今年，FDE（Forward Deployed Engineer，前沿部署工程师）突然热了起来。
这个岗位的特别之处，是工程师不再只待在研发团队里，而是直接走到客户现场。找需求、做原型、接系统、跑业务，再根据结果反复调整，很多原本分散在咨询、产品、开发和实施环节里的工作，被汇总在一起。
FDE的走红，和企业AI项目这两年的变化有关。
模型越来越容易获得，开发工具越来越成熟，一个Demo从想法做到跑起来，已经比过去快了很多。但企业真正开始落地时，时间往往花在另外一些地方，而且企业AI项目的成本结构也发生了一些变化。FDE也因此被推到了企业AI交付的一线。
9月12日，PEC 2026 AI创新者大会暨第三届提示工程峰会在北京众智园举行。大会以“Won Token，Won World（赢得Token，赢得世界）”为核心理念，由PEC联盟、至顶科技、软积木、海升集团共同主办，AIGCLink、LangGPT社区、爱智岛（AI·DAO）人工智能创作联盟、硅创联、AI原点社区、海升睿达等联合主办。
在PEC 2026 AI创新者大会“AI转型——FDE边界与第一推动力”圆桌，从FDE是什么，一直讨论到了企业AI项目里最贵、最难复制的部分究竟还剩什么。
开发快了，需求反而更难找了
邮储银行潘淳创新工作室（总行级）负责人、中国OPC创业者联盟（硅创联）发起人潘淳对此有一个很直观的感受。他提到，过去的软件项目里，“可能90%的精力在一个产品的开发”，到了现在，“可能90%的精力在整个业务的发现和服务”。
企业业务部门找到技术团队时，提出的要求有时只有一句：“这个场景能不能用AI给我实现一下？”但要让这句话变成一个项目，中间还有很多事情要补齐。到底是哪一个环节出了问题，现在由谁来做，数据从哪里来，系统之间如何连接，模型介入之后可以省下多少时间或者改变什么流程，都需要再往下问。
潘淳把FDE的工作拆成几个环节：先到现场发现需求，再通过原型验证，最后完成交付。其中，他尤其强调交付对象已经发生了变化，“不是以前的交付产品，是交付结果”。
软件上线，以往可以作为一个明确的项目节点。AI项目却很难停在这里。系统有没有进入实际工作流程，业务人员愿不愿意用，最后带来了多少变化，都会继续影响项目往下走。
“我们现在缺的是能够把AI做成一个交付结果能力的那个人。”潘淳说。FDE进入现场之后，还要了解企业的数据、系统接口和行业本身，再把这些东西接到一个可以运行的方案里。
达智汇科技服务（苏州）有限公司总经理赵丽娜在制造业项目里也遇到了类似情况。她认为，现在很多AI项目正在把过去分开的工作重新合到一起，咨询不能只负责规划，实施团队也不能等着拿需求文档；懂技术的人要往业务里走，业务人员的经验也需要被重新整理成技术可以处理的内容。
“现在最大的问题出现在业务讲不清楚他的需求，业务无法定义他的需求。”赵丽娜说。她因此把FDE称为“业务场景的翻译官”，既要拆解业务需求，还要继续往下做架构设计。
这种“翻译”并不只是换一种语言表达。客户说效率低，要继续找到究竟是哪一个岗位、哪一个动作出了问题；客户说想上AI，也要先判断这个环节是否值得做，以及模型能做到什么程度。
“谁能够对一个业务的未来场景具备定义的能力，并且可以实现它，这件事情是对FDE工程师很大的一个挑战。”赵丽娜说。
在她看来，FDE有些像“AI新时代下的一个新型项目经理”。 但和传统项目经理相比，这个角色已经不能只盯着进度、预算和验收节点，还要参与需求判断、架构设计和实际交付。
“现在最大的问题出现在业务讲不清楚他的需求，业务无法定义他的需求。”赵丽娜说。所以她把FDE形容成一个“业务场景的翻译官”。
这个翻译不是把业务语言换成技术语言这么简单。“谁能够对一个业务的未来场景具备定义的能力，并且可以实现它，这件事情是对FDE工程师很大的一个挑战。”赵丽娜说。甚至要把FDE看成“AI新时代下的一个新型项目经理”。
新模型进来，老系统还在那里
很多企业已经运行了十几年甚至更长时间的ERP、CRM、数据库和行业软件，不会因为新的模型出现而消失。AI想进入业务，最后还是要和这些系统发生关系。
东软集团产品创新与软件资产管理部架构治理中心主任兰天谈到，东软本身积累了大量软件资产，客户也是如此，因此他们面对的往往不是重新做一套系统，而是怎样让智能体与已有软件一起工作。
“我们有很多现有的软件资产，我们的客户也同样有这样的资产，我们更希望能够把这些智能体跟已有的资产混合，打造出非常流畅的业务流程，或者更好的价值流。”兰天说。
他举了一个医院里的场景。医生可以直接告诉智能体，把患者的片子调出来、把病历找出来，甚至进一步辅助诊断。对医生来说，交互可能只是一句话，但系统在后面还要准确找到患者信息、影像和病历，再调用医院原有的业务功能。
这样的使用方式也会反过来改造原来的软件。兰天把这类工作叫作“AI Ready”，前端要逐步适应对话式交互，后端服务的接口方式也需要调整。
“未来的改造方向，我想是声明式API。”兰天说，声明式API的本质，其实就是用特定领域语言这种文本，来表达业务的需求，这样它更有利于跟我们的AI进行结合。
网易智企首席解决方案架构师周梁伟则从企业部署路径谈到了这个问题。前几年，一些企业先在本地布置算力、部署开源模型，之后Coding场景率先用起来，再进一步进入通用办公。但到了ERP、CRM以及具体业务流程，情况就复杂得多。
“哪怕是相同的一个行业，你的ERP流程、CRM流程，其实每家企业的流程都有很大的差异性，它要的是定制性。”周梁伟说。
相同的销售、采购、客服流程，放到不同公司，岗位分工、审批规则、数据结构都可能不同。一套通用模型可以服务很多企业，进入具体业务时却很难照搬。
周梁伟认为，一部分难度在客户现场，客户讲不清楚的问题，FDE能不能诱发客户去讲出他真实的业务痛，再把这些业务的痛通过AI的方式把原型做出来，得到客户的反馈，再不断地去迭代。
企业把模型部署好，只是有了可以使用的技术能力。要让这项能力进入某一个岗位、接管一个动作，再和上下游系统连起来，后面仍然有很长的一段实施工作。
项目越来越多，人不能跟着一直加
FDE进入业务越深，项目的定制化程度往往也越高。对客户来说，这有助于把问题做得更细，但对提供服务的一方来说，却会很快碰到人效问题。
如果每增加一家客户，都要重新派一批经验丰富的人进入现场，从头了解业务、拆流程、做原型、调模型，收入增长的同时，人力投入也只能跟着增加。软件行业过去做大型定制项目时，长期面对的就是类似问题。
“他必须再往前一点，我得先理解模型的能力是什么、你的业务情况是什么，才能决定说，基于这样的一个能力，怎么让模型在你的业务场景能发挥出来。”莫欣说。
人的工作往前移了，一些重复的工程环节则可以继续进入工具。莫欣所在团队从2023年开始做相关开发框架，今年又把部分模型开发和业务适配工作沉淀成Skills，并通过框架处理结构化输出、MCP连接、流式输出、错误重试、模型配置等基础工作。
模型和业务系统连接时，这些问题并不显眼，却直接影响系统能不能稳定运行。人在聊天框里看到一段自然语言回答，觉得意思对了就可以。下游系统要继续执行，就需要明确、稳定的结构化结果。
“我们先通过框架级的方案，先把这些整个结构化输出，这是最基础的。”莫欣说，在此基础上再用业务的方式来去简化，让它能够跟FDE这边直接的业务融合。
随着项目数量增加，客户现场积累下来的经验能不能留下来，也会直接影响下一次交付。一个团队能同时覆盖多少客户，前一个项目的工具和方法有多少可以继续使用，都会落到服务公司的人员投入和交付效率上。
莫欣认为，FDE不会“永远单打独斗”，除了个人能力继续成长，还要考虑和其他成员如何协同，以及如何去更好地留存，在整个项目的实施过程中间、推进过程中间的很多团队级的资产、项目级的资产。
如果每一个项目都从头做起，FDE和过去重人力的定制软件很难拉开太大距离。只有项目经验能留下来，后面的项目才有可能少走一些重复的路。
有些工作，本来就很难复制
爱智岛（AI·DAO）人工智能创作联盟联合创始人野了所在的创意行业，提供了另一种情况。数字艺术项目里的客户Brief、品牌诉求和视觉风格经常变化，高端创作还依赖创作者自己的审美、文化理解和表达方式。
“创作本身是一个非标准化的东西，它每次都是不同的。”野了说，有一些很要求很高的创作，它需要人的很高的一些审美，需要人的对社会、对文化的一些洞察，包括一些很自己独特的一些视觉语言。
这些工作很难像企业流程一样，被拆成固定步骤之后反复使用。但在电商、AI短剧、AI漫剧等领域，固定环节和重复工作更多，情况又有所不同。野了提到，这些领域可能会有一些固定的流程，会需要有一些重复工作，这部分就更适合与FDE结合。
FDE适合做到什么程度，最后还是要回到具体业务。做过一次以后可以留下的东西越多，后续复制的空间也越大。那些高度依赖个人判断和临场创造的工作，则很难依靠一套固定方法解决。
过去两年，企业谈AI时更多围绕模型、算力和部署展开。项目真正做起来之后，需求怎么定义、旧系统怎么连接、业务流程怎么调整、投入之后有没有效果，这些问题开始占据越来越多时间。
FDE就在这些问题之间出现。
它当然可以被包装成一个新的职位，也可以列出一长串能力要求，但从企业经营的角度看，更值得关注的是另一件事：一个FDE团队做完第一个客户以后，第二个客户能不能少花一点力气。
FDE能不能走出传统定制软件的老路，最后看的就是这些东西能留下多少。
