FDE 没有错，但 AI 时代还需要另一种人：——FDB

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：

FDE

FDB

出发点

技术能力

业务机会

核心问题

如何把AI落地

哪里应该创造AI

优势

工程实现

场景洞察

典型来源

工程师、架构师

产品、行业专家、业务负责人

价值

把方案变成系统

把经验变成能力

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。