但你真派人進去蹲三個月，會發現真正能產生價值的那一個，他一開始根本沒意識到。

這就形成了一個悖論：客戶不知道自己要什么，供應商也不知道客戶真正需要什么。唯一的辦法，就是派工程師坐在客戶現場，跟一線員工一起干活，翻那些發黃的業務流程文檔，看那些亂七八糟的Excel表格，然后用模型能力重新搭一套能跑通的工作流。

一個真實的例子：有一支為生物發酵企業服務的FDE團隊，在500噸級的發酵罐旁邊整整駐場了9個月，最后幫客戶把產能提高了5%。聽起來不多？但在傳統工藝優化路徑下，四五年才能提升1%。這就是FDE的實打實的價值。

FDE這幫人干的就是這個活兒。他們不是只交一套軟件，而是通過駐場理解業務、清洗數據、調試智能體邏輯，把通用模型打磨成能真正跑通具體業務的東西。

一位后端干了12年的工程師跟我聊起這個事的時候說得特別直接：

“真正的瓶頸從來都不是模型本身。讓企業從‘炫酷的演示’過渡到‘生產環境穩定運行’才是。部署、監控、回滾、合規——這些聽起來枯燥得要命的事情，才是大多數AI項目半路夭折的地方。”

2026年的行業里，越來越多人意識到一件事：當模型的參數規模開始撞上邊際收益遞減的墻，下一個增長點不在實驗室里，而在客戶的辦公室里。

從“模型溢價”到“部署溢價”

FDE到底有多值錢？看薪酬就知道了。

根據Perspective AI在2026年對1500名FDE的調研，前沿實驗室里資深FDE的年總薪酬中位數達到48.5萬美元，更高級別的甚至能到72.5萬美元。

這是什么概念？已經跟很多頂尖AI科學家的薪酬天花板重疊了，有些崗位甚至出現了倒掛。

再看需求增長。Indeed平臺的數據顯示，2025年4月美國市場上FDE相關崗位只有643個，到2026年4月就變成了5330個，一年增長了729%。獵頭公司Adecco給了一個更夸張的說法：FDE的需求每年增長約800%，而人才供給只增加了50%。

這些數字背后，反映的是一個更根本的變化：AI行業對“稀缺”的定義正在被改寫。過去最稀缺的是算力和頂尖科學家。

算力決定你能跑多大的模型，科學家決定你能做出多好的模型。這兩樣東西到現在當然仍然稀缺，但它們的稀缺性正在被一種新的稀缺性挑戰——那就是“部署能力”的稀缺。

你有世界頂級的模型，但企業客戶用不起來。你花了數千萬美元訓練出來的模型，客戶試用兩個月后因為看不到明確的投資回報就放棄了。

你賣的API接口，在客戶的系統里死活插不進去。這些問題，靠更強的模型解決不了，只能靠人——那些坐在客戶辦公室、跟一線員工一起啃業務流程的人。

這也解釋了為什么OpenAI和Anthropic不約而同地找華爾街機構合作。這些私募基金和投資公司手里攥著大量被投企業，這些企業普遍有降本增效的剛需。

高盛的一位高管在談到這次合作時說了一句很實在的話：

“光有AI模型，無法從根本上改變企業的工作模式和運營體系。行業真正需要的，是能打通技術和業務、把數字化變革真正落到地上的人。”

OpenAI那個部署公司的投資方名單也很有意思：TPG牽頭，安宏資本、貝恩資本、布魯克菲爾德聯合參與，高盛和軟銀也在其中。說白了，兩家AI公司不是在單純招人，而是在用資本杠桿撬動一個更大的企業服務市場。FDE就是那根撬棍。

FDE正在沖擊傳統咨詢和系統集成商的生存空間

這場權力轉移還有一個很有意思的側面：它正在重新劃分AI行業的地盤。

過去二三十年，企業IT轉型的分工很清晰：產品公司做產品，咨詢公司和系統集成商做實施。

SAP賣ERP軟件，實施交給埃森哲；Salesforce賣CRM，定制交給德勤。產品公司和實施方之間有一條相對清楚的邊界。

但FDE模式正在把這條邊界踩碎。

當OpenAI把150名FDE直接派進客戶企業，它實際上同時在扮演兩個角色：模型提供商和系統集成商。這意味著以前屬于埃森哲、德勤們的蛋糕，正在被AI公司親自下場切走。

而且，FDE不只是在“干活”，他們還是模型能力的“探測器”。工程師在客戶現場發現的需求缺口、技術瓶頸、產品缺失，會直接反饋回公司總部，直接影響模型的下一個版本該做什么工具、改什么接口。

這種“現場感知—總部響應”的閉環反饋，是傳統咨詢公司做不到的——因為咨詢公司的使命是幫客戶用好別人的產品，而不是為自己的產品開辟新能力。

這也是為什么有人開始說，FDE正在從根本上改變軟件公司的交付方式。過去賣企業軟件，交付的是一個“賬號”或“工具包”，客戶拿到后還要自己配置、培訓、調試，折騰大半年可能還沒看到效果。

FDE交付的是一個已經幫客戶跑通了的業務流程——你挖到金子，我再拿錢。

國內也在動，但邏輯不太一樣

FDE這陣風當然也吹到了國內。

上海、香港已經開了全國首個FDE專題培訓班。

聯想也說要推出自己的智能體FDE模式。中國聯通上海分公司則啟動了“FDE普智計劃”，依托兩支千人FDE團隊推動AI在城市里全面落地。

不過國內的情況跟海外有點不一樣。

國內企業面臨的落地痛點在某些方面更棘手：老舊系統的改造難度更大、數據碎片化更嚴重、標準化程度更低。但反過來，這也意味著FDE在國內的價值可能被放得更大。

在硅谷還是上海，這場FDE的爭奪戰都已經打響了。

AI行業的權力中心正在發生什么變化

回到最開始的那個問題：當OpenAI和Anthropic同時把巨額資本投向FDE，而不是繼續死磕算力和科學家，我們到底看到了什么？

我覺得，這標志著AI行業價值創造邏輯的一個重大轉折。

過去幾年的敘事一直是“模型就是護城河”。頂尖科學家定義邊界，算力決定速度，規模決定上限。這套邏輯在GPT-3.5和GPT-4的時代確實成立。

但之后，模型之間的差距在逐漸收窄。當好幾家公司都能拿出性能差不多的模型時，“哪個模型更強”這個問題的重要性，正在被另一個問題取代：“哪個模型更能幫我把事做成。”

FDE就是執行這個新邏輯的人。他們是AI公司從“模型公司”進化為“解決方案公司”的觸角。當一家AI公司愿意花幾十億美元和大量人力去深入客戶的業務流程，它做的不是一個短期商業決策，而是在重新定義自己的角色——從一個提供技術能力的供應商，變成一個參與客戶核心業務改造的深度合作伙伴。

當然，這不是說算力和科學家不重要了。它們依然重要。但它們的價值正在被一種新的稀缺要素相對化。FDE不是要替代科學家，而是要完成從算法價值到實際生產力的轉化。而這個轉化過程，正在成為AI行業價值鏈條上最薄弱、也最關鍵的一環。

企業AI的預算，不會永遠停留在API調用上。真正的大錢，藏在流程改造、系統集成、組織協同和長期運維里。誰能先進入這些流程，誰就更有可能綁定企業未來幾年的AI支出。

當AI行業的權力中心從算力和科學家向FDE轉移，背后不是什么陰謀或偶然，而是AI產業化進程到了一個必然的階段。

誰能在客戶的辦公桌旁、在產線的機器旁、在業務邏輯的深處找到自己的位置，誰就能在下一個階段拿走真正的定價權。

至于其他玩家什么時候反應過來，追上這一步——這大概就是2026年下半年最值得看的一場戲了。

你對此有什么看法？歡迎評論區留言討論~

圖片源于網絡，侵刪

趕緊關注視頻號@一刻talks吧！