给服装公司搭建一套AI生成电商图片的工具，用AI帮律师整理文书和分析案情，教会医生在AI的辅助下看CT片……这几件看似毫不相关的事儿，交集在一个职业群体身上：前沿部署工程师（Forward Deployed Engineer，以下简称“FDE”）。
这不是个一眼能看懂工作内容的岗位，但它在AI圈已经刷屏了好几个月。OpenFDE社区创始人韦雷把FDE的工作职责概括为“打通企业AI落地的最后一公里”，他感受到，FDE的热度从今年5月开始飙升。不久前，他在杭州组织了一场200人规模的“前沿部署工程师大会”。
国内外多项数据均显示，FDE岗位正迎来爆发期，一度成为最受关注的AI求职方向。其中，2026年上半年，职场社交平台脉脉上的FDE相关职位发布量同比飙升21倍，在发布FDE岗位的公司中，37.3%是AI原生企业。同时，一些地方政府也预见了FDE的前景。武汉光谷就计划在未来3年培育1000名FDE人才，推动1000个智能体创新产品落地企业场景。
“FDE的爆火命中了一个问题：AI落地速度还有很大的增长空间。”卢星龙对记者说，从2023年至今，大模型的智力水平已经足够前沿，但AI带来的新一轮技术变革，如何真切转化为赋能各行各业的实际生产力，社会各界尚未找到一个非常合适的方式。作为一名FDE，同时也是研究型社区FDE Frontier的创始人，卢星龙在近日的HICOOL 2026全球创业者峰会上发布了《全球FDE发展研究报告》。
他的课题团队在报告中总结道：“进入2026年下半年，人工智能的竞争焦点正由能力展示转向工业价值。企业关心的已不再只是能否获得人工智能，而是如何让通用模型进入真实业务，连接行业知识、企业数据、既有系统与组织责任，形成稳定、可验收、可持续改进的生产结果。”
卢星龙认为，FDE正是AI落地千行百业的关键角色。业务人员可能意识不到AI能做什么，技术人员又缺乏行业经验，不知道如何用AI解决具体问题。FDE岗位，正是为了弥合这种“错配”而存在。
企业医生、跨界翻译官与六边形战士
FDE并非凭空创造的新概念，这种“派人去客户现场驻场”的模式，引入商业领域已有超过20年的探索。但在传统软件行业，主流商业模式是售卖标准化的SaaS（软件运营服务）产品，FDE模式长期被视为一个昂贵、非主流的选择。
主要在广东开展业务的宋敏鹏对记者表示，AI时代，很多传统的技术岗位慢慢消失，诞生了许多新岗位，虽然继承了一部分工作职能，但更“多元化”。因此，当AI展现出被用于生产的可能，出于更精准地招聘、与其他岗位区分的实用角度，当前行业内“需要一个词去定义这个岗位”，FDE才又被推到台前。
这具体是一个什么岗位？宋敏鹏觉得自己像是一个“企业医生”，他首先要梳理和发现企业的问题，找到AI可以优化的空间，再把业务逻辑从具象到抽象，提炼成可执行的AI链条，再具象化到每个部门、每个环节去执行。
“我们通常会问客户，整个流程中，哪个环节最烦琐，却又不得不天天做？这些痛点，就是AI最容易替代和优化的地方。”宋敏鹏回想，为一家地产公司服务时，他还跟着业务员外出“踩盘（即实地考察楼盘）”，发现他们需要手动记录店铺信息、电话和坐标，回来后就开发了一个工具，只需拍照，就能自动识别并录入所有信息。他说，只有深入一线，跟着跑一遍流程，才能发现哪些业务细节需要被优化。
FDE是一个不折不扣的“多元化”岗位。上海交通大学集成电路学院人工智能与微结构实验室主任李金金曾在一次培训中，把FDE称为“跨界翻译官”——他们要懂AI、大数据的底层逻辑，又要深入理解行业核心痛点，还要具备“技术转化”能力。
“其实FDE就是一个六边形战士。”在江苏工作的FDE陈瀚说，他已经有多年研发和产品经验，但近一年探索FDE的过程中，他发现沟通等“市场侧”能力是他天然欠缺的，“更厉害的FDE还具备把订单拿下来的能力”。
真正难点是说服客户
8月27日下午，在OpenFDE社区举办的一场北京FDE见面会上，韦雷谈到了FDE模式面临的挑战：“对于许多小型团队或OPC（一人公司）而言，很难获得大型企业或大型医院的信任，难以切入大项目。”他组建的社区已有8000多名成员，希望作为一个连接器，连接FDE与企业需求，并开辟出新的合作模式。
在这些“跨界翻译官”眼里，最难掌握的语言并非技术，而是“搞定客户”。韦雷说，在围绕AI能力转型的过程中，很多企业还没有意识到需要什么角色来提供帮助。
陈瀚的客户集中在制造业领域，他感受到企业自身的焦虑，它们往往没想好具体怎么做，但都希望借助AI提升效率和产品质量，形成一定竞争力，摆脱内卷和同质化。
卢星龙认为，企业的困惑恰恰是FDE的价值，“FDE必须深入一线，主动挖掘客户自己都未意识到的需求，而不是被动接收”。对于独立团队的FDE来说，他们更需要掌握快速证明自己的办法——通常会免费进入企业，快速找到痛点并上线一两个软件原型，用实际效果说服客户。
陈瀚所在的公司曾在“零行业案例”的情况下，成功中标一个价值数百万元的项目，过程非常不易。FDE提出的方案有时会被视为“外行指挥内行”，陈瀚认为沟通要“扬长避短”：不聊对方业务领域的内容，而是拿着解决方案告诉客户某个问题具体出在哪、他们打算如何解决，并通过相对较低的整体费用和清晰的ROI（投资回报率）测算，来争取客户的信任。
帮AI成为行业专家
和FDE交谈时，“Know-how（技术诀窍）”是他们常挂在嘴边的词。在AI圈，它指的是在特定领域中，通过实践积累起来的技术知识、经验和技能，重点是，它通常是非公开的。如果说FDE是帮AI从“百事通”转变为行业专家的角色，Know-how就是他们最重要的“武器”。
陈瀚认为，通用AI大模型的发展已经进入一个平台期，模型参数的增长很难再带来质的提升，未来要让AI更好用，只有靠拿到业务领域的Know-how。他注意到，传统行业的大企业也在招聘FDE人才，但在AI能力外还有一些特殊要求，比如一家车企希望招到有整车制造经验的FDE，具备汽车行业的Know-how，一家能源公司希望应聘者有5-10年的能源行业从业经验。“这说明，未来的FDE会像咨询顾问一样，分化成不同领域的专家。”陈瀚说。但他认为，并非所有企业都负担得起自建团队的成本。而第三方FDE团队的价值就在于将一个行业的Know-how沉淀下来，复用到业内的多个客户身上，实现更高的投入产出比。
记者在前述FDE见面会上发现，不少FDE难以推进工作的原因正在于，企业出于数据安全的角度考虑，对FDE的开放程度是有限的。
韦雷提到，这种不信任是双向的，FDE的未来发展方向之一，是FDE团队与企业需求方、产业方成立合资公司，成为长期利益共同体，共同对业务结果负责，换取长期信任、实现共赢。
FDE是“过渡”岗位吗
AI能力与业务需求之间一旦产生“错配”，就会催生一些打“补丁”的岗位。2023年，当AI大模型尚显“笨拙”时，提示词工程师迎来了需求高峰。他们负责将人的需求转化为AI更易理解的语言，引导模型高质量输出。然而，随着AI越来越“聪明”，提示词撰写也逐渐普及为职场通用技能，这一岗位的需求在近两年已明显回落。
FDE会是下一个“过渡性”岗位吗？从业者中的一种声音是：等大部分行业的AI方案定型、企业回归采购成熟方案的传统模式，专门做探索型工作的FDE需求确实会下降。
宋敏鹏过去就为企业做数字化改造，他感受到自己是逐渐自然过渡到“数智化”这条赛道的。他认为，未来这个岗位的名称可能还会变，但对业务逻辑的理解、将需求抽象化以及将AI落地到具体场景的能力是长期需要的。因此，他认为这是一个对新手不算友好的岗位，更适合有业务经验的产品经理或一线业务人员转行。
陈瀚关注到行业里已经出现了不少FDE培训课程。他想提醒刚毕业的学生：想靠培训就独立承接企业级订单，几乎是不可能的。不过，他也谈到，年轻人有一种独特优势：他们在AI时代长大，天然地熟悉AI、相信AI能解决问题，也不容易被旧的知识框架束缚，新的想法更容易在他们身上涌现。
卢星龙认为，未来由行业专家转型为FDE，与技术专家转型相比具有更大的优势和更广阔的前景。“AI时代的本质就是迭代。FDE每天接触客户、和人交流AI转型，能够迅速建立起自己的认知。AI时代不存在新人与老人的区别，只有迭代快与慢的差别。FDE所做的工作是需要不断迭代的工作，FDE也需要不断迭代自己。”他说。