FDE 火了，但 95% 的公司其实不该招，也养不起

FDE 在 AI 时代之前就存在,Palantir 用 23 年把它长成了"反 SaaS 的架构"。

招聘FDE潮增长 800% 到 1000%,其实有95% 的公司不该招FDE

真正能跑通的是 4 条判断标准全过的少数。

不要跟风，看清问题本质。

打开 Anthropic 招聘官网,翻到"Forward Deployed Engineer, Applied AI"(前向部署工程师,应用 AI 方向)那栏。

基础年薪 20 万到 30 万美金,要求 25% 差旅,交付物是 MCP（Model Context Protocol,模型上下文协议）服务、子智能体(子智能体即 sub-agents)、智能体技能(agent skills)。

FDE 工程师坐在客户工位

JD 原话:"you will be a Forward Deployed Engineer (FDE) who embeds directly with our most strategic customers to drive transformational AI adoption."[1]

工程师只是外壳,骨子里他们更接近派去客户工位的人。

Indeed 数据显示,前置部署工程师(FDE)岗位 2025 年前 9 个月招聘需求同比激增超过 800%。

YC 相关的 FDE 招聘据称从两三年前的 0 个,涨到现在 100+。

OpenAI 据多方报道:单客户 ARR(Annual Recurring Revenue,年度经常性收入)要超过 1000 万美金,才会派一个 FDE 过去

一个岗位忽然成了 2026 年企业 AI 落地的"最热赛道"。

社交媒体上转译这个概念的文章一周一波,大都把它包装成"高薪 AI 岗"。

岗位本身没热,真正热的是我也想要。

不是新事物。Palantir 23 年前就在用了

回到 23 年前。

说真的,我越看越觉得这个FDE的"出厂设置"很有意思。

Palantir 内部从来不叫 FDE,叫 Delta(全称前向部署软件工程师,Forward Deployed Software Engineer / FDSE)。

和它配对的产品经理叫 Echo。

一份给客户的简报开头要写 BLUF(开门见山给结论),抄送要加 FYSA(供你掌握情况)。

据多位 Palantir 前员工透露,这些代号全部是从美军和北约通讯文化里搬过来的。

Delta 这个物种是三种现实条件逼出来的,没人一开始就想这么干:

• 客户是 CIA、ICE、国防部、空军、医保 — 数据物理上不能出防火墙,SaaS 模式根本不可行,只能派人驻场;
• 客户业务高度敏感,不能告诉你"我们到底在做什么" — 传统产品调研路径失效,只能让工程师自己坐到客户工位上看;
• Palantir Gotham / Foundry 是高度可配置的平台不是成品 — 客户不知道自己需要什么本体(ontology),需要工程师陪跑 3 到 12 个月共同设计。

2010 年初,Delta 在 Palantir 内部前线驻场是常态。

坐总部写代码?那是极少数

这个岗位是 Palantir 在数据不出门+客户不知道自己要什么+平台只能反向定义 现实条件约束里长出来的工程师物种。

三角约束下的工程师

招得多 ≠ 行业在升级,95% 公司其实不该招

招得多不等于公司在升级,可能是大部分在套概念。

Flybridge 合伙人 Chip Hazard 列了 5 类典型的"套概念"动作,翻一翻你身边的 AI 公司,大概率有中招的:

• 把售前工程师改个 title 叫 FDE,没有任何实质变化;
• 让初级通才同时做产品、做实施、做客户管理,三个月内烧光;
• FDE 入职后被拉去补产品 bug、做一次性集成,根本没有平台沉淀;
• 派 FDE 去 5 万美金的小客户那里,三周打水漂;
• "周一飞过去、周四飞回来"的空降模式,信任建不起来,迭代无从谈起。

Forward Deployed VC 创始合伙人 Mark Scianna（前 Palantir FDE)给了 3 条更狠的[3]:

• 你的 FDE 过去两周打开过 IDE 写代码吗?(多数其实在开销售会议)
• 单次驻场是按周还是按月计算?(Palantir 在阿富汗坎大哈首次驻场就是 3 个月起步)
• 工程师有没有被赋权现场决策,还是每一步都要回总部确认?(德军 19 世纪那套 Auftragstaktik 任务式指挥)

不符合这 3 条的,应该叫:

Sparkling Sales Engineering(销售工程师),只是个售前。

95% 公司在套概念

招得多 ≠ 在升级,这是必须打破的认知差。

真正的转折在 2016，让 FDE 反过来"长出"产品

那真正的转折在哪一年发生?

2016。

那一年 Palantir 推出 Foundry,面向商业和民用政府市场。

FDE 从此前的"纯驻场"开始向回流 — 他们带着客户现场的第一手认知,回到总部把通用能力沉淀进平台。

Foundry 的本体、权限、工作流引擎、来源追溯,长出来的能力占了平台大头——

背后是 200+ 客户现场的真实需求在喂,靠内部PM 拍脑袋设计的反而是少数。

工程师带回认知回流产品

这才是 FDE 和"咨询"或"售前"的根本分水岭 —

FDE 现场写的代码会回流到核心产品

• Palantir 市值 2020 年 160 亿美金 → 2026 年 3250 亿美金,涨 20.3 倍;
• 净收入留存率从约 120% 涨到约 150%;
• 远期估值倍数处于历史高位(2026 年 5 月前瞻市盈率约 108 倍),远超 Snowflake 和 Databricks;
• 客户平均生命周期 6 年以上。

a16z:"Palantir 不是因为软件比 Snowflake 强而涨 20 倍,是因为 FDE 模型让 NRR 到 150%,然后复利"

注意这个因果逻辑:

FDE 模型跑通了,才是 20 倍估值复利的原因 —— 把它当结果去抄,因果就反了。

多数初创公司把它当结果("我招了 FDE 我就能像 Palantir"), 因果倒置。

所以说，刚创业一年内的，就别提FDE了。

4 条判断标准,缺一条就别启动

所以哪些公司算"自然长出来"的?

• 问题足够复杂、工作流模糊。客户问题不容易定义、最优解不显然,否则 FDE 沦为"高配售前"。
• 能从 5 万美金试点跳到 100 万美金+ 合同。否则客单价撑不住 FDE 22 到 40 万美金/年的成本。
• 现场代码可回流。必须有专门团队把现场写的本体(ontology,可以理解为业务里的实体和它们之间的关系,比如"客户-订单-产品"这种模型)、连接器(对接外部系统的中间层)、包装器(让老系统能跑新功能的转接层)产品化,不是"FDE 自己顺便"。
• 平台已稳定到 1.0。FDE 的活是把现成产品嵌入客户环境,不是帮 PM 补产品 bug。

按这 4 条去比对最热门的 AI 公司:

• Palantir 自己。Delta + Echo 配对,2016 后回流 Foundry,4 条全过。
• Anthropic Applied AI。JD 原话写"founding FDEs"+"codify repeatable patterns",4 条全过。
• OpenAI Deployment Co(估值 40 亿美金的子实体) 。FDE 只派给 ARR 1000 万美金+ 的客户,4 条全过。
• Sierra。用按结果付费(outcome-based pricing,即按客户业务结果而非席位收费)+ 智能体数据平台(Agent Data Platform)把"持续调优"本身做成产品,4 条全过[8] 。
• Ramp。2019 年成立,2023 年秋天只有 1 位 FDE,2025 年 8 月扩到 16 位。中间 1.5 年是"constantly fighting fires and simply trying to survive"(不断救火、勉强求生)[7]。
• 大多数 AI startup。SE 改 title + 低 ACV(平均合同金额)客户,4 条至少 2 条不过。

把"工作可产品化"这条单独拎出来。

核心在把持续调优本身产品化,而不是把"驻场动作"产品化。

FDE 的活远不止部署,他们要一起参与产品设计。

客户也卷进来调优智能体,得持续陪跑,不能"交接完事"就撤。

co-developing with the models( 和模型共创 ) ——

这才是 FDE 的核心产品形态。

为什么 23 年才长出一家?

为什么 23 年才长出一家 Palantir,后面的人复制还失败这么多?

组织行为学。

FDE 要求一种叫 Auftragstaktik(任务式指挥)的指挥模式,德军 19 世纪开始用,只下达任务目标,执行细节由前线决断。

前线工程师可以在客户工位上当场改本体定义、当场删一个集成方案、当场承诺一个新交付,然后回总部把决策同步。

这套东西, 99% 的大公司都无法有这种决策权的下放。

任何"动作都要回总部确认"的公司,

FDE 必然变形成空降售前。

大公司一边喊要做 AI,一边在交付自己那张固有的组织决策逻辑。

商业模式：

FDE到客户现场实施，在派出FDE的公司账本上本质是研发费,不是销售成本。

只要从中学到的能回流成平台能力,这笔交易就是赚的。

99% 的创始人和投资人撑不住这种资本配置。

所以岗位本身好抄,真正难的是组织和钱的逻辑能不能同时反人性 18 个月。

国内变体:一个被逼出来的 FDE

国内这一侧呢?

我看了一圈,情况不太一样。

打开 BOSS 直聘搜"大模型解决方案",国内版 FDE 的真实名字是售前解决方案工程师、AI 实施工程师、私有化部署工程师。工作内容以系统集成与 AI 模型调优为主。工资比传统外包高数倍,但比硅谷 FDE 仍低一截。

国内 FDE 困在物理约束里,跟软件设计没关系。

70% 以上的央企/金融客户,数据物理上不能出域。等保三级(国家信息安全等级保护第三级)、信创适配、行业监管,把"派人驻场"从"服务选项"逼成"唯一可能性"。

美国 FDE 是被"模型太新需要陪跑"召唤的,国内 FDE 是被"数据物理上不能动"按在原地的。

国内 AI 公司哪里是"愿意"做 FDE,是被逼成了 FDE。

C 端订阅神话破灭之后,B 端成了财报救命稻草。

研发团队逐渐变成交付团队

钉钉 ONE 那篇 7.5 万字长文《置身钉内》:一号位 KPI 是面向高层汇报

FDE 文化根本没法在国内大部分的大企业里存活。

AI 不会替代 FDE,Palantir 自己给了答案

那 AI 会不会把 FDE 也干掉?

Palantir 自己 2026 年给了答案:

推出了 AI FDE,定位是给真人 FDE 打辅助,而不是把人替掉。

AI FDE 是一个智能体,把自然语言请求翻译成 Foundry 操作。

4 步工作流:

分析意图 → 决定操作 → 执行 → 返回上下文解释。

8 大能力域覆盖数据集成、本体编辑、函数编辑、治理审计、前端应用,

基本上把"标准动作"都自动化了。

Palantir 对"AI 该怎么用"的态度:

• 最小上下文加载 — 初始只加载 Foundry 通用知识,不访问用户数据(防止上下文污染);
• 闭环操作 — 模型执行 → 观察结果 → 反馈决定下一步;
• 第一类权限控制 — 严格遵守用户已有权限,用户可选择模型、工具、数据访问范围。

AI FDE 处理什么?

知识库内、可重复、工具调用类的标准操作。

真人 FDE 处理什么?

业务理解、客户关系建立、跨组织协调、我不知道我要什么的翻译。

所以 2026 年最低成本的 FDE 启动配置应该长这样:

1 个资深真人 FDE + 2 到 3 个 AI FDE 助理,覆盖原本 5 到 10 倍的客户。

1 真人 + 3 AI FDE 协作

最后说一个有意思的现象。

LinkedIn 上有相当数量的 Palantir 校友已经创办了自己的公司。

这事你品一品就懂了——

FDE 这个岗位,天天在前线真刀真枪搞问题,练出来的人去创业,练就了能交付的一身本事。

说是创始人的黄埔军校,一点不夸张。

最后

回到 Anthropic 那份 JD,你会发现它写的就是一种工作方式

招得多不等于公司在升级,坐到客户工位上才算。

23 年才长出一家 Palantir,因为绝大多数组织撑不住反人性的 18 个月

如果你正在思考 AI 时代"反 SaaS"的工作方式从哪里开始,把客户的"我不知道"翻译成"我能交付",欢迎加入 MixLab 无界社区。

这里聚集着最先触达未来的那一小部份人,正在共建下一代人机协同的工作流,从一个人的单人 FDE,到一支团队的智能体与真人混编。

参考

[1] Forward Deployed Engineer, Applied AI — Anthropic 招聘官网 https://job-boards.greenhouse.io/anthropic/jobs/4985877008

[2] Why 95%+ of Startups Get the Forward Deployed Engineer Role Completely Wrong — Flybridge https://www.flybridge.com/ideas/the-bow/why-95-of-startups-get-the-forward-deployed-engineer-role-completely-wrong

[3] How to Build Your 1st Forward Deployed Engineering Team — Per Aspera https://www.peraspera.us/forward-deployed/

[4] What Does Palantir Actually Do? — WIRED https://www.wired.com/story/palantir-what-the-company-does/

[5] The Palantirization of Everything — a16z https://a16z.com/the-palantirization-of-everything/

[6] Understanding Forward Deployed Engineering — Barry McCardel 个人网站 https://www.barry.ooo/posts/fde-culture

[7] Forward Deployed Engineering — Ramp Builders Blog https://builders.ramp.com/post/forward-deployed-engineering

[8] Bret Taylor of Sierra on AI agents, outcome-based pricing — Cheeky Pint https://cheekypint.substack.com/p/bret-taylor-of-sierra-on-ai-agents

[9] AI FDE Overview — Palantir 官方文档 https://www.palantir.com/docs/foundry/ai-fde/overview

[10] Palantir's Forward Deployed Engineer Role Churns Out Startup Founders — Business Insider https://www.businessinsider.com/palantirs-forward-deployed-engineer-role-churns-out-startup-founders-2025-6

[11] AI 公司押注 B 端:是趋势,还是一种行业性失败? — 澎湃新闻 https://m.thepaper.cn/newsDetail_forward_32417729