2026 年 5 月 11 日，OpenAI 宣布成立由它控股的 OpenAI Deployment Company（下文称部署公司）。按公告的描述，部署公司派 FDE 进入客户组织，和业务负责人、一线团队一起找出 AI 能创造价值的环节，再把模型接进客户的数据、工具和流程（FDE中国社区《2027 中国 FDE 人才与企业 AI 落地实践报告》第 13 页）。这家公司的初始投资超过 40 亿美元，由 TPG 领投，19 家投资机构参与。OpenAI 同时宣布收购英国的 Tomoro，这家咨询与工程公司预计带来约 150 名 FDE 与部署专家（范冰《前线部署工程师》第 13、84 页）。
一家以模型能力立身的公司，为什么要联合 19 家投资机构，专门成立一家派工程师进客户现场的公司？这个做法的源头在 23 年前的 Palantir。2003 年，Palantir 开始给美国情报机构做数据分析软件，开发团队遇到的第一个难题是无法了解用户怎样工作。早期高管鲍勃·麦格鲁后来在 YC（Y Combinator，美国创业孵化器）的 Lightcone 播客里回忆：「我不认识任何间谍，你大概也不认识」（范冰的书第 8 页）。
我的判断是，从 Palantir 到 OpenAI，FDE 每次兴起，都对应同一个处境。产品该长成什么样，开发者不知道，客户也说不清，需求只能在客户现场边做边找。现场学到的经验能不能回到产品里，决定了这套做法做成的是软件生意还是人力生意。Palantir 以现场交付闻名，毛利率却多年保持在软件公司的水平。2024 年以后跟进的公司，包括模型公司和云厂商，也包括咨询公司和创业公司，都还没有走到能验证这一点的阶段。
先认几个词
- FDSE（Forward Deployed Software Engineer，前线部署软件工程师）：Palantir 的岗位名称。范冰认为，名称里保留「软件工程师」是为了表明这个岗位写生产代码，不做咨询。
- Gotham 与 Foundry：Palantir 的两个基础产品。Gotham 面向军方、情报和执法部门，Foundry 面向商业企业和政府民用部门。
- Ontology（本体，Palantir 用来描述业务对象及其关系的数据模型）：贯穿 Gotham 与 Foundry 的统一语义层，技术细节见第 23 讲《把经验变成资产：Skill、连接器、模板与评测集》。
- AIP（Artificial Intelligence Platform，Palantir 的人工智能平台）：2023 年推出，叠加在 Gotham 与 Foundry 之上，让大模型通过 Ontology 理解业务对象。
- AIP 训练营（AIP Bootcamp）：客户带着自己的真实数据，和 Palantir 的工程师一起在通常 1--5 天内做出可运行的原型。
- 人的反向传播（human equivalent of backpropagation）：Palantir 官方文档对 FDE 机制的比喻，下文细讲。
2003 年，Palantir 为什么把工程师派进情报机构
Palantir 早期的客户是美国情报机构，公司要做的是把散在各个保密数据库里的碎片信息连成完整图景（范冰的书第 8 页）。分析师不会向外人说明自己怎么工作，用户访谈和可用性测试都用不上。联合创始人斯蒂芬·科恩换了一个办法，先做演示样品给情报人员看。对方直说做得很差，和他们的工作无关，科恩就追问希望哪里不一样，逐条记下，回去改完再送上门（第 9 页）。
范冰从这个循环里看出两个直觉。复杂领域的客户在看到能用的系统之前，说不清自己要什么。想知道客户要什么，最快的办法是让开发者站到使用者旁边（第 9 页）。
把这个循环变成公司战略的，是第 13 号员工希亚姆·桑卡尔，他后来任 Palantir 总裁兼首席技术官。客户多起来以后，团队发现每个客户的需求都有细微但关键的差别。软件行业的常规做法是提炼共性，对差异说不。Palantir 的客户是中央情报局和战场上的美军，说不就等于出局。桑卡尔的方案是做一个可以灵活定制的平台，再派工程师驻扎到客户现场，完成最后一段适配（第 9、81 页）。
桑卡尔还改了这件事的记账方式。在软件公司的账本上，为单个客户做定制属于服务成本，要尽量压低。桑卡尔把这笔支出改记为「产品发现」，工程师在现场遇到的每个问题，都被当作平台下一次改进的线索（第 9、81 页）。我的理解是，记账方式决定了现场经验归谁。记成服务成本，经验留在项目里，项目结束就散了；记成研发投入，平台团队就有责任把这些经验吸收进产品。
桑卡尔本人是这套做法的第一个样本。2007 年前后，路边炸弹是驻伊拉克美军伤亡的最大来源。美军反路边炸弹作战中心允许桑卡尔带一支小队和还很粗糙的产品，进保密信息室联合办公两周。保密信息室禁用免提电话，他用松紧带把电话绑在头上，一只耳朵听分析师提意见，另一只听总部同事说话。他每天工作 19 个小时，在现场演示，接入数据，收集反馈后当场修改（第 9、81 页）。
两周后，分析师认可了这个系统，桑卡尔自己也累垮了。他打电话告诉首席执行官亚历克斯·卡普，这种做法不可持续。卡普的回答是把这种不可持续的做法做成制度，这句话后来成了公司文化（范冰注明这段经历的出处是 Colossus 杂志 2026 年 4 月对桑卡尔的报道）。
驻场工程师在伊拉克和阿富汗还发现，巡逻的士兵只想在地图上标出哪条路可疑。工程师当场做了一个简陋的地图工具，士兵点一下，全队都能看到危险路段，这个工具后来成了平台的标准功能（第 9--10、81 页）。范冰指出，访谈问不出这种需求，因为士兵不知道可以向软件提这个要求（第 26 页）。
资料对 FDE 起点年份的写法不一致。范冰把 FDE 称作 2003 年就发明的角色，又把第一次原型驻场放在 2007 年前后（第 9、12 页）。腾讯研究院《FDE 模式行业观察与实践》写 Palantir 2005 年开始实践这套模式，没有给出处（第 24 页）。我不给 FDE 定发明年份。能确认的是 Palantir 成立于 2003 年，这套做法在此后的情报客户现场逐步成形。
Palantir 自己怎样描述这套机制？崔牛会《FDE 落地中国白皮书》引用了 Palantir 的官方架构文档（2026 年 7 月访问）。按文档的描述，Forward Deployed Engineering 让工程团队尽量贴近问题，和核心工程团队一起工作，并持续把现场反馈变成新功能；文档把这种方法比作「人的反向传播」（§1.4、附录二）。训练神经网络时，反向传播把输出端的误差一层层往回传，据此计算每一层的权重该怎样调整。放到 Palantir，客户现场暴露的问题就是误差，FDE 负责把误差传回平台，让下一版产品发生变化。
我把这个比喻当作理解 FDE 的起点，因为它同时说清了方向和条件。方向是从现场到产品，条件是误差必须真的传回去。一个只做前向计算、从不回传误差的网络学不到任何规律；一支只在现场做定制、从不改变产品的团队，做的也只是驻场开发。崔牛会白皮书的解读同样把重点放在现场反馈能否改变产品上，驻场只是手段（§1.4）。
Palantir 内部还把前线角色分成负责诊断的 Echo 和负责建造的 Delta（范冰的书第 17、81 页），两者的分工放在第 24 讲《FDE 团队怎么搭：编制、分工与考核》。
现场经验怎样长成 Gotham、Foundry 和 AIP
腾讯研究院报告把 Palantir 的产品线归纳为三层，FDE 在每一层的角色不同（第 19 页）。
| 产品 | 服务对象 | FDE 在其中的角色 |
|---|---|---|
| Gotham | 军方、情报机构和执法部门 | 最早的 FDE 团队在这里出现，工程师要取得安全许可，进入保密环境工作 |
| Foundry | 商业企业和政府民用部门 | FDE 的主战场，工程师在客户现场把异构数据映射到 Ontology，再在上面建模和搭应用 |
| AIP | 2023 年推出，叠加在前两者之上 | 让大模型通过 Ontology 读取业务对象，不直接读原始数据库；FDE 在训练营里用它快速搭原型 |
Foundry 之前，Palantir 的商业化失败过一次。第一个面向企业的产品 Metropolis 市场反应冷淡，只有几家金融公司在用；第二次尝试的 Foundry 才打开局面，转折点在空客（范冰的书第 10、82 页）。空客图卢兹工厂的 A380 燃油泵故障反复发作，空客工程师查了两年没有结果。Palantir 把传感器数据接进平台后，两周就查明原因，飞机爬升时燃油会晃离泵体。
空客数字化转型负责人称，同类问题过去要查 24 个月；据报道，这次修复保住了价值数百亿美元的订单。空客后来把自己的数据平台 Skywise 建在 Palantir 上，接入上万架飞机、五万多用户（范冰注明出处是 Challenges 杂志 2019 年 3 月的报道）。
Foundry 的组件也来自现场。前 Palantir 工程师 Barry 回忆，Foundry 的核心组件诞生在苏黎世和图卢兹等地的客户现场，各地工程师为本地问题造工具，几年后被平台收编成统一产品（范冰的书第 77、82 页）。Ontology 的来历相同。据麦格鲁回忆，团队最初给情报客户建库，给「人」建一张表，给「资金」建一张表，每换一个客户就要重建一遍数据结构。团队后来把抽象层级拉高，底层数据库只保留四类通用元素，每个客户的具体语义交给 Ontology 编码（腾讯研究院报告第 20 页）。同一种现场问题反复出现，最后变成平台的一层抽象，这是一次完整的反向传播。
这种积累有代价。Barry 记录过，Palantir 早期做了大量免费试点，很多项目的利润率按他的说法是负无穷（范冰的书第 25、82 页）。范冰认为 Palantir 撑得住，靠的是高额合同带来的资本厚度，以及把试点当成风险投资组合来管理（第 82 页）。
2023 年生成式 AI 爆发，很多企业想用 AI，却不知道从哪里开始。Palantir 推出 AIP，同时推出 AIP 训练营。客户带着真实数据和真实问题来，Palantir 的工程师陪着，通常 1--5 天做出一个可运行的原型（范冰的书第 28、82 页；腾讯研究院报告写作 5 天驻场）。腾讯研究院认为，训练营改变了客户做决定的方式，客户从听方案、看案例，转为在自己的数据和流程上看运行结果（第 21 页）。FDE Frontier 与 FDE时代联合发布的《全球 FDE 发展研究报告》提醒了训练营的边界，复杂的流程改造、安全审批和长期运营，无法在短期内一起完成（第 38 页）。
Palantir 在财报电话会上举过两个例子。一家大型医疗公司参加训练营 5 周后，签下 5 年期、年合同额 2,600 万美元的协议。一家全球银行试点 1 个月后签下 200 万美元的初始合同，4 个月后扩展为 3 年期、年合同额 1,900 万美元（范冰的书第 28--29、82--83 页）。这两个例子是公司挑选的正面个案，代表不了平均情况。中文资料里常见的训练营付费转化率 70%--75%，范冰标注的来源是百度百科词条和搜狐文章，其中 70% 转引自腾讯研究院报告。两份资料都没有给出 Palantir 的官方原文，我不把这个比例当作事实。
训练营压缩的是验证周期，信任要靠更长时间积累。2025 年 12 月，美国海军与 Palantir 宣布一份 4.48 亿美元的「造船操作系统」合同。发布方称，通用动力电船公司的潜艇排产从 160 个人工小时缩短到 10 分钟以内，朴茨茅斯海军船厂的物料审核从几周缩短到 1 小时以内（范冰的书第 49、83 页，出处是 USNI News 等媒体的报道）。范冰认为，这份合同能跳过概念验证直接进入生产，是因为此前的嵌入式试点已经证明了价值（第 83 页）。
到 2026 年，Palantir 开始把一部分 FDE 的工作交给软件。崔牛会白皮书引用 Palantir 的公告称，AI FDE 已于 2026 年 3 月 12 日在 AIP 中正式可用，接管部分数据转换、本体编辑和应用构建操作（§1.4、附录二）。白皮书的解读是，工具在不断吸收 FDE 的工作，把人推向场景定义、判断和责任。岗位会不会因此消失，放在第 31 讲《FDE 会不会是过渡岗位，以及这一行的底线》讨论。
华尔街为什么多年把它当成咨询公司
据范冰的书，Palantir 在 2016 年以前一度 FDE 人数多于平台工程师，这一点没有公司披露可以核对（第 10、81 页）。华尔街多年看不懂这种做法，嫌它靠人海、更像咨询公司（第 10 页）。这种怀疑有它的道理。范冰自己也写过，定制工作如果不随客户数递减，收入就会随人数线性增长，等于重新发明了咨询公司（第 69 页）。
下表是全球 FDE 报告整理的 Palantir 五个财年数据，来源是公司向美国证券交易委员会提交的 10-K 年报，利润率按 GAAP（Generally Accepted Accounting Principles，美国通用会计准则）口径计算（第 37--38 页）。
| 财年 | 营收（亿美元） | GAAP 毛利率 | GAAP 运营利润率 |
|---|---|---|---|
| 2021 | 15.42 | 78.0% | −26.7% |
| 2022 | 19.06 | 78.5% | −8.5% |
| 2023 | 22.25 | 80.6% | 5.4% |
| 2024 | 28.66 | 80.2% | 10.8% |
| 2025 | 44.75 | 82.4% | 31.6% |
这组数字能说明的，是一家以现场交付闻名的公司，GAAP 毛利率五年都在 78% 到 83% 之间。Palantir 的运营利润率从 −26.7% 升到 31.6%，2023 财年首次实现 GAAP 运营盈利。全球 FDE 报告把这条轨迹概括为贴近客户时像咨询、扩张时像软件（第 37 页）。这组数字说明不了营收增长来自 FDE，同一时期还有 AIP 发布和生成式 AI 热潮，资料里没有归因分析。全球 FDE 报告把 2021、2022 年的运营亏损解释为 FDE 重人力投入阶段的成本，报告没有拆开其他费用，这条因果我不采用。
之后的季度数据延续了增长。按 Palantir 财报，2025 年第四季度的 NRR（Net Revenue Retention，净收入留存率）为 139%，口径不含最近 12 个月新签的客户；同季美国商业收入同比增长 137%，2026 年第一季度同比增长 133%（范冰的书第 55、83、107 页，出处是 Palantir 财报）。资本市场的评价也变了，据范冰的书，Palantir 市值在 2025 年一度超过 4,000 亿美元（第 5、10 页）。
我的推断是，Palantir 毛利率稳定，和现场成本被平台吸收的解释相符。资料没有拆出 FDE 的成本，这个解释无法直接验证。投资机构 Insight Partners 整理的 ServiceNow、Workday 毛利率变化，也只能说明服务投入重的软件公司，毛利率可以随平台积累上升（范冰的书第 78 页）。
2024 年以后，谁在复制这套做法
生成式 AI 把 Palantir 当年的处境带给了整个行业。范冰的描述是，任何人五分钟就能做出惊艳的演示，把演示接进企业真实的数据和工作流，再过权限与合规这两关，难度要高一个数量级（第 12 页）。全球 FDE 报告的判断相近，它认为 2024 年以后 AI 产业化的主要瓶颈，从模型能力不足转向 AI 无法和行业知识、企业数据及业务流程稳定衔接（第 8 页）。
麦格鲁的解释更进一步，「人工智能智能体是个没有在位者的品类」，所以产品发现要大量在客户现场完成（范冰的书第 13 页）。客户管理软件该长什么样，行业二十年前就有答案；企业里的智能体该长什么样，开发者和客户都不知道。我认为，2025 年的模型公司和 2003 年的 Palantir 面对的是同一个处境，这解释了 FDE 为什么在两个时代都会出现。
下表列出 2024 年到 2026 年年中的主要动作。最后一列标出每条信息的确定程度，读资料时要把公告、官方博客和媒体报道分开。
| 时间 | 事件 | 确定程度 |
|---|---|---|
| 2024 年 | OpenAI 组建前线部署工程团队，一年内从 2 人增至 52 人 | 投资机构 Insight Partners 的文章，经范冰的书转引 |
| 2025 年 11 月 | 《金融时报》报道 OpenAI 欧洲团队将扩到 50 人，Anthropic 应用 AI 团队一年扩大到五倍 | 媒体报道 |
| 2025 年 12 月 | 德勤成立 FDE 业务线 | 投资机构文章 |
| 2026 年 5 月 4 日 | Anthropic 与黑石、Hellman & Friedman 和高盛宣布合资组建 AI 服务公司 | 公告；规模约 15 亿美元只见于媒体报道 |
| 2026 年 5 月 | Anthropic 与 FIS 发布金融犯罪侦测智能体 | 媒体报道 |
| 2026 年 5 月 11 日 | OpenAI 宣布成立部署公司，并宣布收购 Tomoro | 公告；投前估值约 100 亿美元为媒体报道 |
| 2026 年 6 月 30 日 | AWS（Amazon Web Services，亚马逊云服务）官方新闻标题称投入 10 亿美元建设前线部署 AI 工程师队伍 | 官方新闻 |
| 2026 年 7 月 2 日 | 微软博客称 Frontier Company 组织约 6,000 名行业与工程专家进入客户现场 | 官方博客 |
OpenAI：先建团队，再建公司
OpenAI 的前线部署工程团队组建于 2024 年，由科林·贾维斯带队。据 Insight Partners 2026 年 4 月的文章，团队一年内从 2 人增至 52 人（范冰的书第 13、84 页）。《金融时报》2025 年 11 月的报道引用 OpenAI 欧洲区前线部署负责人的说法，欧洲团队成立一年，马上要扩到 50 人（第 13 页）。两个数字是否指同一支团队，资料没有说明，我分开列。
部署公司是第二步。贝恩咨询、凯捷和麦肯锡是它的创始合作伙伴，贝恩咨询和投资方里的贝恩资本是两家机构（范冰的书第 38、84 页）。据 Axios、路透社等媒体报道，部署公司的投前估值约 100 亿美元。Tomoro 是 2023 年在英国成立的企业 AI 咨询与工程公司（全球 FDE 报告第 40 页）。FDE中国社区报告提醒，公告写的是同意收购、交易待交割，不能写成已经完成收购（第 13 页）。
按 FDE中国社区报告的整理，公告披露的典型项目分六步（第 13 页）。
- 诊断 AI 能在哪些环节创造价值。
- 与客户管理层和运营团队选出少量优先流程。
- FDE 在客户组织内部设计和构建生产系统，测试后部署上线。
- 把模型连接到客户的数据与工具，放进既有的控制措施和业务流程。
- 让团队在日常工作里可靠地使用。
- 用可度量的结果验证项目。
部署公司的网页用 build、prove 和 generalize 三个词概括从部署到产品的循环，意思是构建、证明、推广（第 13--14 页）。推广这一步对应反向传播，要从单个客户的问题里找出能服务更多客户的模式，送回产品。
范冰的解读是，出资的私募机构手里有几百家被投企业，这些企业是部署公司现成的客户池（第 84 页）。有媒体报道，OpenAI 向私募出资方承诺了五年期、年化 17.5% 的保底回报，OpenAI 没有确认，我只把它当作理解这个结构的线索（第 84 页）。
风险一侧，腾讯研究院列出过一种组织路径，由模型公司联合资本和咨询渠道成立独立实体。这条路径起量快，主要风险是现场问题难以回流母公司的研发（第 11 页）。全球 FDE 报告也列出三个待处理的问题，包括服务业务与平台中立的冲突、客户资产的归属和长期的退出安排（第 39 页）。按反向传播的比喻，独立实体和母公司的模型研发之间多隔了一层，现场误差能不能传回去，是观察部署公司的第一个指标。
Anthropic：一个团队、一个客户和一家合资公司
Anthropic 的前线部署岗位挂在应用 AI 团队下。据《金融时报》2025 年 11 月的报道，这个团队一年内扩大到原来的五倍（范冰的书第 13、86 页）。
资料里反复出现的项目是 Anthropic 和金融科技公司 FIS 的合作。面向企业 CIO（Chief Information Officer，首席信息官）的媒体 CIO.com 在 2026 年 5 月 6 日报道，Anthropic 的工程师嵌入 FIS，与 FIS 的专家共同设计金融犯罪侦测智能体。发布方称，反洗钱调查从数小时缩短到数分钟，首批客户是蒙特利尔银行和 Amalgamated 银行（范冰的书第 66、86 页）。合作声明写明，嵌入的目标包括知识转移，让 FIS 以后能自己构建和扩展智能体（第 12、66 页）。
资料之间对合资公司的说法有分歧。全球 FDE 报告和腾讯研究院报告的参考文献，分别列出 Anthropic 官网和黑石官网的公告，日期都是 2026 年 5 月 4 日。公告内容是 Anthropic 与黑石、Hellman & Friedman 和高盛合资组建企业 AI 服务公司（全球 FDE 报告第 46 页；腾讯研究院报告第 80 页）。按全球 FDE 报告的描述，这家公司面向中型企业，Anthropic 工程师和合资团队一起筛选业务场景并定制方案，之后支持长期运行，资产管理机构提供资金和被投企业的入口（第 39 页）。
范冰的书写的是另一个版本。书里一处说 OpenAI 宣布部署公司几小时后，媒体曝出 Anthropic 与黑石组建合资公司，另一处写成市场传出的消息（第 13、66 页）。腾讯研究院报告正文写两家同一天宣布，和它自己参考文献里的 5 月 4 日对不上（第 11 页）。公告日期比 OpenAI 的 5 月 11 日早一周，我按公告日期写。合资公司的规模约 15 亿美元，这个数字只见于 marktechpost 2026 年 5 月 20 日的报道（范冰的书第 86、117 页），我按媒体报道处理。
名称上，Anthropic 的前线工作分散在多个 Applied AI 岗位里。2026 年 7 月 28 日，Anthropic 招聘页的 Applied AI 团队有 22 个在招职位（FDE中国社区报告第 14 页）。其中的 Applied AI Architect, Commercial 职位自称售前架构师，同时要求交付原型和评估框架，并把共性的集成模式反馈给产品团队。FDE中国社区报告认为它的首要定位仍是售前，把它归为 FDE 的相邻岗位（第 14 页）。同一家公司里名称相近的岗位，离 FDE 的距离也可能不同，判断方法见第 03 讲《FDE 和售前、实施、咨询、外包的分界线》。
云厂商和咨询公司：把前线部署做成规模化组织
AWS 2026 年 6 月 30 日的官方新闻标题称，公司投入 10 亿美元建设前线部署 AI 工程师队伍，资料没有说明这笔钱的用途和期限（全球 FDE 报告第 46 页）。按全球 FDE 报告的描述，AWS 用数千人的专项团队加五至六人的客户小组推进交付，目标是 45 天内形成业务成果，这个周期是企业自述（第 39 页）。客户要经过三个阶段，从观察到共同建设，再到自主运营，并接收运维手册、架构文档和骨干培训。
微软的数字要看清口径。全球 FDE 报告引用微软 2026 年 7 月 2 日的博客，写的是 Frontier Company 组织约 6,000 名行业与工程专家进入客户现场，同时保留与咨询机构合作的联盟网络（第 39 页）。范冰的书写的是据报道计划招聘 6,000 名 FDE（第 13 页）。前者是已有组织的规模，后者是招聘计划，我按微软博客的说法写。谷歌云采用内部 FDE 团队加合作伙伴生态的组织方式，内部人员把 AI 能力带进关键场景，系统集成商承担更大范围的行业实施（全球 FDE 报告第 40 页）。
咨询公司和企业软件公司也在跟进。据 Insight Partners 2026 年 4 月的文章，Salesforce 承诺招聘 1,000 名 FDE，德勤在 2025 年 12 月成立了 FDE 业务线（范冰的书第 13 页），承诺招聘不等于已经到岗。安永在英国和爱尔兰设立了 FDE 职能，把原来止于诊断和方案的工作推进到系统构建、上线和持续改进（全球 FDE 报告第 40 页）。全球 FDE 报告对咨询公司的提醒是，服务如果只靠增加顾问人数，很难形成规模经济（第 40 页）。
创业公司：岗位名称各不相同
一批创业公司的前线团队由 Palantir 出身的人组建。Decagon 的联合创始人阿什温·斯里尼瓦斯，组建 Sierra 智能体工程团队的娜塔莉·默勒，都来自 Palantir 的前线部署岗位（范冰的书第 17、87 页）。
| 公司 | 岗位名称 | 前线团队做什么 | 出处 |
|---|---|---|---|
| Sierra | 智能体工程师（Agent Engineer） | 客户按已解决的会话付费，实施由 Sierra 的前线团队托管 | 范冰的书第 16、87 页；全球 FDE 报告第 41 页 |
| Decagon | 资料未写明 | 把交付经验做成智能体操作流程，客户的运营人员用自然语言写流程，FDE 负责教会客户团队 | 范冰的书第 87 页 |
| Harvey | 资料未写明 | 以年利达律师事务所为第一个大客户，从单一业务组切入，验证后再横向扩展；单所部署六到九个月（单一来源） | 范冰的书第 88 页 |
| Distyl | AI Engineer | 在客户环境里构建并运行生产 AI 系统，对可靠性和生产结果负责 | FDE中国社区报告第 14--15 页 |
Sierra 的默勒认为，岗位名称应该描述技术工作的形状（范冰的书第 87 页）。范冰用 Harvey 说明 FDE 模式的边界，在保密制度、数据驻留和关键用户自主权三项障碍同时存在的市场，自助式软件进不去，只能派人进去（第 88 页）。FDE中国社区报告核对后认为，Distyl 的 AI Engineer 岗位满足全部四项判定标准，出差比例只有 10% 到 30%（第 14--15 页）。报告由此判断，岗位名称会继续分散，职责组合会趋于一致（第 15 页）。
把这些公司放在一起看，全球 FDE 报告按客户购买什么、收入从哪里来，把它们分成五类（第 35--41 页）。
| 类型 | 代表 | 收入主要来自 | 现场经验送回哪里 |
|---|---|---|---|
| 平台产品型 | Palantir | 软件授权与订阅 | 平台 |
| 模型服务型 | OpenAI、Anthropic | 模型调用与企业产品 | 模型和产品团队 |
| 云与基础设施型 | AWS、微软和谷歌云 | 云资源用量 | 参考架构、自动化工具和运维手册 |
| 咨询实施型 | 安永、德勤 | 项目与长期服务 | 内部平台和行业方法 |
| 独立服务型 | Tomoro、Sierra 和 Distyl | 交付收入，部分按结果收费 | 接口和组件等可复用资产，逐步变成自有产品 |
我的推断是，五类公司从现场取得的回报不同，愿意在现场投入的时间和人力也会不同，表里的收入一列就是原因。收费和商业模式的细节放在第 26 讲《怎么收费：人天、订阅、结果计价与中国式混合制》。
招聘数字该怎么读
常见的三组岗位增长数字出处不同，时间窗也不同，不能放在一起互相印证。
| 数字 | 出处 | 时间窗 | 统计的是什么 |
|---|---|---|---|
| 增长约 800% | 《金融时报》2025 年 11 月的报道，数据来自 Indeed | 2025 年 1--9 月 | FDE 职位发布量 |
| 从 643 条增至 5,330 条，增幅约 729% | 腾讯研究院报告的统计 | 2025 年 4 月至 2026 年 4 月 | Indeed 的搜索返回条数，没有去重 |
| 增长 42 倍，同期 AI 工程师岗位增长 13 倍 | 领英《2026 全球劳动力市场趋势洞察报告》，经腾讯研究院报告转引 | 2023--2025 年 | 全球 FDE 招聘岗位，资料没有说明是岗位数还是发布量 |
增长约 800% 相当于变成原来的 9 倍。倍数大，主要因为起点低。磊叔在《关于 FDE 的 100 个问题》里指出，这类岗位 2023 年几乎不存在，基数接近零（第 10 页）。麦格鲁 2025 年 9 月在 YC 的播客里也说，YC 旗下已有一百多家创业公司在招 FDE，三年前几乎为零（范冰的书第 12 页；腾讯研究院报告第 11 页）。
另外两组样本能看出谁在招、用什么名称招。全球 FDE 报告课题组从近两万条公开招聘信息中识别出 5,856 个 FDE 及高度相关岗位观察样本（截至 2026 年 8 月 9 日），以 Forward Deployed Engineer 等通用名称招聘的占 60.6%，AI／模型／智能体类占 23.5%（第 12 页）。样本最多的是 Salesforce 241 条、Databricks 215 条和埃森哲 197 条，其后是谷歌 158 条、Palantir 121 条；OpenAI 有 67 条，微软只有 32 条（第 36 页）。
微软 Frontier Company 约 6,000 人，招聘样本只有 32 条。样本数反映的是一家公司用 FDE 职名招聘的活跃程度，和团队规模是两回事。报告自己也声明，5,856 是研究观察样本，不等于企业收入、员工总数或全球岗位存量（第 8、35 页），招聘渠道和高度相关的判定规则也没有公开。
FDE中国社区报告的样本小，每个都回到官方职位页核验过。43 个全球岗位样本里，25 个在美国，其次是英国 6 个、日本 3 个（第 47 页）。样本主要来自 Palantir 和 Anthropic 的公开职位，这组地点分布只能说明这两家公司在哪里招人，不能用来判断全球分布。职称标准化后，Forward Deployed AI Engineer 有 13 个，FDSE 有 12 个，Applied AI Architect 有 6 个，其余是基础设施和可靠性等方向的变体（第 48 页）。
Palantir 自己的招聘页也在分化。2026 年 7 月 28 日，Palantir 的 288 个在招职位里有 69 个属于 Forward Deployed 职位族，其中 51 个明确是 FDSE（FDE中国社区报告第 12 页）。在招结构不是员工构成，报告也提醒这个比例不能外推到其他公司。
我的判断是，这些数字能说明 FDE 这个职名在扩散，前面五类公司都在用它招人。这些数字说明不了多少人真在做 FDE 的工作，也说明不了这些岗位交付了什么结果。全球 FDE 报告自己也提醒，团队扩张、融资和招聘增长都是投入信号，不等于客户结果或项目利润（第 42 页）。
全球实践证明了什么，还没证明什么
全球 FDE 报告区分了已经证明和尚未证明的部分（第 44--45 页）。报告认为已经证明的有三点。FDE 可以作为一种责任角色，进入真实客户现场、生产系统和企业组织。前面表里的五类公司，都能围绕这种角色形成产品采用、持续服务或直接交付的价值。岗位名称在分化，四项连续责任仍然可以识别。
报告列出的尚未证明的问题有七项。
- 不同国家和非英语市场的真实分布。
- 大量中小企业能否承担服务成本。
- 长期的单位经济是否成立。
- 项目资产能否跨客户复用。
- 质量和安全怎样治理，责任怎样分配，客户能否避免被供应商锁定并自主运营。
- 咨询和独立服务公司能否避免收入随人数线性增长。
- 平台和模型公司扩大部署时能否维持质量。
CIO.com 在 FIS 那篇报道里还引述一位咨询公司战略官的提醒，前线部署的成本到底由谁承担，是 CIO 该问、却大多没问的问题（范冰的书第 66 页）。Palantir 靠资本厚度和把试点当风险投资来承担这笔成本，其他公司是否具备这两个条件，要逐家看。
腾讯研究院归纳了 Palantir 模式成立的三项条件，三项要同时成立（第 22 页）。第一，FDE 和产品研发之间有高质量的反馈链。第二，客户现场的经验能被平台吸收。第三，平台能力反过来提高下一个客户的交付效率。缺任何一项，FDE 都容易退化成高端咨询。这三项条件正好对应反向传播的三个环节，误差要能传回去，要被吸收，还要让下一次输出变好。腾讯研究院转述麦格鲁的度量原则时举过一个例子，第一个客户要 10 人月，第十个同类客户仍然要 10 人月，模式就没有成立（第 16 页）。
Palantir 是课程资料里唯一有多年财报可以对照这三项条件的公司。2024 年以后组建的 FDE 团队和部署公司，历史大多不到三年，资料里也没有部署公司和 Anthropic 合资公司的经营结果。
全球 FDE 报告由此得出一个我认同的结论。现有的成熟实践主要服务大型客户，依赖较高的客单价、长期驻场和较重的工程投入，不能直接成为中国答案（第 4、44--45 页）。这份报告由两家以 FDE 命名的机构发布，目标是推动 FDE 成为明确职业，引用它的判断时要考虑这个立场。腾讯研究院还列出 Palantir 的四项前提在国内不完全成立的情况，涉及数据基础和投入规模，也涉及客户锁定和人才密度（第 22 页）。中国的具体情况放在第 04 讲《中国的 FDE：先干后认的第一批实践者》。
FDE 实战课连载
下一讲是《02｜为什么模型越强，越需要有人进现场》。模型能力越通用，企业私有的上下文和结果责任越稀缺。几个因果机制说明部署为什么更依赖人。