夜雨聆风模型负责惊艳世界，FDE 负责面对世界。（PS：有人貌美如花，总有人要赚钱养家）
凌晨五点三十分。上海的天还没有亮。李工轻轻关上家门，没有叫醒还在熟睡的妻子和孩子。楼下便利店刚刚开始营业，他熟练地买了一杯冰美式和两个饭团，背起那个已经用了十年的黑色双肩包，赶往虹桥火车站。
今天，他要去南京。这是这个月第四次。高铁还有二十分钟发车，他已经打开了电脑。微信里，客户昨晚十一点发来了十几条消息。
李工，AI 查不到库存了。李工，今天董事长要看演示。李工，昨天还能回答，今天怎么又不行了？
他没有回复太多。只是简单回了一句：
上午到现场。
然后继续翻看 ERP 的接口文档。对于李工来说，这只是一个普通得不能再普通的工作日。可对于很多人来说，他们甚至不知道，这份工作有一个名字。
Forward Deployed Engineer。
简称 FDE。
过去几年，AI 行业最耀眼的人，无疑是那些训练大模型的人。他们站在聚光灯下，发布新的模型，刷新排行榜，不断突破参数规模、推理能力和 Benchmark。从 GPT 到 Claude，从 Gemini 到 Qwen，每一次模型能力跃迁，都足以成为整个行业讨论的话题。
发布会上，人们讨论的是模型、参数、推理、多模态、Agent。
而真正走进企业之后，人们讨论的却变成了另外一些问题。ERP 能不能接？CRM 有没有接口？企业微信怎么调用？数据库谁维护？权限谁审批？数据到底可信不可信？
AI 行业讨论的是未来。企业面对的是今天。模型负责回答问题。企业首先要解决的，却是问题有没有数据可以回答。这也是 FDE 存在的原因。
上午九点。会议室已经坐满了人。董事长、信息部、销售部、仓储部，还有昨天负责演示 AI 的产品经理。
董事长第一句话就是：
"昨天 AI 不是说还有一百二十八件库存吗？为什么仓库告诉我昨天就卖完了？是不是模型出现幻觉了？"
所有人的目光，都落到了李工身上。李工没有急着回答。他打开电脑，登录 ERP。
五分钟后。答案出来了。模型没有错。库存接口也没有错。真正的问题，是 ERP 每天凌晨一点才同步一次库存数据，而昨天上午十点演示的时候，AI 看到的仍然是凌晨一点的数据。
下午三点，这批货就已经卖完了。模型只是忠实地回答了它能够看到的数据。真正出问题的，不是 AI。而是数据流。会议室忽然安静了。
老板之前一直觉得，AI 做不好，是模型的问题。直到这一刻才意识到，模型之外，还有另一个世界。
这其实也是很多企业第一次接触 AI 时最大的误解。老板说：
"我们准备接 AI。"
很多人第一反应，就是打开 ChatGPT。真正的 FDE，却会打开另一份东西：系统架构图。因为在企业里，AI 从来不是第一个问题。数据才是。真正的 FDE，第一周甚至不会写一行 Prompt。他会不停地问问题。CRM 是哪家的？ERP 有没有开放 API？MES 能不能访问？客户数据放在哪里？权限模型是谁设计的？有没有统一身份认证？数据多久同步一次？哪些数据允许 AI 查看？哪些数据必须人工审批？这些问题听起来和 AI 毫无关系。实际上，它们决定了 AI 最终能不能真正工作。AI 可以很聪明。但如果它连数据都拿不到，再聪明也毫无意义。
下午一点。问题解决了。库存接口改成了实时同步。老板长舒了一口气。会议结束的时候，他笑着拍了拍李工的肩膀：
"还是你们搞 AI 的厉害。"
李工笑了笑，没有解释。因为他知道，今天真正写的 AI 代码，不超过二十行。
绝大多数时间，都花在另外一些地方。申请接口权限。协调 ERP 厂商。修改缓存策略。重新设计数据同步。增加失败重试。处理日志。这些事情，没有一件听起来像 AI。却几乎占据了整个项目百分之九十的工作量。很多人以为，AI 项目最重要的是 Prompt。真正进入企业之后才会发现，Prompt 往往是整个项目里最简单的一部分。
介绍 FDE 时，经常会看到一句话：
FDE = SWE + PM + Consultant + DevOps
Software Engineer、Product Manager、Consultant、DevOps。很多人第一次看到这个公式，都觉得很好理解。一个人，同时承担四份工作。可真正跟着一个 FDE 工作一天，就会发现，这个公式其实并不准确。
问题就在那个 "+"。加号意味着角色叠加。上午写代码。下午开需求会。晚上部署服务器。再抽空和客户沟通。
现实不是这样。对于真正的 FDE 来说，从项目开始到项目结束，始终只有一个身份：
解决问题的人。
所以，这个公式更准确的表达，其实应该是：
FDE = SWE × PM × Consultant × DevOps
因为这些能力，从来不是并列存在。而是在解决同一个问题的时候，同时发挥作用。
老板一句：
"AI 为什么查不到库存？"
对于软件工程师来说，这是接口问题。对于产品经理来说，这是需求问题。对于咨询顾问来说，这是业务流程问题。对于 DevOps 来说，这是数据同步和系统稳定性问题。而对于 FDE 来说。这些问题，没有区别。
因为客户不会关心是哪一个角色出了问题。客户只关心一句话：
"什么时候恢复正常？"
真正的 FDE，从来不是四份工作的叠加。而是四种能力，在同一个目标下的融合。
下午三点，新的需求又来了。销售总监把电脑推到李工面前。
"库存已经解决了。那 AI 能不能直接帮销售报价？"
听起来，这不过是多问 AI 一句话。真正坐下来分析，李工却知道，这意味着另一个项目才刚刚开始。报价，不是一张价格表。
它背后牵扯着产品型号、客户等级、历史成交价、区域折扣、促销政策、库存状态、信用额度，甚至还有老板临时批准的特殊价格。
一个报价动作，背后可能要查询五六套系统：CRM 负责客户，ERP 负责库存，PLM 负责产品，财务系统负责授信，OA 负责审批。AI 不过是站在所有系统前面，负责把答案组织成一句人能听懂的话。
于是，一个看似简单的问题，被拆成了几十个技术任务。哪些系统需要接？哪些接口已经存在？哪些权限必须申请？哪些数据允许模型读取？哪些操作只能返回建议，不能自动执行？
真正的 FDE，每天做的事情，就是不断把一句业务语言，翻译成一个又一个工程问题，再把一个又一个工程问题，重新组合成业务结果。
老板说的是：
"我要一个 AI 报价助手。"
FDE 听到的却是：
"我要连接六套系统、统一数据口径、建立权限体系、设计调用链路、保证数据实时同步，并且最后用 AI 输出一句自然语言。"
这就是 AI 落地最大的误区。老板看到的是 AI。FDE 看到的是整个企业。
很多人直到这里，都会产生另一个疑问。这听起来，不就是实施工程师吗？
其实不是。传统的软件实施，更像是在安装一套系统。服务器部署好了。数据库初始化了。账号开通了。用户培训结束了。项目验收完成。项目就可以结束了。
AI 项目不是这样。AI 项目最大的特点，就是永远没有真正的"完成"。
今天模型升级了，知识库变了。
业务流程调整了，新的接口上线了，新的部门接入了，Prompt 需要优化，Workflow 需要调整，模型需要切换，成本需要控制，准确率需要持续评估。
AI 项目不像盖房子，更像经营一家餐厅，每天都在营业，每天都会遇到新的问题。
而 FDE，就是那个每天都要站在后厨、前厅和收银台之间的人。
晚上七点。客户已经下班了。办公室终于安静下来。李工没有急着离开。
他打开监控平台，开始查看今天一天的日志，请求量正常，延迟正常，模型调用正常。
突然，一条红色告警弹了出来。
401 Unauthorized
权限失效！顺着日志往下追。凌晨自动更新 Token 的任务失败了，于是重新生成密钥，更新配置，重新发布服务，恢复成功。
整个过程，大约二十分钟，第二天，没有任何一个客户知道昨晚发生了什么，因为系统始终是正常的。
很多优秀的 FDE，都有一个共同点，他们每天解决很多问题，但别人几乎感觉不到他们存在。
因为他们最大的价值，就是让问题不要发生。
晚上十点四十，李工终于坐上回上海的高铁，他靠在座椅上，打开今天的
Git 提交记录：Prompt，新增十七行；ERP 接口，四百多行；权限系统，六百多行；缓存优化，三百多行；日志，两千多行；Workflow 调整，八百多行。
整个项目真正和 AI 有关的代码，不到百分之十。剩下的大部分工作，都发生在 AI 外面。这也是 AI 行业一个很有意思的现象，所有人都在讨论模型，真正让 AI 跑起来的人，却很少在写模型。
过去的软件时代，企业购买的是软件；后来，企业购买的是云服务；今天，越来越多企业说自己购买 AI。
其实，他们真正购买的，从来都不是模型！一家企业不会因为 GPT 更聪明，就愿意付费。真正让企业愿意买单的是：
AI 能不能自动处理工单，能不能自动分析报表，能不能自动回复客户，能不能自动完成审批。
换句话说，企业购买的不是 Intelligence（智能）。
而是 Business Outcome（业务结果）。
模型只是能力，业务结果，才是价值。
而连接能力与价值之间那段漫长而复杂的路，就是 FDE 每天走的路。
所以，越来越觉得，介绍 FDE 时，真正值得记住的，并不是那个公式。
甚至不是 Forward Deployed Engineer 这个名字。
真正重要的是一种工作方式：客户的问题没有解决，项目就没有结束，继续调接口，继续补数据，继续改流程，继续优化 Prompt，继续调整 Workflow，继续监控日志，继续降低成本，继续提高准确率。
直到有一天，企业里的员工已经意识不到 AI 的存在，却每天都在使用 AI 完成工作。
那时候，AI 才真正完成了落地，而 FDE，也完成了自己的工作。
也许几年以后，FDE 这个名字会改变，新的岗位会出现，新的组织形式会出现，甚至 AI 自己，也会承担越来越多今天属于工程师的工作。
但这种工作方式不会消失。因为未来真正稀缺的，不再是谁拥有最强的大模型，模型会越来越便宜，API 会越来越便宜，算力终将成为基础设施，真正昂贵的，是把 AI 带进现实世界，让它理解一家企业，理解一个行业，理解一套流程。最终，成为企业每天都离不开的一部分。
当所有人都在讨论模型的时候，总要有人去连接系统。当所有人都在追逐参数的时候，总要有人去治理数据。当所有人都在展示 Demo 的时候，总要有人保证它明天依然能够稳定运行。
他们不会站在发布会的聚光灯下，也不会刷新任何排行榜。但几乎每一家真正把 AI 用起来的企业背后，都有这样一群人。他们把模型从实验室带进办公室。把智能从发布会带进生产线。把一句 Prompt，变成每天都在运行的业务流程。
模型负责惊艳世界。
FDE 负责面对世界。
他们不创造神话，他们负责让神话落地；他们，就是光鲜亮丽 AI 浪潮下的数字民工。
