本文来自微信公众号： AI故事计划 ，编辑：张霞，作者：钟楚笛
"
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。
月薪10万
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。
图｜lawted在美国
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。
难在沟通
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。
赚一波焦虑钱
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。”