FDE年薪中位数20万美元，Anthropic砸1亿美元训1万人到2027年底

前线部署工程师 FDE 的海外年薪中位数已经到 20 万美元，折合人民币约 134 万元，Anthropic 拿出 1 亿美元要在 2027 年底前培训 1 万名，OpenAI 则以 40 亿美元投资成立专做部署的公司。这个过去被视作脏活累活的驻场岗位，正在成为大模型落地环节里最贵的那一环。

钱从哪里来：三家公司砸出的数字

这轮 FDE 热的推力来自头部厂商的直接投入。Anthropic 宣布投资 1 亿美元，目标是在 2027 年底之前完成 1 万名 FDE 工程师的培训。OpenAI 带着 40 亿美元投资成立了专门做部署业务的公司。AWS 则拿出 10 亿美元组建 FDE 部门，把数千名工程师直接派到客户身边。

薪资水平也在被抬上去。据招聘数据网站 FDE Pulse 统计，海外公开薪资的 FDE 岗位基本年薪中位数约为 20 万美元，折合人民币约 134 万元。国内大厂的同类岗位开到月薪三五万，社交平台上已经有大量求职经验分享。

国内厂商的跟进路径略有不同。Kimi 宣布联合多家 IT 服务商共建 FDE 队伍，腾讯云推出号称行业首个的 FDE 工程师认证并招募合作伙伴，这条线的具体进展可以参考这篇旧稿，Kimi 启动企业合作伙伴计划。

为什么到了 AI 时代它变成香饽饽

派工程师去客户现场这件事本身不新鲜。部署工程师、实施顾问、解决方案工程师、售后工程师干的都是类似工作，在互联网时代一度被归到本地化和人力外包的范畴。

变化出在企业侧的需求形态上。过去企业采购软件时大致知道自己要什么，采购的是功能清单；现在企业普遍知道要用 AI，却说不清 AI 能用在哪。于是驻场的重心从按方案实施变成了先帮客户想清楚做什么，这一层判断无法写进招标文件，只能靠人在现场磨。

前线工作很大程度上围绕 Ontology 展开。简单理解，Ontology 是一张可以被软件和 AI 调用的业务地图，企业里有哪些员工、部门和订单，它们之间如何关联，各自允许执行哪些操作。FDE 的任务就是把散落在不同系统、流程和员工经验里的信息整理进这张地图，再在地图上开发应用。比如要做组织管理方向的 AI 助手，就得先梳理清楚有多少部门、部门之间什么关系，再补充人这一层的属性，职级、薪资、汇报线。抽象成 Agent 能理解的结构之后，回答才不会变成瞎猜。

Echo 与 Delta：一个客户解决很多问题

经典 FDE 模式里常出现两个分工。Echo 负责理解业务、沟通需求、设计方案，Delta 负责写代码、接数据、把方案做出来，两者在前线配合。后方还有 Dev，也就是开发标准平台的普通工程师。

两者的差别可以用一句话概括，Dev 是一个能力服务很多客户，Delta 是一个客户解决很多问题。国内部分 FDE 岗位招聘也开始标注 Echo 或 Delta 方向，这个变化至少在两个月前还没有。

投入方	金额	目标与时限
Anthropic	1 亿美元	2027 年底前培训 1 万名 FDE 工程师
OpenAI	40 亿美元	成立专做部署的公司
AWS	10 亿美元	组建 FDE 部门，派数千人驻场
FDE Pulse 统计	年薪中位数 20 万美元	折合人民币约 134 万元
零一万物早期项目	5 名 FDE 加 5 人后端	Ontology 建立需一至三个月

驻场与不驻场：两种 FDE 的分岔

国内的实践里，李开复带队的零一万物全面转向企业 AI，路径是先找到企业的一号位，再派 FDE 进场梳理 Ontology，最后沉淀成产品和平台。早期一个项目要派 5 名 FDE 驻场，配 5 人后端团队。在李开复看来，他们的产品虽然已经产品化并采用订阅制，但它并不是一个即插即用的产品，建立一家公司的 Ontology 需要一到三个月，数据库、角色和流程都要理顺，客户才能拿到结果。

也有不驻场的做法。做 AI 推理云的 Baseten 客户几乎都是工程师，需求具体，比如原本调用某个云端 API，现在想换成开源模型，该选哪个、怎么部署、成本和速度怎么达标。这类沟通基本可以在线上完成，因为 Baseten 提供的是面向开发者的标准化产品，只负责客户业务中的一段明确链路，不需要深入客户组织内部。该公司的 FDE 招聘标准、面试流程与普通工程师完全相同，薪酬结构也一样，搭出的原型即便客户最后没用其云平台也不单独收费。

判断标准因此变得清晰，产品与客户业务逻辑耦合度越高，就越需要驻场；耦合度低则远程即可。这也解释了为什么企业级智能体平台都在往部署侧加人，例如 OpenAI、红帽与英伟达在联合推进的企业级控制层，本质上卖的就是深入客户流程的那一层，详情见这篇 OpenClaw Enterprise 分析。

游击队：一个人接几十个项目

公司之外还有一批独立接单者。斯坦福在读博士生 Zaniel 从今年 4 月开始独自承接企业 AI 项目，银行、律所、煤化工、月子中心、家政中介、建筑企业都有涉及，五个多月做了几十个项目，交付全是一个人。

他的第一个客户是银行，几个员工每天要从数据系统导出一堆数据汇总成报表。他先做了一个自动生成器，数据拖进去一键出表，结果很快没人用，因为报表规则每天都在变，导出来的格式也不完全一致，写死的程序用几天就崩溃。后来他换了思路，不做一个新软件，而是教员工把脱敏后的数据交给通用 AI 汇总，再把高频流程整理成 Skill，接到现有数据系统上。

另一位从业者承接外贸公司的项目，最后的建议是直接采购 WorkBuddy，她负责培训员工并打通集团内部系统。这类独立 FDE 的商业模式正在向咨询偏移，项目制之外多了顾问制，按年或按月帮企业跟进新工具怎么用。有人把这叫作企业外部的首席 AI 官。

多位从业者给出的时间分配也很一致，沟通需求占到七成以上，开发大约只占三成。摩擦通常发生在拉齐认知和开放接口这两个环节，一位从业者推动某套办公 Agent 接入企业内部系统，一个多月过去仍有不少 API 没有开出来。更深一层的阻力来自位置，有客户在开发覆盖几十个业务模块的 AI 系统时对顾问说了一句，你都用 WorkBuddy 了，那他们干啥呢。

常见问题

FDE 是不是换了个名字的外包

多数从业者认为区别在于沉淀。外包不做自己的产品也不沉淀能力，每个项目都从零开始；FDE 的经验要求回流到标准产品。是否单独收费也是一条界线，Baseten 的 FDE 并不按项目计费。

进入这个岗位需要什么能力

沟通占比七成以上，其次是业务抽象能力，也就是把企业流程整理成机器可用的结构。编码要求相对次要，有从业者认为咨询顾问补齐 vibe coding 能力后反而更适合转过来。

国内 FDE 的市场处在什么阶段

处在早期。厂商侧已经开始认证和共建队伍，服务商体系还在成形，岗位薪资标注和 Echo、Delta 的分工标注都是近一两个月才出现的现象。真正的检验标准是能否把单项目经验沉淀成可复用产品。

小结

FDE 热起来并不是因为出了新工种，而是因为模型的通用能力已经溢出到产品之外，剩下的落差只能靠人去补。Anthropic、OpenAI、AWS 三家合计 51 亿美元的投入说明头部厂商已经把部署层当成必争之地，而不是配套服务。对企业来说真正要回答的问题不是要不要上 AI，而是自家的 Ontology 什么时候能理清；对从业者来说，这个岗位的溢价来自判断力，写代码只是其中最便宜的那部分。

延伸阅读

AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。