夜雨聆风请点击上面的星标⭐，并关注“碎念句读”
前几天，看到一篇关于硅谷的报道。报道说，最近硅谷最火的岗位，不是算法工程师，也不是大模型研究员，而是一种很多人从来没听说过的新职业：FDE。全称叫 Forward Deployment Engineer，中文一般翻译为“前线部署工程师”。据报道，顶尖AI公司的资深FDE，年薪已经达到几十万美元，甚至超过许多传统软件工程师。刚看到这个名字的时候，我有些疑惑。
过去几年，全世界都在讨论大模型、算力、芯片和算法。为什么突然之间，一个听起来像“实施工程师”的岗位，成为了硅谷最抢手的人才？继续读下去，我才发现，这个岗位的走红，或许揭示了AI产业正在发生的一次重要转向。
（2）
过去三年，AI行业最重要的问题是：如何把模型做出来，谁的参数更多，谁的推理能力更强，谁的排行榜成绩更高，因此最受追捧的人，是研究员。他们训练模型、优化算法、刷新纪录。
但到了今天，一个有意思的现象开始出现。DEEPSEEK、文心一言、KIMI、元宝等AI越来越聪明，各种模型的能力不断提升。可很多企业花了大价钱采购AI系统之后，却发现一个尴尬的现实：AI很聪明，企业却不知道怎么用。
很多公司购买了AI工具，就像很多家庭购买了跑步机。买的时候雄心勃勃，用几次之后，开始挂衣服，最后落满灰尘。问题并不在跑步机，问题在于生活方式没有改变。
AI也是如此，模型已经足够优秀，真正的难题，开始从技术转向现实。
（3）
这时候，FDE出现了。如果用一句简单的话概括他们的工作：他们负责把AI从演示变成生产力。他们既不是传统意义上的程序员，也不是咨询顾问，更像两者的结合体。他们需要深入客户现场，了解企业的业务流程，理解企业的数据结构，发现真正的痛点。然后重新设计工作流，把AI嵌入进去。
报道中提到一个案例。一家大型资产管理公司拥有上千种金融产品。过去，需要大量销售人员、分析师和运营人员协同工作。FDE团队做的事情，并不是简单地给员工安装一个聊天机器人。而是重新设计整个流程：客户信息自动整合；产品自动匹配；方案自动生成；会议自动记录；后续自动跟进。最终改变的不是一个工具，而是一套工作方式。看到这里，我忽然意识到：AI竞争的焦点，正在从模型能力转向组织能力。
（4）
这让我想起二十多年前中国企业经历过的一轮ERP热潮。那时候，很多企业老板认为：买了ERP软件，企业就现代化了。结果后来发现，软件安装只是开始，真正困难的是后面的事情。统一编码体系，梳理采购流程，规范仓储管理，重建财务制度。很多ERP项目失败，并不是软件不行，而是组织没有准备好。
今天的AI，某种意义上正在重复类似的故事。很多企业以为自己买的是一个软件，实际上买到的是一次组织变革。过去企业问的是：哪个模型更厉害？而现在越来越多企业开始问：我的流程应该怎么改？哪些工作适合AI？哪些工作必须由人完成？哪些数据需要打通？哪些岗位需要重构？这些问题，已经超出了技术本身。
（5）
经济学家索洛曾经有一句著名的话：“你可以在任何地方看到计算机时代，唯独看不到生产率增长。”后来，人们把这个现象称为“索洛悖论”。技术出现了，生产率却没有同步提升。原因是什么？
后来研究发现，问题往往不在技术本身，而在于企业需要花费很长时间去调整组织结构、管理方式和业务流程。直到这些变化完成之后，技术红利才会真正释放出来。
电力如此，互联网如此，AI大概率也如此。很多人把AI看成一种工具，但历史经验告诉我们：真正改变世界的，从来不是工具本身，而是围绕工具重建起来的新组织。
（6）
最近几年，人们总在讨论：AI会不会取代人类？
看完FDE的故事之后，我反而有了另一种感受，至少在相当长一段时间里，AI越强，反而越需要人。
因为模型负责回答问题，而现实世界负责制造问题。企业的流程千差万别，数据格式五花八门，员工习惯各不相同，客户需求不断变化。这些复杂性，并不会因为模型变聪明而自动消失。恰恰相反，模型越强，人们越会发现：最大的障碍从来不是技术，而是现实世界本身。
（7）
工业革命初期，人们以为发明蒸汽机最困难。后来发现，把蒸汽机装进工厂更困难。互联网时代，人们以为开发软件最困难，后来发现，让组织接受软件更困难。今天，人们以为训练大模型最困难，而越来越多企业开始意识到：真正困难的是让AI融入工作流程，融入组织体系，融入每一个具体场景。
技术革命总是如此，发明往往只占前半程，部署决定后半程。当越来越多的人开始关注FDE这样的岗位时，也许意味着AI产业已经悄悄跨过了一个重要分水岭。上半场，比的是谁能创造出更强大的AI；下半场，比的是谁能把AI真正装进现实世界。而AI最大的难题，已经不是AI。
往期文章
