AI 公司为什么需要 FDE
2023 年后,几乎所有头部 AI 公司都设立了 FDE 团队:Anthropic、OpenAI、Cohere、Mistral、Hugging Face、Scale AI,以及大量 AI 基础设施公司。原因很简单——LLM 的”最后一公里”比模型本身难。
客户买 LLM API 通常不是难点,难的是:
- 怎么把 LLM 接进他们现有的工作流(ERP、客服系统、研发平台)。
- 怎么让 LLM 的准确率从 60% 提到 90%(微调、prompt engineering、evals)。
- 怎么控制 LLM 的成本(月费从 1 万美元涨到 100 万美元,没人审批)。
- 怎么让 LLM 在客户的合规框架里跑(数据不出域、审计、可解释)。
这些问题没有标准答案,需要工程师驻场才能解决。FDE 是 AI 公司把”软件销售”变成”解决方案销售”的桥梁。
Anthropic 的 FDE 模式
Anthropic 的 FDE 团队成立于 2023 年底,目前约 60 人,占公司总人数约 10%。几个特点:
- 客户导向:Anthropic FDE 的客户包括 Deloitte、SK Telecom、Cloudflare、NBX 等。每个 FDE 团队 2-4 人驻场一个客户,周期 6-12 个月。
- 技术深度高:Anthropic FDE 要懂 Claude 的 tool use、computer use、prompt caching、context engineering。入职培训 8 周,考核通过才能上手。
- 双线汇报:FDE 既向 Anthropic 的工程 VP 汇报,又向客户的业务负责人汇报。这种矩阵结构让 FDE 能平衡两边需求。
- 反哺产品:Anthropic FDE 每周写”客户洞察报告”——什么功能客户用得多、什么场景还在 PoC、什么 bug 影响业务。这些反馈直接进 Claude 产品 roadmap。
典型案例:Claude Code 在企业内的推广。Anthropic FDE 团队在多家客户驻场,帮客户把 Claude Code 接进代码审查、自动化测试、文档生成等场景,平均让客户的代码产出提升 30%。
OpenAI 的 FDE 模式
OpenAI 的 FDE 团队相对低调,但规模比 Anthropic 大。2024 年起 OpenAI 招聘大量”Forward Deployed Engineer”,主要面向企业客户(GPT 订阅客单价 10 万美元起)。
- 重点场景:金融、制药、法律。OpenAI FDE 在摩根大通、辉瑞、Casetext 等客户的 RAG 系统里驻场。
- 工具栈:Assistants API、Function Calling、Structured Outputs、Batch API。FDE 帮客户选合适的 API 组合。
- 合规优先:OpenAI FDE 在金融客户场景花大量时间做合规——SOC 2、HIPAA、GDPR、企业 SSO 是标配。
OpenAI FDE 的特点是”客户行业深”:很多 FDE 是从金融/制药行业转过来的工程师,懂业务再学 AI,而不是从 AI 公司出去再学行业。
Scale AI 的 FDE 模式
Scale AI 的 FDE 团队是另一种形态。Scale 本身是数据标注公司,FDE 主要工作是帮客户做数据 pipeline 和评估:
- 数据工程:客户拿来一堆原始数据,FDE 帮他们设计标注流程、构建评估集、跑 fine-tuning 循环。
- 评估体系:Scale FDE 给客户搭评估平台,定期跑模型质量 benchmark。这是大多数客户自己不会做的。
- 行业模板:Scale 在自动驾驶、医疗影像、零售客服等场景有现成的数据模板,FDE 直接套用。
Scale 的 FDE 更偏”数据 + 评估”,Anthropic/OpenAI 的 FDE 更偏”应用 + 集成”,Cohere 的 FDE 更偏”模型 + 微调”。同样是 FDE,工作内容可以差很多。
三家公司的 FDE 招聘差异
- Anthropic:偏好有过 AI 产品经验的全栈工程师,面试重”客户场景题”。
- OpenAI:偏好有过企业 SaaS 销售/实施经验的工程师,面试重”商业案例题”。
- Scale:偏好数据工程师和 ML 工程师,面试重”数据 pipeline 设计”。
同样 title,JD 差异巨大。准备面试前必须看清公司偏哪一类。
AI FDE 的”时代红利”
AI FDE 比传统 Palantir FDE 有两个额外优势:
- 周期更短:AI 项目 3-6 个月就能见到价值,客户付费意愿强,FDE 能在更短时间内证明自己。
- 可量化影响:AI 项目的效果容易量化——客服效率提升 40%、代码生成率提升 30%,FDE 的工作更容易被认可。
反过来,风险是 AI 模型迭代太快,FDE 在客户现场写的集成代码可能 6 个月后就过时了,要持续跟进新模型新 API。这是 AI FDE 比传统 FDE 多出的工作量。
对国内 AI 公司的启示
中国 AI 公司 2024 年后开始大量招聘 FDE。字节、阿里、智谱、月之暗面、深度求索都有 FDE 团队,但模式还在摸索:
- 字节:FDE 团队最大(估计 200+ 人),主要服务抖音、TikTok 内部业务 + ToB 客户(飞书、抖音电商)。
- 阿里:通义实验室 FDE 主要服务阿里云 ToB 客户(金融、政务)。
- 智谱:FDE 团队约 30 人,聚焦金融和教育行业。
- 月之暗面:FDE 团队小(约 10 人),但工程师素质高,服务头部 C 端和 B 端客户。
国内 AI FDE 的特点是”客户场景更复杂”(数据割裂严重、合规要求高、政企客户多),FDE 的”软技能”比海外更重要。如果你想在国内做 AI FDE,准备好处理”数据在哪个部门都不知道””领导一句话推翻半年方案”这类问题。
