FDE 的起源:Palantir 定义的”驻场工程师”
Forward Deployed Engineer(FDE)最早是 Palantir 在 2004-2010 年间摸索出来的角色。当时 Palantir 把早期产品(Gotham、后来的 Foundry)卖给大型政府机构和金融机构,这些客户的数据散落在 20 多个老旧系统里,没人愿意从头搭建数据管道。Palantir 的工程师直接驻场客户 6-18 个月,边做集成边做产品,既解决客户的真实问题,也把通用能力沉淀回平台。
这套”工程师驻场”模式被验证有效后,在 2018-2023 年间被 AI 公司大规模采用。Anthropic、OpenAI、Cohere、Hugging Face 都设有 FDE 团队,字节跳动、阿里、智谱、月之暗面等中国公司 2023 年后也陆续设立类似岗位。
FDE 的核心定位
FDE 的本质是”嵌在客户业务里的工程团队”。和 Solutions Engineer(SE)的关键区别在于所有权:
- SE:售前支持 + 解决方案设计 + Demo。客户购买后,实施交给客户自己的工程团队或专业服务团队。
- FDE:从客户购买到上线的 6-18 个月里,FDE 既是方案设计者也是实施者,要写出能在客户生产环境跑起来的代码。
这是质变,不是量变。SE 不需要懂客户的部署流水线、不需要写生产级代码、不需要半夜被 oncall。FDE 全都要。
FDE 在做什么
典型工作内容按时间分配大致是:
- 40% 客户侧集成:把客户的数据系统(SAP、Salesforce、自研 MES)接入 AI 平台,处理脏数据、对接遗留 API、调通权限链路。
- 30% 产品原型:基于客户的真实场景快速搭 MVP,通常 2-4 周一个迭代,把”AI 在这个场景能不能用”的问号变成”已经用了”。
- 20% 跨团队沟通:和客户的业务方、IT、合规、数据团队同时对话,把”业务目标”翻译成”技术方案”,再把”技术约束”翻译回”业务取舍”。
- 10% 反哺产品:把在客户身上学到的共性需求带回去,推动核心产品迭代。
什么样的公司需要 FDE
不是所有 AI 公司都需要 FDE。三类公司最依赖:
- 卖”重”产品的公司:产品不能开箱即用,要深度定制(Foxconn 的 MES 改造、银行的反洗钱模型),客户无法自己实施。
- 卖”复杂产品”的公司:技术门槛高,客户工程师不会用(早期的 LLM 微调、现在的 RAG 平台、决策智能平台)。
- 卖”高单价产品”的公司:客单价 100 万美元起,客户要看到”你派人在我这里”才会买单。
反过来,卖 SaaS 订阅(1000-10000 美元/月)、产品相对标准化、客户自助化的公司,FDE 反而是负担——成本太高,客户用不起。
FDE 在国内外的差异
海外 FDE 多在金融、制药、能源等大客户场景,工作语言是英语,文化上要求”主动 push back 客户的不合理需求”。国内 FDE 多在制造业、政务、金融场景,要面对”数据在哪个部门都不知道””领导一句话推翻半年的方案”这类非技术问题,情商比代码能力更重要。
谁适合做 FDE
三类人最适合 FDE:
- 不想一辈子写代码的工程师:对纯技术深度没执念,喜欢看到自己的工作产生商业影响。
- 喜欢和人打交道的工程师:内向但愿意和客户对话,能快速建立信任。
- 愿意接受”不完美工作方式”的工程师:客户现场没有”代码 review”、”单元测试”、”CI/CD”那种秩序,要适应混乱。
反过来,三类人不适合 FDE:
- 对代码质量有洁癖的人(FDE 写的代码 80% 会被客户扔掉)。
- 无法接受频繁出差的人(FDE 平均出差 30-50%)。
- 追求”专业纵深”的人(FDE 的知识广而不深,长期不被认可为”专家”)。
FDE 的常见误区
- 以为 FDE 是”高级销售”:FDE 是工程师,不是销售。把 FDE 当销售用,会让团队快速离职。
- 以为 FDE 不需要技术深度:FDE 的技术广度比深度重要,但深度不够会被客户技术团队鄙视。
- 以为 FDE 是”短期岗位”:成熟的 FDE 是终身职业,可以一直做到退休。短期岗是把 FDE 当过渡角色用,通常留不住人。
- 以为 FDE 不需要懂业务:FDE 必须懂客户业务,不懂业务的 FDE 只能做执行,做不了方案设计。
下一篇文章会拆解 FDE、SE、SA、Sales Engineer、Customer Engineer 这些容易混淆的角色。
