编者按:随着 OpenAI、Anthropic 等公司开始组建 AI Forward Deployed Engineer(AI 前线部署工程师,简称 FDE)团队,一个源自 Palantir 的旧岗位正在硅谷重新走红。FDE 的核心价值,是进入客户现场,将通用大模型改造成符合具体业务流程的 Agent 工作流。
但这篇文章真正讨论的,并不只是 FDE 这一新职业,而是 AI 时代岗位结构如何重新分化。作者认为,相比少量被派驻到客户内部、服务于特定供应商产品落地的 FDE,未来需求更大的会是企业自己的 AI Engineer。他们需要懂提示词、Agent 框架、评估体系,也要会使用 Claude Code、Codex 等 AI 编程工具,把 AI 能力真正嵌入软件和业务系统。
这也意味着,AI 对就业市场的影响未必是简单的「替代」。它更可能先制造出一批新的通用型岗位,再像过去软件工程师分化出前端、后端、移动端、DevOps 一样,继续演化出 LLMOps、Evals Engineer、AI Data Engineer 等更细分的职业。真正稀缺的,将是那些既懂工程实现,又能理解业务场景的人。
以下为原文:
硅谷最近出现了一个颇受关注的新岗位:AI 前线部署工程师(AI Forward Deployed Engineer,简称 FDE)。这类工程师会被派驻到客户组织内部,帮助客户定制解决方案,例如搭建和调优符合客户具体需求的 Agent 工作流。自从 OpenAI 和 Anthropic 开始组建新团队,将 FDE 派驻到客户组织之后,我也听到不少人重新开始关注 FDE 这条职业路径。
AI 工作负载推动 FDE 岗位兴起,是 AI 正在创造新工作的一个例子。这也说明,所谓即将出现就业市场崩塌的「jobpocalypse」叙事并不成立——未来仍会有大量 AI 与非 AI 相关岗位。不过,正如下文所解释的,我认为 AI 工程师岗位的数量会远远多于 FDE。
FDE 这一角色大约在二十年前由 Palantir 开创。当时,Palantir 会派工程师前往政府机构现场,在安全、与外部网络隔离的环境中工作。除了扎实的技术能力,FDE 还需要具备沟通能力,有时也需要一定的商业判断力。比如,他们可能需要与客户沟通,理解客户需求;制定项目优先级策略;解释复杂技术;以及在客户提出不现实需求时,以尊重但坚定的方式进行反馈。如今 FDE 再度受到关注,主要是因为将一个现成的大语言模型真正嵌入企业业务、改造成符合特定业务需求的定制化 Agent 工作流,需要大量实际落地工作。
不过,我认为 AI 工程师岗位的规模会大得多。一家公司也许会接受少量 FDE 进入内部协作,但大多数公司会希望让更多自己的员工参与项目建设。以我的机构为例,我们确实会招聘 FDE,但招聘的 AI 工程师数量要多得多。此外,客户常见的一个担忧是,很难找到真正「厂商中立」的 FDE。毕竟,FDE 的任务本质上是把某一家供应商的产品深度整合进企业系统。在当下这个阶段,很难预测一年后哪一种 AI 服务会成为最佳选择,因此「可选性」非常重要,也就是企业能够在未来选择最适合自己的供应商。相较之下,如果让 FDE 将公司的业务流程与某一供应商深度绑定,就会显著削弱这种可选性。
目前,我看到市场对 AI 工程师的需求正在快速上升。这类工程师能够使用 AI 软件组件构建应用,例如 LLM 提示词、Agent 框架、评估系统等;同时也能高效使用 AI 编程 Agent,比如 Claude Code、Codex、Antigravity CLI 和 OpenCode。随着 AI 工程师这一角色逐渐成熟,我预计它会进一步拆分为更细分的岗位。类似几十年前「软件工程师」这一通用岗位,后来逐渐分化出前端、后端、移动端、数据工程、DevOps 等方向。
未来会出现哪些专门化的 AI 工程岗位?我还无法确定。也许会有 AI FDE、LLMOps 工程师、评估工程师、AI 数据工程师、Harness 工程师,以及一些我们现在还没有命名的新岗位。但至少目前来看,许多通用型 AI 工程师已经在创造巨大价值。优秀的 AI 工程师正处于高度紧缺状态。随着这个领域在未来十年继续成熟,我也期待 AI 工程内部出现更多专业分工,并由此创造更多新的就业机会。
