独家解读丨日薪高达17万：华尔街为何疯抢「AI落地官」？

“狂招FDE岗，硅谷AI巨头们在怕什么？”

作者丨徐晓飞

编辑丨麦广炜

“大模型落地的真相正在被揭开。”硅谷AI投资基金合伙人Jerry Lu对雷峰网坦言。他的这一感慨，源于近日两则看似不相关、但在硅谷AI圈引发热议的新闻。

一则是华尔街天价账单：两位AI咨询师的日薪高达2.5万美元（折合人民币约17万元），且客户预约已排到两个月后。

另一则是科技巨头Meta被曝组建“Enterprise Solutions”新部门，计划向大客户派驻工程师，提供定制化AI服务。

在Jerry看来，两则看似不相干的新闻，其实反映的是同一件事：在进入企业时，大模型从API到业务逻辑之间，仍存鸿沟。

天价账单买的，正是能够消除这条鸿沟的“短缺溢价”。

事实上，这几乎成了近期硅谷AI圈最热门的一件事。

谷歌、OpenAI、Anthropic等巨头不仅大量设立FDE（前线部署工程师）岗位，甚至不惜成立专门的子公司或合资公司，并大手笔收购，来快速补充FDE人员。

而国内AI云大厂们，近期也在“疯狂抢人”，某大厂甚至直接从外部挖来一位副总裁级别高管，负责FDE相关团队工作。更多内幕详情，可添加作者微信xf123a了解。

天价日薪、巨头抢人、资本并购……这些华尔街金融巨鳄和AI科技巨头们，究竟在焦虑什么？

01

天价日薪背后，藏着什么套利窗口？

2.5万美金，折合人民币约17万元。即便在华尔街，这个数字也足以令人咋舌。

而这仅仅是两位AI顾问Felipe Sinisterra和Dave Wang一天的工资。

这两人都是前对冲基金交易员。去年，他们创办了一家专门教华尔街精英们如何使用AI的公司，目前日服务费已经飙升到2.5万美金，金融机构客户接踵而来。

他们在教什么？为什么这么贵？

一些参加过的基金经理们回忆，他们会教授如何利用Gemini分析创业者的路演视频，用ChatGPT和Claude，对财报电话会进行情绪分析，找出能左右市场走势的关键言论。

“一天2.5万美元，表面看是AI培训很贵，实则反映的是金融机构的焦虑：工具已经买了，但不会用到核心业务里。”前AWS首席架构师费良宏告诉雷峰网。

“用AI分析路演视频、财报电话会情绪，这些不是简单‘提问技巧’，而是把AI，真正嵌入到投资研究、风险判断和交易决策流程里。企业现在最缺的是能把AI变成业务结果的人。”

“本质上是FOMO情绪，很多传统企业不是长期泡在硅谷AI圈里，所以他们面对AI大模型的冲击，会有一种震惊、焦虑与迷茫混杂的情绪——他们被AI效果震惊到了，但却看不太懂，也不太会用。”观测云CEO蒋烁淼表示。

一家总部位于深圳的商业银行的技术高管告诉雷峰网，作为技术落地的“顶级金主”，金融机构往往最有钱、也最有动机去尝试新技术，因此也最舍得花大价钱请“外援”。

因为AI技术迭代的速度太快了，快到这些公司们有点跟不上了。而这正是AI咨询师Dave和Felipe抓住的套利窗口。

这个窗口有多大？看看这些排着长队、焦虑不堪的华尔街巨头们就知道了。

02

华尔街为什么自己搞不定AI？

华尔街的金融机构不缺钱、不缺数据、更不缺应用场景，唯独缺“用好AI”的能力。

这并非孤例，而是绝大多数企业在AI落地时遭遇的“系统性困境”。

“不能只看科技巨头。目前大多数企业对AI的使用仍然偏浅，还停留在会议纪要、PPT以及写一部分代码上。”费良宏解释道。

“但真正难而重要的，是让AI进入企业内部数据、业务系统和决策流程。”

在他看来，很多AI项目不是败在AI能力上，而是败在企业自己的数据、流程和组织协同上。

“企业在AI上‘用不好、用不深’，有四大核心原因：数据分散，流程没有重构，缺少既懂业务又懂AI的人，以及组织内部没有形成明确的责任和ROI机制。”更多其他见解，欢迎添加作者微信xf123a探讨。

比如最核心的流程重构问题。

不同于C端业务的标准化，B端企业业务往往复杂得像一团乱麻。

比如深圳一家跨境电商曾尝试用 Agent 替代人工处理大促退换货。理论上，当 Agent 监控到批量退货，能自动联动仓库，及时调整库存，帮企业规避损失。

当时他们的想法是：“放权给 Agent 行不行？”

但跑了一套流程下来发现，现有供应链流程是给“人”设计的，Agent用不了。

让 Agent 跑老流程意味着：AI 算出了方案，但按照传统内控流程，它得先发给客服主管，主管登录内网点击确认，再上报仓储经理扫码二次授权，最后还要靠人类员工把两边对不上的商品编码，手动复制粘贴到物流系统里。

新车跑在旧铁轨上，Agent 的优势基本无从发挥。

“AI工具和原有的业务系统之间的融合和打通，目前还不够充分，以至于AI落地过程中水土不服，这也是企业和服务商们接下来要重点解决的问题。”达观数据CEO陈运文补充道。

而隐藏在流程背后的还有一个更大的“疙瘩”：数据碎片化问题。

以银行场景为例，一家银行的客户数据，可能分布在CRM、邮件系统、交易系统、合规系统等四五个相互隔离的平台。

AI要想跑通一个“客户风险评估”的自动化流程，先得打通这4到5个数据孤岛。打通一个，通常需要几周的数据清洗和接口开发。全部打通，则要按月计算。

正如陈运文所言：“企业用不好AI，核心是企业的数据基础设施薄弱，历史数据负债太多。很多企业的数据清理、规则梳理、数据碎片化等老问题，在AI时代暴露得更加充分了，限制了AI应用的深入。”

企业数据“横七竖八”，孤岛林立，再厉害的AI模型进来，也难免迷路，以至于模型不认识你的业务，更进不去你的系统。

此外，面对AI这种日新月异的新技术，不少公司缺少既懂业务又懂AI的人。

“眼下，不少企业都缺少既懂先进AI系统、又精通业务的‘双栖人才’。”陈运文告诉雷峰网，AI人才代表的是一套全新的技能组合，如模型评估、流程重塑、提示词工程、数据权限管理和幻觉控制等，但这类人才在企业原有的传统人才库里几乎是空白。

就像20年前企业买完SAP系统后，还需要顾问团队花半年时间进行实施才能投入使用，技术落地的“最后一公里”还需要工程实施来补足。

“大模型技术只是第一步，后续长周期的应用落地，比如模型的选型、人员的培训，都是用好AI并让它在业务中真正沉淀下来的关键。”蒋烁淼补充道。

而在这种“不会用”的尴尬摸索中，企业内部正面临空前的“价值焦虑”。

此前，Uber COO Andrew Macdonald 在科技会议上直言，AI支出的管控“越来越难合理化”，因为看不见投入与生产力之间的直接关系。Uber 的算力与 Token 消耗指数级增长，在短短四个月内就烧光了整个年度的AI预算，但用户感知到的功能改进却微乎其微。

这种“高投入、低产出”的骨感现实，正在全行业引发巨大的争议。大模型泡沫论的旗手 Gary Marcus 随即发文警告：“如果足够多的公司都出现同类情况，泡沫就会破裂。”

一面是极度渴望用AI降本增效，另一面是旧系统的重重围剿与高昂的Token账单，这种残酷的倒逼机制，最终把压力给到了大模型厂商这一端。

03

AI巨头们想出的解法：用FDE填平鸿沟

客户的AI焦虑，大模型公司们知道吗？

答案是肯定的。否则它们也不会疯狂招聘FDE（Forward Deployed Engineer，前线部署工程师）。

最近，一场围绕 FDE的争夺战在硅谷打得火热。

谷歌为了加大 FDE 的招聘，将面试流程压缩到短短两天；OpenAI 宣布成立估值高达140亿美元的“OpenAI Deployment Company”，专门下沉做企业级AI落地，并闪电收购了拥有150名 FDE 的英国公司 Tomoro。

同时，Anthropic 联手黑石、高盛组建独立AI服务公司，把Claude接入“各行各业中型企业”的关键业务流；Meta 组建 Enterprise Solutions 部门，派驻工程师帮客户清洗数据并直接将AI工具嵌入其工作流。

巨头们终于不得不承认一个现实：光靠卖 API 躺赚的美梦结束了。

“FDE岗位的火爆，正是因为科技巨头们发现：仅仅卖API和AI模型还不够，客户需要有人帮他们把AI真正跑起来。”前AWS首席架构师费良宏解释道。

在他看来，Meta组建Enterprise Solutions部门，向大客户派驻工程师，本质上就是把AI公司从“产品供应商”变成“落地服务商”。关于国内FDE岗位最新情况，可添加作者微信xf123a交流。

FDE的价值，不只是写代码，而是深入客户现场，理解业务流程，打通数据系统，快速做出可用方案，并把PoC推到生产环境。

“企业AI落地的核心矛盾已经变了。过去大家比的是谁的AI模型更强；接下来比的是谁能更快把模型变成客户的效率、收入和利润。真正稀缺的不是AI工具，而是“业务理解 + 工程实现 + 组织推动”三种能力合一的那种人。”他强调道。

达观数据CEO陈运文同样认为，FDE 爆火意味着 AI 竞赛正式进入下半场——从卷模型转向了拼落地。

“FDE 的核心价值就是充当技术与业务之间的‘翻译官’，他们既懂 AI 能力又懂业务场景，能把产品进化驱动的闭环真正跑通。这实际上是思维方式的转变，从技术思维走向业务价值思维，也是 AI 走向落地的关键一步。”

04

天价日薪，是产业重塑的阵痛

回到最初的问题：2.5万美金日薪是泡沫信号，还是产业必经的阵痛？

结论很明确：这不是泡沫，而是供给瓶颈的价格信号。

真正的泡沫是什么样的？是虚假需求。

比如1999-2000年互联网泡沫期间，.com公司烧钱的逻辑是“大家都在烧”。但今天的市场不同，企业对于利用 AI 优化流程、提升生产力的需求是真刀真枪的。

当下的尴尬在于：大模型技术能力到位了，但产品落地的最后一公里还没到位。

大模型在基准测试上碾压人类。但它的能力被封装在API里，想要变成企业系统里能丝滑运转的齿轮，中间需要填平无数由旧数据、旧流程组成的深沟。

而填这条沟的人，如Dave Wang、Felipe Sinisterra，以及越来越多的FDE团队，就是当下全球科技市场定价最高、最被渴求的一批人才。

这拨人很贵，这条落地之路很痛苦，但很难绕得开。

本文作者长期追踪海外AI巨头动态、前沿技术和幕后故事，欢迎添加作者微信 xf123a 互通有无。