OpenAI、Anthropic 都在抢 FDE：软件工程师最顺的一条转型路出现了

AI 普及在加速，IT 巨头还在持续裁员。把这两件事放在一起看，很多人会自然得出一个结论：软件工程师这条路要走窄了。

但真正更值得看的，不是裁员新闻本身，而是招聘页面正在新增什么岗位。

OpenAI 公开职位板上，已经能看到一整条与部署相关的岗位序列，包括 Forward Deployed Engineer（FDE）、Forward Deployed Software Engineer、Technical Deployment Lead、AI Deployment Engineer。Anthropic 的公开职位页里，也能看到 Forward Deployed Engineer、Technical Deployment Lead、Applied AI Engineer, Beneficial Deployments 这类角色。

这条信号的意义很直接：企业对通用软件的新增需求，确实在收缩；但对另一类人——能进到具体业务现场，把模型、工具、权限、数据和流程编织成一套 AI 生产系统的人——需求反而在上升。

我的判断是：SE 这条职业路径最标准、最可复制、最容易规模化的一段，正在被 AI 吃掉；而 FDE 这种贴业务、贴部署、贴结果的新角色，会越来越值钱。

对今天的大量软件工程师来说，SE → FDE 很可能不是唯一的转型路，但它大概率是最顺、也最现实的一条。

一、真正被压缩的，不是所有工程岗位，而是“通用型软件增量需求”

很多人一看到科技公司裁员，就会直接推导出“软件工程师不行了”。这个判断太粗。

更准确的说法是：传统通用型软件的新增需求，正在收缩。

原因不复杂。过去十几年，互联网行业最擅长做的事情，是把大量标准化需求产品化：做一个协作工具、一个 CRM、一个分析面板、一个客服系统，再把它卖给成千上万家公司。这个时代需要海量软件工程师，因为每一类需求都要靠一套相对固定的前后端系统去承载。

但 AI 普及之后，企业开始发现，很多原本需要“做一套软件”才能解决的问题，现在可以换一种方式完成：把原本分散在表格、文档、审批、沟通里的流程重组，然后交给模型、工具链和自动化系统去跑。这样一来，企业要买的未必还是一套更大的通用软件，它更需要的是一套贴着自己业务长出来的 AI 工作流。

这会直接压缩一类岗位：那些主要围绕通用页面、通用 CRUD、通用后台逻辑展开的大批量软件开发需求。不是说这类岗位会立刻消失，而是它们不再像过去那样天然扩张。AI 越成熟，这一段的边际价值越容易被吞掉。

二、FDE 的出现，意味着企业需求从“买软件”转向“改业务”

FDE 这个角色之所以重要，不在于它名字新，而在于它对应的购买逻辑变了。

以前企业采购软件，本质上是在购买一个“已经做好的系统”。你只需要稍微改改配置，把员工培训好，就能上线使用。现在越来越多企业面对的是另一种情况：模型能力有了，API 也有了，Agent 框架也有了，但真正卡住落地的，是业务流程本身并不是为 AI 设计的。

销售流程里有大量隐性判断，客服流程里夹着跨系统跳转，合规流程里有很多例外分支，研发流程里则充满上下文切换和组织协作。你把一个模型丢进去，它不会自动变成生产力。必须有人下场，理解这个企业是怎么运转的，再把模型、工具、权限、数据、评估、回滚、人工接管这些东西编织成一套可运行系统。

这就是 FDE 的工作本质：不是交付一个 Demo，而是把 AI 变成企业流程的一部分。

这类角色写代码，但代码不是终点；懂模型，但模型也不是终点；真正的终点是客户的某一条核心流程能不能稳定跑起来，能不能省时间、降成本、提转化、减错误、过审计。

三、为什么 OpenAI 会把 FDE 写得这么重

OpenAI 对 FDE 的岗位描述里，有几个词特别值得注意：

• • end-to-end deployments
• • production systems
• • discovery
• • technical scoping
• • production rollout
• • measurable workflow impact

这些词合起来说明一件事：OpenAI 已经不把“模型交给客户自己想办法用”当成主要路径了。它在主动往客户现场走。

这背后其实是 AI 商业化进入下一阶段的标志。

第一阶段，卖的是模型能力本身。谁的模型更强，谁更容易拿到开发者和试用预算。

第二阶段，卖的是平台与工具。API、推理优化、Agent 框架、权限、安全、可观测性，这些会决定谁更适合进入企业。

第三阶段，卖的是结果。客户不再只问“你模型有多强”，而是开始问：“这套东西能不能把我这条业务线改掉？”“三个月内能不能上线？”“失败了谁来兜底？”“效果怎么评估？”

到了这个阶段，单纯的研究人员不够，单纯的平台工程师也不够。企业需要的是一类更贴地的人：既能写、能改、能接，又能跟业务方对话，还能在模糊环境里快速做取舍。FDE 正好长在这个交叉点上。

四、FDE 为什么会比传统 SE 更吃香

这里先说结论：未来几年，最容易涨价的工程能力，不是更标准的软件开发能力，而是“AI + 工程 + 行业流程改造”的复合能力。

原因有三层。

第一，通用能力越来越便宜，现场能力越来越贵。

生成页面、写接口、补测试、搭后台，这些工作不会消失，但供给正在快速增加。AI 本身就在把这部分能力商品化。越标准、越重复、越容易描述的工作，越容易被模型和模板吞掉。相反，进到一个真实组织里，搞清楚流程怎么跑、哪里能改、哪里不能动、哪个环节会出政治阻力、哪个系统接不上、怎么一步一步上线，这种能力很难被抽象成一个通用产品。

第二，企业买单越来越看结果，不看过程。

老板不会因为你写了 5 万行代码而多付钱，但会因为你把客服效率提升 40%、把审单时间砍半、把销售跟进周期缩短 30% 而持续付钱。FDE 直接站在结果端，它天然更接近预算，也更接近决策层。

第三，FDE 形成的是组织记忆，不只是代码资产。

一套通用软件离开原团队，往往还有别人能接。一套贴着企业流程长出来的 AI 系统，里面沉淀的是对业务的理解、对风险边界的判断、对模型能力上限和失败模式的经验。这些东西一旦有效，会变成企业新的核心 know-how。谁能掌握它，谁的议价权就会上升。

五、SE 到 FDE，为什么是软件工程师最顺的一条转型路

如果把未来几年工程师的转型路线排一排，软件工程师转向 FDE，几乎是最顺的一条路。

因为它并不要求你先放弃工程能力。相反，它要求你把过去的工程训练用到更复杂的场景里。

一个合格的 FDE，底层仍然要有很强的工程素养：系统设计、接口整合、错误处理、权限控制、数据流梳理、上线回滚、日志监控，这些都不能少。区别在于，过去你是在相对稳定的产品边界里做这些事；未来你是在一个客户现场、一个业务流程、一个组织博弈环境里做这些事。

这意味着软件工程师最该补的，不只是“学会用 Claude Code 或 ChatGPT 写代码”，而是下面几种能力：

1）把业务流程翻译成系统约束

不是只听需求，而是能把“这家公司到底怎么赚钱、怎么审批、怎么承担风险”翻译成一套可部署的技术结构。

2）把模型能力翻译成交付边界

知道哪些可以自动化，哪些必须有人类兜底；知道哪些环节适合 Agent，哪些环节只能做 Copilot；知道评估怎么做，失败怎么收口。

3）在模糊环境里快速推进

FDE 不是在接一份写清楚的 PRD。更多时候，它面对的是混乱、冲突、例外、组织摩擦和时间压力。谁能在这些条件下推进落地，谁就值钱。

4）建立可复用的方法，而不是一次性交付

最好的 FDE 不是每个项目都从零开始，而是能把一次次部署里沉淀出来的模式，逐渐变成脚手架、模板、评估框架和产品能力。这也是为什么这类人最后往往会反过来影响平台和产品路线。

六、这条路的门槛也很高，它不是“会调 API”就够了

FDE 听起来很诱人，但它并不是“换个更潮的职位名”。

这个角色的难点在于，它要同时承担三种压力：技术压力、业务压力和交付压力。

你既要能判断模型在一个具体流程里的上限，也要能和客户的业务负责人讲清楚为什么某件事现在不能全自动；既要能快速写出可用系统，也要知道什么时候不能为了交付速度牺牲安全和治理；既要有产品 sense，也要能在关键节点亲自下场写代码。

换句话说，FDE 不是低配版咨询顾问，也不是高配版售前工程师。它更像一类新型的“AI 现场总工程师”。

谁能把模型能力、工程实现和业务价值接起来，谁就是这个时代真正稀缺的人。

七、真正该改的，不只是岗位名称，而是职业想象

很多软件工程师今天最大的风险，不是“会不会被 AI 取代”，而是还在用上一个时代的职业想象理解自己。

如果你仍然把职业成长理解为：从写页面，到写服务，到带团队，再到做一个更大的通用产品，那么你面对的是一个增量放缓、供给变多、AI 不断压价的赛道。

但如果你把自己理解成“企业 AI 系统的建造者”，情况就完全不一样了。你的价值不再只是写代码，而是帮助一个组织完成从旧工作流到新工作流的迁移。你参与的不是单点功能开发，而是企业生产方式的重构。

这也是为什么我越来越倾向于这个判断：SE 这条职业路径不会整体消失，但它最舒服、最标准、最可复制的那一段，的确在被 AI 吃掉；而 FDE 这种贴近业务、贴近部署、贴近结果的新角色，会越来越值钱。

对软件工程师来说，SE → FDE 很可能不是唯一的转型路，但它大概率是最顺、也最现实的一条。

结语

比起一条条裁员新闻，更值得看的是招聘页面本身。

当 OpenAI 把 Forward Deployed Engineering 单独做成一整条岗位序列，当 Anthropic 也开始把 Beneficial Deployments、Forward Deployed Engineer、Technical Deployment Lead 这类角色摆到前台，市场其实已经把答案写出来了。

未来企业真正愿意持续买单的，不会只是更多代码，而是更快落地的 AI 生产力。

谁能把模型接进真实业务，谁就会成为下一个周期里最稀缺的工程师。