Hello啊朋友们，我是Simonlin，用通俗易懂的语言，手把手带你玩转AI，提高10倍效率！
前几天 Andrew Ng（吴恩达） 发了条长推文，聊硅谷现在最火的岗位——
AI 前线部署工程师（Forward Deployed Engineer，FDE）。
整个硅谷都在抢这种人：OpenAI 在组 FDE 团队，Anthropic 也在组，薪资据说高得离谱。
但他话锋一转，泼了盆冷水：
FDE 虽火，真正的大机会在 AI Engineer。
这个判断，我觉得值一篇推文——也值我把它掰开了，好好跟大家讲讲。
FDE 为什么突然火了？
先说说 FDE 到底是什么。
简单讲就是——
派驻到客户公司内部的工程师，帮他们把现成大模型落地成能用的 agentic 工作流。
这个岗位不是什么新事物。
二十年前 Palantir 就在干了，派工程师到政府机构的物理隔离网络里写代码。
但为什么现在又火了？
因为一个很尴尬的现实：大模型很强，但落地很难。
你买一个 GPT-5.5 的 API，它能写诗、能写代码、能推理，但你要让它跟你的 CRM 打通、跟你的审批流程衔接、记住你们公司特有的业务规则——这件事不是调一个 API 就搞定的。
中间有大量的提示词工程、工具调用编排、评估体系搭建、异常处理。
这些活，光靠看文档是搞不定的，得有人蹲在现场，把东西跑通。
所以 OpenAI 和 Anthropic 都在疯狂招 FDE。
倒也不是因为他们想卖服务，是因为不派人去，API 就卖不动。
Ng 的冷水：FDE 不是你想的那种大机会
但吴恩达说得很直接——AI Engineer（AI工程师）的需求量会远远超过 FDE。
道理其实很简单：一家公司可能接受三五个 FDE 进驻，但它需要几十上百个自己的人来干 AI 项目。
FDE 是外援，但AI Engineer，才是主力。
我建群一年多，亲眼看到的就是这个趋势。
群里有做开发的朋友，公司去年还在纠结"要不要买个 AI 工具"，今年已经在内部组了三个人的 AI 小组——不是买别人的产品，是自己用 Claude Code 搭内部工作流。
有做旅游的朋友，之前连 prompt 是什么都不知道，现在能用 AI 自动生成行程方案、做竞品分析、写小红书笔记，被业务逼着把 AI 用起来了。
这些人都不是 FDE。没有厂商派人驻扎在他们公司。但他们的的确确在干 AI Engineer 的活。
在这里，吴恩达还提了一个很关键的点：FDE 天然不中立。
他们是厂商派来的，目标是把自家产品深度嵌入你的流程。而你作为客户，根本不知道一年后最强的 AI 服务是哪家。
今天你让 OpenAI 的 FDE 把你的审批流绑死在 GPT-5.5 上，明天 Anthropic 出了个 Claude 5 比它强三倍，你换还是不换？
所以 Ng 的判断是：
FDE 有市场，但客户会警惕；而 AI Engineer 是刚需，永远不会过剩。
国内情况如何？
你可能会问：硅谷聊得热火朝天，国内有这个岗位吗？
我专门去 BOSS 直聘、猎聘、拉勾上翻了一圈。结论是：有，但基本不叫 FDE。
搜"Forward Deployed Engineer"或"FDE"，基本搜不出东西。但换个关键词，一抓一大把：
- AI 落地工程师——最接近 FDE 本质的叫法，强调把 AI"带进"业务
- AI 技术交付专家——驻场交付，解决客户侧最后一公里
- 大模型应用架构师——帮企业把大模型嵌入现有系统
- AI 解决方案工程师——从前期规划到中期实施全包
薪资也不低，12k 到 20k 一个月，北上深杭都在抢，干的活跟硅谷 FDE 一模一样：
驻场、搭 Agent、调模型、对业务、扛交付。唯一的区别是——国内还没人给这个岗位取一个统一的名字。
这恰好印证了 Ng 的判断：
AI Engineer 这个角色还在裂变初期，连名字都没定下来。
而一个连名字都还没统一的领域，往往就是窗口期最宽的时候。
AI Engineer 到底在干什么？
吴恩达给了一个画像：用 AI 组件搭软件应用的人。
这些组件包括 LLM 提示词、agentic 框架、评估体系、RAG、工具调用。
AI Engineer 不是研究模型的科学家，也不是调 API 的 prompt 工程师，而是能把 AI 当成一个工程组件，像搭积木一样搭出能跑的生产级应用。
Ng 特别提到，这批人还必须会用 AI 编程助手——
Claude Code、Codex、Antigravity CLI、OpenCode。
不是"熟练操作"那么简单，而是，能靠这些工具把开发效率翻几倍。
这跟我们群里很多人的状态一模一样，大家都是在做中学，边做边学，有不会的，在群里问一问。
写代码用 Claude Code，写文案用 Gemini，做图用豆包，查资料用 Kimi——工具在变，但把 AI 融入自己工作流的能力，是同一个东西。
我自己就是这样。
我现在写公众号文章，从选题到成稿，至少有四五个 AI 工具在配合跑：Claude 帮我搭框架、Gemini 帮我查资料、Kimi 帮我做事实核查、Image 2帮我出封面图。
我不需要厂商派人来教我怎么做——我自己就是自己的 AI Engineer。
真正的机会在哪？
Ng 抛了一个很有意思的预测：AI Engineer 会像几十年前的"软件工程师"一样，裂变成一堆细分角色。
软件工程师最早也是一个大筐，后来慢慢分出了前端、后端、移动端、数据工程、DevOps。
所以，Ng 认为 AI 工程领域也会走这条路。
他猜未来可能出现 AI FDE、LLMOps 工程师、评估工程师、AI 数据工程师、Harness 工程师——还有更多我们现在连名字都叫不出来的岗位。
因此，我的判断是：现在是最适合入场的窗口期。
当一个领域还没有形成稳定的岗位分工时，你不需要跟科班出身的人拼专项技能。
你只要比大部分人早一步把 AI 用起来，把几个工具串成工作流，把几个项目跑通——你就已经是 AI Engineer 了。
等到三年后"AI 前端工程师""AI DevOps 工程师"这些岗位名称固化下来、大学开始开专业课的时候，你再进场，竞争格局就完全不一样了。
FDE 是淘金热里卖铲子的人，AI Engineer 才是淘金的人。你想当哪个？
感谢你看到这里。
如果觉得这篇文章还不错，欢迎：点赞，推荐，转发给你正在关注AI的朋友。
我建了一个 AI 交流群，群的信息密度很高，也有很多AI行业的从业者。
如果你是以下选手：
一线 AI 从业者——工程师、产品经理、创业者、投资人
正在把 AI 融入自己的业务或工作流
对 AI 工具、Agent、大模型落地有真实的经验和困惑
不只是想"学 AI"，而是想和同行交流、找资源、找合作
我是 Simonlin，下次见。
