AI 替代人的同时，也在创造新工作。FDE（前沿部署工程师），成为今年最火的 AI 新岗位。

这个职位的任务是驻场在客户现场，解决 AI 落地的问题。那些靠帮企业落地大模型赚钱的公司，已经把它做成了业务标配。

从 OpenAI、Anthropic 等海外大模型公司，到字节、阿里、腾讯等国内大厂，都在抢人。社交平台上，" 单人接单月入十万 "" 零基础转行年薪百万 " 的故事满天飞。

我们找到了三位个人接单者。他们的反馈却是：这活儿，并不好干。客户说不清痛点，系统切换风险太大，降本空间有限。项目做完往往是一锤子买卖，换个行业又得从头摸索。

更让他们焦虑的是，个人 FDE 只是过渡形态，企业正在内部孵化这样的岗位。

以下是他们的故事。

做第一笔 FDE 订单前，Lawted 从没见过这么 " 土 " 的公司。

2026 年 4 月，Lawted 受邀到深圳一家货代公司，做流程的 AI 化改造。进门后，他站到离自己最近的一名员工身后——对方的屏幕上，铺满了中英文的微信对话框和邮箱页面。

他看了一会儿，发现这名员工不停点开客户从微信、邮件里发来的货运 PDF，从中找出港口、船期，回复给客户确认，然后再把这些信息一条条手动敲进公司系统。

Lawted 绕着办公室走了一圈。三十多个员工，都在做同一件事。

" 太落后了。"Lawted 在心里吐槽。眼前这一幕让他意识到，用 AI 改造传统流程这件事大有可为。当天，他收拾行李，搬来了深圳。

那时他还不知道，自己做的这事有个专门的名字。后来和一位美国朋友聊起，对方听完脱口而出："This is FDE。" 他搜了一下才发现，自己无意中撞上的，正是硅谷眼下最热门的岗位。

FDE 并不是新概念。二十年前，数据平台 Palantir 就靠它起家。接下军方订单后，它会直接派工程师到伊拉克、阿富汗前线，士兵说 " 这条路可疑 "，工程师会当场把它做成地图上的标注工具，将好用的功能沉淀回平台。

传统软件行业里，和它最接近的是售前工程师和实施顾问。区别在于，售前只讲方案，实施照着手册装软件，FDE 则要在客户现场写代码，亲手把系统交付上线。

进入 AI 时代，这个岗位翻红了。原因不难理解：大模型是标准品，企业的数据、流程和系统却千差万别。过去一年，大量公司买了模型和 Agent，但大多停在演示阶段，一进生产就撞上权限、数据、合规的墙。从 demo 到真能用的 " 最后一公里 "，得有人去现场填平。

OpenAI、Anthropic、Google Cloud 都在抢人。今年 5 月，OpenAI 联合 19 家 PE 砸下超 40 亿美元成立专门的部署公司；Anthropic 同日宣布与黑石、高盛等成立 15 亿美元的企业服务合资公司。国内，字节、阿里、腾讯、智谱也在跟进。薪酬上，硅谷 FDE 年薪普遍 17 万美元起，资深总包能到 50 万美元；国内大厂最高开到百万年薪。

这个岗位的需求大致分两路。一路是做政企和大客户的 AI 公司，专门设岗，FDE 是卖模型的配套交付；另一路是像 Lawted 这样的个人或小团队，他们基本都是大厂技术出身，懂工程也懂业务，能驻场，服务那些用不起、也用不好 AI 的中小企业和传统公司，一单最高能报到 10 万元。

Lawted 这单生意，来得颇有戏剧性。

他今年 26 岁，走的是标准的技术路线。北邮计算机毕业后，进了阿里。工作第二年，Cursor 大火，他逢人就推荐，同事们却劝他别用 AI 写代码，" 脑子会退化的 "。

那一刻他觉得 " 这里不属于未来 "。申到斯坦福的科研助理后，他果断辞职去了美国，并开始创业，方向是 AI 浏览器。

2025 年 10 月的一天，他和投资人约好下午两点聊项目。刚打开电脑准备确认见面地点，屏幕右下角弹出一条快讯：OpenAI 发布 AI 浏览器 Atlas。他要做的，正是这个东西。AI 大厂下场抢生意，他的项目黄了。

后来经人介绍，Lawted 认识了一位上市公司的 CEO。听说他想把 AI 浏览器先拿给斯坦福的学生试用，对方笑了：" 你知不知道，国内很多人把 DeepSeek 念成‘ Deepsuck ’？回去，赚他们的钱。"

2026 年 4 月，OpenClaw" 龙虾 " 在国内爆火。那位 CEO 找到 Lawted，" 有笔生意可以做 "。酒桌上，他见到了那位年入千万的货代老板。

" 我找了个哈佛硕士，来给你装龙虾。"CEO 这样介绍他。

酒过三巡，Lawted 问老板：" 用过豆包吗？"

老板一脸懵懂地摇头。Lawted 拿过他的手机，当场下载，输入：" 货物代理是什么？" 豆包很快给出一连串具体回答。老板凑过来看完，拿回手机，连着问了好几个行业问题，全对。

" 我们合作。" 货代老板当场拍板。再然后，就是开头那一幕。

Jolie Ni 很早就知道 FDE 这个词。27 岁的她，大学毕业后在硅谷一家技术大厂做了三年程序员。创业的念头一直有，可安稳的高薪工作让她迟迟下不了决心。直到今年，她看着一家又一家 AI 初创崛起，身边创业的朋友，也把三个人的小公司做成了独角兽。她终于决定走出去。

起初，她只是免费帮朋友的搬家公司做 AI 客服。没想到，朋友对效果很满意。第一阶段的项目一结束，她就全职做起了 FDE。

今年 6 月，她成为 Anthropic 的 Claude Partner。

这是 Anthropic 今年 3 月份刚推出的伙伴计划。公司靠向企业卖 AI 服务赚钱，需要一批懂行的伙伴帮客户把 Claude 部署进业务，为此专门砸下 1 亿美元做培训和认证。

拿证的路径不算复杂。以公司名义申请加入 Claude Partner Network，在官方学院自学备考，最后通过一场 120 分钟、60 道题的在线监考考试，就能拿到 CCAF 证书。Jolie Ni 只复习了三四个小时，就顺利通过了考试。

对她来说，这是一份更有分量的专业背书。做 FDE 以来，她和团队接连签下三个大单。

她的团队只有三个人，人力成本压得很低。成为 FDE 之后，Jolie Ni 的平均月收入超过了 10 万元。

同样做 FDE，国内的小唐，面对的则是另一套价格。

小唐 24 岁，是经济学出身的文科生，在一家国企做数据分析。他对 AI 的感情很复杂，有兴奋，也有焦虑。第一次用 Manus 时，看着屏幕上不停跳动的命令行，他觉得自己随时会被优化掉。今年 1 月底，他开始学 vibe coding，顺手把学习过程发在小红书上。

三个月后，一家做预约平台的公司私信找来，想用 AI 替代一部分工作流，报价要低行业均价挺多。

小唐知道同行动辄开到 10 万。但为了能有个真项目练手，他接了。

签完合同后，对方给小唐发来了业务文档。里面详细说明了他需要用 AI 取代的业务流程，有售前售后的客服、推进项目的客户经理以及做 SAAS 的 IT 等。

之后每天下班，小唐会花一个多小时，跟 AI 反复讨论这些工作具体该怎么落地。

两个月后，第一阶段做完了。客服和客户经理已经完全权给 AI 数字人接手，整个流程里真人只参与 5%。

老板很满意。以前跟诊所沟通、推进项目，都得他亲自出面。现在，他在露营、骑行的间隙，瞄一眼手机里的数据就行。

" 太爽了，太自由了。" 老板给小唐发来信息。两天后，他们签了下一阶段的合同，这次小唐调整了收费模式。

新的问题很快来了。

数字员工初步上线后，小唐以为这单差不多结束了。有一天，他正准备关电脑，老板的消息一条接一条弹出来：" 我问问题的时候，AI 都调用了哪些工具？用了哪些数据？"

小唐解释完，对方又追问：" 为什么我看不见它具体做了什么？"

他敲了一大段解释发过去，老板反而显得有些失望。这时小唐才反应过来，老板其实是想亲眼看到 AI 到底干了什么。

对不了解 AI 的人来说，看不见的东西总让人不安。于是小唐在流程里加了可视化，让老板能看到 AI 调用了哪些数据、走了哪些步骤、每天做了什么、有没有异常。

这个版本交上去后，老板回了一个大拇指。

Jolie Ni 做 FDE 这半年，学到的最重要一课，是 " 教育客户 "。

很多时候，企业找上门，诉求只有三个字 " 提效率 "。可真等她问 " 你的业务有什么痛点 "，对方常常支支吾吾，说出来的内容驴唇不对马嘴。

有些流程本身就不合理，可一旦指出问题、建议重新设计，对方反而会急：" 我在这行干了 10 年，你凭什么教我？"

几次碰壁之后，她慢慢明白，大多数客户其实并不清楚自己的业务哪里出了问题，他们只想要更好、更快、更便宜。

于是，她换了个办法，先去做演示。接一个律所的项目时，她发现对方的律师助理每天要花好几个小时，判断一个案子该不该接。这活儿，AI 几分钟就能干完。

她没有直接说，而是拿其他律所的项目做了一段演示视频。视频里，AI 如何按规则判断是否接单、是否需要补充信息，再自动发出接受或拒绝的邮件，一目了然。效果远比对着客户反复解释好得多。

做 FDE，技术是门槛。让客户听得进建议，才是本事。

面对沟通问题，Lawted 他找到了更 " 便捷 " 的途径。有了教货代老板用豆包的经历，Lawted 很快明白，很多传统行业的老板还在骑马，你跟他讲 AI，他只想要一匹更快的马。FDE 工作的一大半，" 就是告诉他，这个世界上，已经有汽车了。"

进入这家货代公司后，他很快发现问题。要做 FDE，必须先摸清业务流程。他去找老板，老板却大手一挥，让他自己去问员工。

他在办公室挨个询问。被问到的员工想了半天，指着屏幕上的发送键说：" 这个按钮稍微有点小了。" 换一个，对方指着撤回键：" 我觉得这个按钮应该改成红色，更醒目。"

问不出流程。他干脆趴在员工的电脑前，翻他们过往的工作记录，一点点把流程拼出来，发现哪里不对再问。

在老板和员工之间穿梭了一个月，Lawted 摸到了门道。

跟老板谈钱，不能提 " 订阅费 "。这个词会让人想起视频网站的会员。要谈数字人的年薪，一个数字人能顶几十个真人，不用交社保和五险一金，只要付它 " 吃饭 " 的 token 费。

跟员工，则要说 " 我是来帮你的 "。他给员工算账，原来一个月做 100 单，拿 5000 块；以后一个月能做 400 单，工资翻四倍。对方连连点头，说他的单量确实很久上不去了，工资也很久没涨。从那以后，这个员工每天都会主动找他汇报。

走到这一步，Lawted 算是入了 FDE 的门。可看着眼前这个越说越起劲的员工，他忽然有些悲哀，对方说得越细，被裁员的概率就越大。

降本，是所有老板都买单的逻辑。AI 提效省下的钱，大头来自人力成本，FDE 也不例外。

做之前他就知道，AI 会给员工带来冲击。他自己所在的公司今年也裁掉了客服，他本人的工作已有八成交给了 AI。

接下货代公司项目两个月后，Lawted 写出了一整套 AI 系统，能把这家公司的所有流程全部接入，实现全面 AI 化。

老板看到后很惊喜。系统里上传 Excel、PDF 等文件，就能自动完成解析、建单、填单、导出全流程，全程无需人工介入，只需最后核对确认即可。

但系统切换需要时间。恰好这时中东局势好转，这家面向海外的货代公司开始爆单。关键时刻，员工根本没时间去学习新系统怎么用。

Lawted 想再等等，老板却告诉他，淡季要等到明年二月。他懵了，原计划是这个月做完这单，就把系统铺到货代行业其他公司，赚完这个行业再换下一个。现在完全不可能了。

很快，老板又抛出压死骆驼的最后一根稻草：公司毛利率只有 8%。系统上显示的 3 亿订单，实际到手不过千万。算错一单，一整年就白干。要从安全运行了六年的老系统，立刻切到他两个月写出来的新系统，风险太大。

老板的兴致降到了冰点。Lawted 只好退而求其次，不换系统，用数字员工接入老系统，先降本。可一算账，数字员工的 token 消耗不小，而被替代的员工月薪不过四千块。根本没有代替的必要。

小唐也遇上了类似的问题。做完第一单后他发现，个人 FDE 如果不能产品化，本质上还是在用时间换钱。每换一个行业，就要重新理解业务、重新沟通客户、重新搭一遍流程。

FDE 最大的困境，在于人力成本。Jolie Ni 发现，做一个项目得深入企业内部，摸清一个完全陌生的行业，做完还要教员工怎么用。中间的时间、精力成本非常高。如果被取代的岗位本身工资就不高，就算把人全优化掉，意义也不大。

另一个困境是需求太具体、变化太快。

她的团队曾给一家硬件创业公司做过营销获客工作流，后来回访才知道，公司目标客群变了，原有流程完全不能用。以目前的技术，彻底重塑一家企业的工作流并不现实。更何况很多企业的问题不在技术，在流程本身，FDE 作为外人很难摸清其中的关卡。

关于 FDE 的未来，Jolie Ni 的判断是，企业最终会设立内部岗位。不同于现在大厂把 FDE 当作售卖产品的附赠服务，它或许会成为长期驻在公司内部、持续运行 AI 流程的角色。因此她计划把公司往培训企业内部 FDE 的方向发展。

同样摸到这条路的还有 Lawted。做完两个项目后，他开始做 FDE 社群：一边是想尝试新工作的年轻人，另一边是迫切需要 AI 化的传统企业。他想把这两股力量拧在一起。

" 现在大多数老板只是怕错过 AI 风口，这阵焦虑终会过去。"Jolie Ni 判断，" 培训出能直接驻场的人才，才是 FDE 真正可靠的生意。"