今年以来，全球科技公司已宣布裁员近 20 万人。与此同时，有一个 AI 岗位的招聘需求却在爆发：美国的招聘广告三年涨了 30 多倍，薪资中位数约 19.5 万美元；国内相关职位的发布量一年涨了 21 倍。
OpenAI、Anthropic、微软、亚马逊、谷歌，几家巨头前后砸下近百亿美元，有的开新公司，有的建新部门，抢的都是这类人才。最反常识的是：这个岗位最稀缺的本事，恰恰不是写代码。
Anthropic：培养 1 万个“把 AI 送进企业的人”10 月 2 日，Claude 的开发商 Anthropic 宣布投入 1 亿美元成立“Claude 前沿学院”（Claude Frontier Academy），目标是在 2027 年底前培养 1 万名“前沿部署工程师”。
首批学员是从合作伙伴中选出的在职工程师，来自埃森哲、摩根士丹利、诺和诺德和几家顶级咨询公司。培训分两段：先是 4 天线下集训，从一次“模拟企业部署”开始；考核通过后，学员回到自己公司，带一个真实项目做 12 周实战。首批认证预计在 2027 年初完成。
在 Anthropic 看来，企业落地 AI 的瓶颈不在模型，而在于缺少能推动变革的人。负责这个项目的高管 Steve Corfield 说，客户现在缺的，是既懂业务怎么运转、又能亲手把 AI 从一个想法做成上线系统的人。
这只是今年 AI 巨头抢人大战中的最新一例。
砸下百亿美元，巨头们都在抢同一种人才
今年 5 月，OpenAI 成立了专门帮企业落地 AI 的“OpenAI 部署公司”，由 TPG 领投，首轮融资超过 40 亿美元。同月，Anthropic 与黑石、Hellman & Friedman、高盛合资成立了一家 AI 服务公司，各方初始投资约 15 亿美元。
6 月底到 7 月初，亚马逊 AWS 和微软先后出手：AWS 投入 10 亿美元，组建自己的部署工程团队；微软投入 25 亿美元成立新部门，把约 6000 名工程专家派驻到客户企业。9 月，谷歌云和埃森哲成立联合业务部门，计划培训最多 1000 名埃森哲工程师，专门派驻客户现场。
过去这些公司比的是谁的模型更强、参数更大、跑分更高，如今却不约而同地把钱砸向同一个方向：派人进客户公司，把 AI 真正用起来。
这类人才在业内有个统一的叫法：FDE（Forward Deployed Engineer），中文常译作“前沿部署工程师”。
招聘量三年猛涨30倍，大厂开出百万年包熟悉美股的读者，对这个词的源头不会陌生。十多年前，Palantir（帕兰泰尔）就系统化地推行了这种做法：工程师不坐在总部写通用产品，而是常驻客户现场，和客户用同一套数据、扛同一个业务指标，把模糊的需求、分散的数据一点点变成能用的系统。Palantir CEO Alex Karp 有一个被业内反复引用的判断：大模型当然重要，但至少在未来几年，价值在于落地实施。
如今，这套做法正在变成一个热门职业。据劳动力市场分析机构 Lightcast 统计，2023 年全美 FDE 招聘广告不到 200 条，2026 年前九个月已超过 7300 条，三年涨了 30 多倍。广告标出的薪资中位数约 19.5 万美元，是全美招聘广告薪资中位数的三倍多。发布 FDE 广告最多的雇主中，德勤、埃森哲等咨询公司排在谷歌等科技巨头之前。可见 FDE 早已不只是 AI 公司的技术岗，凡是要把 AI 用进业务的地方，都需要这样的人。
配资炒股指南FDE 这股风已经刮到国内。脉脉平台数据显示，2026 年上半年，平台上 FDE 相关职位的发布量同比飙升 21 倍。字节跳动的“豆包 AI 大模型 FDE”年包最高约 105 万元，蚂蚁数科、智谱等也开出了 90 万元以上的年包。但即便开出高薪，合适的人依然难招：猎聘大数据研究院统计，2025 年 9 月至 2026 年 8 月，国内 FDE 人才的供需比只有 0.28，相当于将近 4 个岗位抢 1 个人。
这个缺口还在被政策放大。工信部 8 月底印发通知，鼓励 AI 应用服务商搭建 FDE 团队、扎根用户现场；武汉光谷提出 3 年培育 1000 名 FDE，上海提出要建立超千人规模的 FDE 工程师储备库。企业、服务商、地方政府都在要人，合格的 FDE 远远不够用。
AI 落地难在业务，最缺的恰恰是懂业务的人看到这里，很多人会想：这是年轻程序员的机会，我不写代码，也过了转行的年纪。但不妨看看 Anthropic 怎么描述一个好的 FDE：熟悉 Agent 系统、擅长解决问题、善于沟通、有工程经验。这四条里，有一半在技术之外。
AI 落地最难的部分，本来就不在代码。过去两年，几乎每家企业都买过 AI 产品、做过试点，真正跑进日常业务的却少得多。标普全球的调查显示，放弃大部分 AI 项目的企业，一年内从 17% 涨到了 42%；IDC 和联想 2025 年的报告更直接：88% 的 AI 概念验证项目，最后都没能投入生产。
演示时一切顺利，一进真实业务，就撞上脏数据、老系统、权限审批、员工习惯，还有那个绕不开的问题：出了错谁负责。这也是 FDE 和驻场外包的区别：外包是甲方说什么就做什么；FDE 要先判断这件事该不该用 AI、用哪个模型、花多少钱、怎么证明有效，再动手上线。
所以 FDE 真正值钱的那一半能力，是懂业务。一份合同哪几条要紧，一张报表哪个数字会出事，一个审批流程卡在哪一步，哪件事交给机器会让老板睡不着觉，这些 AI 替代不了，在行业里干了十几、二十年的人反而最清楚。
腾讯云副总裁张渝前不久的一句话，戳中了很多企业的痛处：过去花大价钱请外部团队做项目，"项目做完，团队撤场，能力也跟着带走了"。越来越多企业意识到，与其等外部团队来了又走，不如让自己懂业务的人长出这项能力。
如果你已经在行业里深耕多年，那么你缺的从来不是经验，而是把经验交给 AI 去执行的那一步：知道今天的 AI 能做什么、做不了什么，该怎么搭、要花多少钱、出了错怎么兜底。我们这次的训练营，就是为这一步准备的。
两天走完 AI 落地最后一公里华尔街见闻首期「FDE 实战训练营」将于 11 月 14 日至 15 日在上海开班。这是一个线下实战营，限量 50 席，在两天时间里，带你亲手搭出自己的第一个 AI Agent，走完一遍从选模型、算成本到评测上线的全流程。
先说说 Agent（智能体）是什么。很多人对 AI 的印象还停留在“问一句答一句”的聊天上，但 Agent 不一样：你交给它一件事，它会自己查资料、打开软件、读写文件、交出结果，做错了还能自己返工。巨头们派 FDE 进企业，部署的正是这种技术。
元股证券:ygzq.hk两天训练营共 12 个模块，从模型怎么选、价格怎么算，一直讲到评测、成本优化和安全上线，都是大厂把 AI 做上线时真正在用的方法。主讲讲师 Right 曾任腾讯高级算法工程师，主导过微信核心 AI Agent 项目的算法设计和规模化落地，在 Agent 系统设计、模型训练、Harness 架构方向有深厚积累。他还在 NeurIPS、ACL 等顶级会议发表过多篇 Agent 方向论文，相关工作被 Google DeepMind 引用。
课程适合谁企业主和管理者：想弄清 AI 到底能替公司做哪些事、每件事花多少钱、风险在哪里
金融、法务、财务、运营、咨询等专业人士：手上有大量重复工作，想亲手做一个工具交给 AI
想在 AI 时代给自己多留一项硬技能的人
三十年前，先学会用 Excel 的那批人，在后来的二十年里少熬了无数个夜。
今天巨头们花百亿美元在抢懂业务、又会用 AI 的人，而你已经有了一半。剩下那一半，就在这两天里补齐。
点击海报，锁定早鸟席位
风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。优配网提示：本文来自互联网，不代表本网站观点。
