公众号摘要：FDE 是这两年 AI 圈最火的新岗位之一，OpenAI、Anthropic 都在大批量招。但它到底是什么人？当 FDE 把 AI 带进企业之后，为什么我们还需要另一种前线角色——FDB？
先问一个问题。
最近这一年，你是不是总在听人聊 FDE？
朋友圈在转，AI 播客在聊，大厂 JD 在写。FDE（Forward Deployed Engineer，前线部署工程师）突然成了 AI 圈最时髦的几个词之一。
但真要追问一句：FDE 到底是一群什么人？
很多人其实答不上来。要么把它当成”高级程序员”，要么当成”驻场销售”，要么干脆觉得又是一个被炒起来的新概念。
这个困惑很正常。因为 FDE 确实很新——在硅谷，OpenAI、Anthropic 这些公司已经在强化面向企业客户的 FDE 与部署团队，岗位从西雅图铺到伦敦、新加坡；但在国内，它还更多停留在”大家都在喊”的阶段，真正在一线干这活儿的人屈指可数。
所以咱们先不急着争论它该叫什么、要不要改名。先把这帮人到底在干什么、长什么样，说清楚。
有意思的是，光看招聘 JD 就能看出门道。
OpenAI 对 FDE 有一个很关键的描述：把研究突破转化为生产系统（turn research breakthroughs into production systems）。他们还要求 FDE 深入客户团队（embed closely with customer teams），把一线的反馈带回研发和产品团队，去影响模型和产品的路线。
换句话说，FDE 不是一个坐在后方写代码的人，而是一个被”部署”到客户现场、把最前沿的 AI 能力变成真实业务系统的人。他是模型团队和企业客户之间的那个双向接口。
那么回到最根本的问题：这帮人，到底在解决什么？
一、先别急着起名，先看这帮人到底在干啥
拆开看，这活儿有三个特征。
第一，他必须挨着问题，而不是挨着技术。
普通工程师上来想的是”这功能怎么实现”。FDE 先想的是”客户真正想解决的是啥”。
客户说”我要个 AI 客服”，普通人开始选框架、接 API、想怎么部署；FDE 先问：客服每天处理啥问题？哪类重复率最高？哪些回答需要人来判断？哪些场景绝对不能自动化？
——这一步，是业务能力。
第二，他得把业务问题，翻译成能建的东西。
不是给个建议就完事。是从”客服天天重复答题”这种大白话，变成”知识库 + Agent + 工作流 + 数据接口”这种能力定义。这本质上是一种”业务到系统”的转译能力。
第三，他必须自己 quick build 出来，还得对结果负责。
这是最关键的一点。产品经理负责定义，工程师负责交付，顾问负责建议——FDE 全包了：这东西到底在客户现场有没有产生价值，算他的。
所以这类人的能力结构，不是单一技术栈，而是一套复合模型：
业务理解 + 问题抽象 + 技术构建 + 快速验证 + 结果交付
他们解决的问题，一句话能概括：怎么把组织里的隐性经验、业务流程、专业能力，变成能被 AI 放大的新生产力。
二、这类人，会从哪儿冒出来？
按上面那个能力模型倒推，结论其实挺反直觉的：
这帮人，不是某一个专业单独培养出来的。
它更像一句乘法：业务理解 × 技术构建 × 现场创造力。缺哪条腿，都立不住。
而且，”Forward Deployed（前线部署）”本质上是一种工作方式，不是某一种专业背景。所以进入这条赛道，至少有两条路：
第一条路：技术背景进来，成为 FDE。
工程师、AI Engineer、解决方案架构师、技术型 PM、甚至待过创业公司的人，天然离”构建”最近。他们的问题是：”技术怎么进入业务？”所以顺着这条路，成为 Forward Deployed Engineer——把前沿 AI 能力落成生产系统。这条路今天已经被 OpenAI、Anthropic 验证过了，是真在招、真在付高薪的岗位。
第二条路：业务 / 产品 / 行业背景进来。
这部分才是容易被忽略的。一个懂供应链的老炮、一个带过销售团队的业务负责人、一个浸了十年医疗的行业专家——他们不一定会写代码，但他们最懂”真实世界到底怎么转”。过去，他们的经验只能靠培训、靠文档、靠人传人；到了 AI 时代，他们完全可以把经验变成 Agent、变成知识系统、变成新的组织能力。
他们的问题是：”业务应该怎么被 AI 重构？”所以顺着这条路，他们以一种和工程师不同的身份进入前线——不是去落地别人的方案，而是从业务出发，把经验直接构建成新的 AI 能力。
这两条路，走的是同一条”前线部署”的赛道，但入口完全不同。
这里先不急着给它起名字。等我们把 FDE 的现状和局限讲清楚，你会自然看到：当 AI 从”能力落地”走向”业务重构”，第二类人正在变成一个越来越关键、却一直没有被准确命名的新角色。它值得一个专门的身份。
三、FDE 已经被验证，但它有个前提
说到这儿，得给 FDE 说句公道话。
前面写的那些，不是在否定它。恰恰相反，FDE 是这一轮 AI 落地里被市场真实验证过的角色——OpenAI、Anthropic 在招，企业在抢，薪资在涨。它解决了一个极其真实的问题：
怎么把已有的 AI 能力，塞进真实的业务里跑起来。
客户说”我要优化客服”，FDE 进场：拆流程、搭 Agent、接知识库、上线。漂亮，闭环。
但问题就藏在”客户说”这三个字里。
FDE 的工作方式，天然有一个前提：问题已经是已知的。 得先有人指着一块地方说”这儿该用 AI”，FDE 才能上前去部署、去构建。
可 AI 走到今天，企业面对的真正难题，慢慢变成了另一件事——
他们根本不知道，自己哪儿该被 AI 改造。
不是没有需求。是连”需求长什么样”都没想明白。
举个具体的。一家制造企业来找 AI 公司，大概率会说：”我们想做个智能质检。”这活儿 FDE 干得很好——接视觉模型、搭检测系统、部署产线，没问题。
但真正卡住这家工厂的，可能不是质检。而是老师傅退休以后，几十年攒下的工艺经验，跟着人一起走了，谁都接不住。
这个问题，FDE 的框架里装不下。
因为它不是”已知问题 + AI 技术”的题。它是一个业务创造问题：你得先发现”这里藏着一个 AI 机会”，再重新定义”未来的工厂该怎么工作”。
换句话说：
FDE 解决的是”AI 怎么进来”。但谁来决定”该造一个什么样的 AI 能力”？
这道缺口，就是下一类人登场的地方。
四、所以，我们想把它叫作 FDB
回到第三段那个问题：FDE 解决了”AI 怎么进来”，但”该造一个什么样的 AI 能力”，谁来决定？
这一类人，我们想给一个专门的名字：
FDB。Forward Deployed Builder。前线部署构建者。
注意，是 Builder，不是 Expert。
因为 Expert 解决的是”我知道”，顾问解决的是”我建议”，工程师解决的是”我实现”——而这类人解决的是”我创造”。他们把行业知识、业务流程、组织经验，连同 AI 工具，组合成一种从前没有的生产能力。
如果说 FDE 是”把 AI 能力带入业务”，那么 FDB 是”从业务中创造新的 AI 能力”。
这两件事，不是谁替代谁，而是回答两个不同的问题：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
所以回到开头那句——FDE 没有错。
它定义了一类非常重要的人：能把 AI 技术真正落地的人。AI 公司今天抢着招，证明这条路已经走通了。
但 AI 正在进入下一阶段。竞争不再只是”谁能用好 AI”，而是”谁能重新设计工作方式”。这时候，光靠技术背景的人不够了——你需要有人站在业务现场，发现问题、定义机会、快速构建、推动变化。
这就是 FDB。
FDB 不是来抢 FDE 的饭碗，它是给另一批人开的一扇门。
过去一提”AI 时代的新角色”，大家默认指的是会写代码的人。但真正坐在行业里、懂业务、手里有经验的人，反而觉得自己是”被替代”的那一个。
FDB 想说的恰恰是反过来的事：
如果你懂供应链，你可以成为制造领域的 AI Builder。 如果你带过销售团队，你可以成为销售领域的 AI Builder。 如果你是浸了十年的行业老炮，你的经验，恰恰是 AI 最缺的原材料。
Forward Deployed（前线部署）从来不是某一种专业背景，它是一种工作方式。工程师从技术侧进去，成了 FDE；懂业务的人从场景侧进去，成了 FDB。两条路，同一个前线。
未来最重要的人，可能不是单纯开发软件的人，而是能把 AI 变成现实世界新能力的人——不管他原来写不写代码。
你身边有这种「懂业务、又在大步跨进 AI」的 FDB 吗？或者你自己就是？评论区聊聊，顺便说说你觉得 FDE 和 FDB 哪个更适合你。
