夜雨聆风一、上篇说的那个角色
上篇聊到，别让AI焦虑替你做决策：企业AI落地的四个问题企业AI落地最致命的坑，是业务和技术之间缺一个"翻译层"。别让AI焦虑替你做决策：企业AI落地的四个问缺的不是工具，不是方案，是一个角色：懂业务、懂技术、能把模糊需求压成可落地方案、还能自己下场搭原型验证的人。
我说这个角色正在成形，硅谷在抢破头，国内也日渐风靡。
它叫FDE，Forward Deployed Engineer，前沿部署工程师。
一年前，这个岗位的全网招聘需求是643个。现在是5330个，涨了729%。a16z称它为"tech最火的岗位"。薪资也水涨船高：美国FDE中位年薪约21万美元，资深总包能过70万美元；国内大厂和头部初创给出的年薪也普遍到百万人民币级别。OpenAI砸了40亿美金成立专门的部署公司，收购英国Tomoro一口气拿了150个FDE。Anthropic拉着高盛和黑石合资15亿，干的事也是部署。
我第一次认真看FDE的职责描述时，愣了一下。
因为这说的就是我这最近这一年在干的事。
二、FDE到底是个什么角色
FDE这个概念最早是Palantir提出来的。就是那个给美国军方和情报机构做数据分析的公司。Palantir把它叫做"数据特种兵"：核心职责不是坐在后方写代码，而是嵌入一线，把技术和业务焊在一起。
Palantir的创始人Shyam Sankar说过一句话，大意是：好想法不是在Palo Alto吃草莓的时候冒出来的，它们出现在吉布提的田野上、底特律的工厂车间里。
意思是，技术团队坐在总部写代码，永远不知道一线真正需要什么。你得把工程师派到现场去。
所以FDE的核心特征就四个字：驻场下场。
不是远程写个接口扔过去，是搬把椅子坐在客户的业务部门里，看他们怎么干活，听他们抱怨什么，然后把模糊的"我们需要AI"翻译成具体的"这个环节可以用这个模型解决，我先搭一个原型给你试试"。所以有人把FDE叫"技术翻译官"。
FDE不仅要负责把原型搭起来，还要跟到业务侧看到可衡量的结果。部署完不撤，对最终的业务价值负责。
Palantir内部有个分工模型叫Echo+Delta。Echo是懂行业的领域专家，Delta是工程师。他们的经验是：第一个该招的不是工程师，是懂生意的人。
这跟大多数企业的做法正好相反。多数企业搞AI，先招几个算法工程师，然后等业务部门提需求。结果是工程师不懂业务，业务部门不知道AI能干什么，两边大眼瞪小眼。
三、FDE天然契合创业者
看FDE的能力要求，你会发现这不是一个能从学校直接培养出来的岗位。
它要求的是一种综合跨界能力。
你得有项目管理能力，能把一个模糊需求拆成可执行的步骤，排优先级，控进度。这是项目经理的活。
你得有编程能力，不能只画原型图让别人写，得自己能下场搭MVP，跑通技术验证。这是工程师的活。
你得有业务理解力，能跟业务负责人聊流程效率，能跟销售总监聊转化漏斗，能听懂他们话里的潜台词。这是咨询顾问的活。
你还得有抗压能力和模糊容忍度，能在需求不清晰、数据不干净、老板天天催结果的环境里不崩溃。这是创业者的活。
说白了，FDE要的是"懂技术、懂产业、会落地"三重能力。
所以FDE天然契合创业者。哪怕是失败的创业者。
因为失败过的人才知道哪里有坑。走过弯路的人才不会让客户再走一遍。
我自己就是个典型。20年互联网行业摸爬滚打，做过项目经理，做过增长，带过团队，创过业，办过咨询公司。近一年死磕AI编程，从prompt engineering到agent开发，该踩的坑基本踩了一遍。
去年在顺德做AI落地咨询的时候，我最深的感受就是：企业不缺AI工具，市面上大把。他们缺的是一个人，能跟着业务团队跑几天，看他们到底在哪些环节花时间，然后说"你们每周手动整理的这份数据，用模型跑一遍就行，我先搭个demo试试"。
这个人就是FDE。这样的人不是没有，但在招聘市场上很稀缺。
四、95%的企业AI试点，为什么是白干
MIT去年出了个数据：95%的企业AI试点项目，对利润几乎没有任何可衡量的影响。
95%。这个数字跟上篇的"四个问题"对得上。企业不是不想干，是干的方式不对。
问题出在哪？
中国市场的AI服务基本上是两拨人在做。一拨是AI公司，技术强，但对具体行业的业务流程理解很浅。他们卖的是模型、是平台、是API调用量。另一拨是咨询公司，懂行业，但技术能力停在"写PPT"和"出报告"。
中间断了一截。
AI公司搭完系统就撤了，没人管业务部门用不用得起来。咨询公司出了方案就走了，没人能把方案变成能跑的代码。
断的这一截，就是FDE的位置。用大白话说：AI公司+咨询公司的混合体，在中国基本是个空白。
而且别以为只有制造业才需要FDE。目前全球需求增长最快的，恰恰是咨询、法律、营销这些传统高端服务业。这些行业每天处理大量文档、数据、报告，重复性工作不比工厂流水线少，但AI落地的进度远落后于制造业。
OpenAI和Anthropic砸几十亿美金想填的就是这个坑。但在中国，这个角色目前主要靠两种人在撑：一种是大厂内部的"AI布道师"，另一种是像我这样的独立开发者。
区别在于，大厂的人有资源但没自由，独立开发者有自由但需要自己找客户。
五、FDE实际在干什么
拿我自己举例。我的工作流大概是五步。
第一步，蹲点。 不是去开会听汇报，是去业务现场看。看团队怎么干活，看数据怎么流转，看哪里有卡顿。去年在顺德一家客户那里，我跟着业务团队跑了三天，才发现真正的瓶颈不是他们以为的分析环节，而是更上游的数据采集。大量时间花在手动整理、录入、核对上。
第二步，建模。 把业务问题翻译成技术问题。"报表出得慢"变成"数据管道+自动生成+定时触发"。"客户跟进流失"变成"行为分群+预警模型+话术推荐"。
第三步，搭原型。 不写PPT，直接写代码。用最快的速度搭一个能跑的MVP，哪怕粗糙。因为只有跑起来的东西，业务部门才会认真反馈。
第四步，验证。 拿真实数据跑，看效果。行就往下推，不行就换方向。这一步最关键的是快，别在一个方向上耗三个月。
第五步，受控演进。 MVP跑通了，再考虑怎么变成稳定的生产系统。这时候才需要正规的开发团队介入，FDE的角色从"搭建者"变成"翻译者"，帮开发团队理解业务上下文。
这套流程不是我拍脑袋想出来的，是在一线摔出来的。每个步骤都踩过"以为做对了其实跑偏了"的坑。
六、独立开发者天然是FDE
吴恩达最近提了个醒：FDE可能有天花板。多数企业最终还是倾向于用自己的员工来做这件事，而不是长期依赖外部的人。
他说得对。但有个前提：企业得先有人能干这事。
现状是，95%的企业没有这样的人。招也招不到，因为FDE要求的跨界能力，在人才市场上本来就是稀缺品。
所以在外部FDE和内部团队之间，存在一个过渡期。企业需要外部的人帮忙跑通第一个闭环，培养内部的能力，然后再逐步交接。
这个过渡期，就是独立开发者尤其是OPC的机会。
独立开发者天然具备FDE的几个特征：一个人就是一支队伍，决策链短，试错成本低，能快速下场。而且独立开发者不绑定任何一家技术厂商，可以客观地选最适合的工具。
这也是我在筹备OPC技术联盟的原因之一。一个人的带宽有限，但如果能把几个不同领域的独立开发者凑在一起，Echo+Delta就有了，一个人干不了的活，两个人就能转起来。
七、写在最后
如果你正在为企业AI落地发愁，可以先对照上面的五步流程做个自检：你的团队卡在哪一步？
回复「FDE」，我整理了一份《FDE能力模型自评表》，帮你看自己的团队在哪个环节最需要补人。也欢迎聊聊你公司的AI落地卡在哪里，前50名回复的，我免费做一次15分钟诊断。
下篇我会聊聊OPC联盟的进展，以及为什么我认为"一个人的公司"不是妥协，是一种结构优势。
姚启诚｜Miaozai Studio创始人 20年互联网创业经验，现在研究GEO和企业AI落地。《GEO橙皮书》作者，国家二级营销师，独立开发者，FDE部署工程师，OPC技术联盟筹备发起人。
