FDE是大模型改造世界的最后一公里

FDE（Forward Deployed Engineer，前线部署工程师）是2025到2026年增长最快的技术岗位。招聘量一年暴涨了700%以上。OpenAI、Anthropic、Palantir、Databricks都在大量招人。a16z称它为"创业公司最火的职位"。

围绕这个岗位的讨论很多：薪资多少、技能要求是什么、适合什么背景的人转型。但很少有人问一个更根本的问题。

大模型已经这么强了，为什么反而需要把工程师派到客户现场去？

模型能力不够的时候需要人去补，这好理解。但模型能力越来越强了，按理说需要人介入的环节应该越来越少才对。为什么现实恰好相反？

表面答案：95%的AI试点失败了

MIT的研究发现，95%的企业AI试点没有产生可衡量的回报。原因不是模型不够强，而是落地环节出了问题。

这是行业共识层面的解释。但"落地难"三个字太笼统了，到底难在哪里？

常见的归因是：对接遗留系统复杂、合规要求多、安全权限配置繁琐。听起来有道理，但仔细想想，这些都是规则清晰、流程确定的技术任务，不需要人做判断。AI agent已经越来越能自动执行这类操作了。

如果FDE做的只是这些，那这个岗位的生命周期不会太长，很快就会被自动化工具取代。

但现实是FDE的需求在加速增长。说明真正的难点不在这里。

真正的瓶颈：上下文提取

一个做了40多个FDE项目的从业者说了一句很精辟的话：写代码现在是最容易的部分，代码之前的上下文提取才是真正的瓶颈。

什么是上下文提取？

就是从客户那里搞清楚"事情实际上是怎么运转的"。

每家企业都有SOP、流程图、系统文档。但这些文档描述的是"工作应该怎么做"，不是工作实际上怎么做。真正让业务运转起来的，往往是那些从未被写进任何文档的东西：某个环节约定俗成的变通方法，老员工凭经验就能做出的判断，"大家都知道但没人觉得需要写下来"的操作习惯。

FDE要做的，就是从业务专家那里一点一点地把这些东西挖出来，搞清楚它们的逻辑，然后把它们变成技术方案能理解和执行的结构。

这就是隐性知识的显性化。

而这件事，AI做不了。

为什么AI做不了

大模型的能力来自公开语料。公开语料里能找到的知识，模型已经学会了。但每个行业之所以还需要专业人士存在，恰恰是因为支撑行业运转的核心知识从来没有变成过公开文本。

这不是"还没来得及公开"的问题。而是有结构性的原因让它无法公开。

有的知识，专家自己都表达不出来。二十年经验形成的直觉，让他在看到一组数据时三秒钟就感觉"不对劲"，但你让他解释为什么不对劲，他可能说不清楚，甚至意识不到自己的判断依据是什么。

有的知识，表达出来对专家没好处。那是他的核心竞争力，也是他不可替代的原因。

有的知识，写出来别人也用不上。它高度依赖特定的业务上下文，脱离了具体场景就变成了一堆无法理解的碎片。

能公开的早就公开了。剩下的这些，才是每个行业真正的壁垒。

所以大模型面对任何一个具体行业时，就像一个极其聪明但完全没有行业经验的新人。通用能力已经很强了，但它缺的不是智力，而是那些只有身处其中的人才掌握的上下文。

它需要有人把行业的私有知识"喂"给它。而这个"喂"的过程，只能靠人跟人的深度交流来完成。

FDE是大模型渗透行业的接口

把逻辑链条串起来：

大模型想深入一个行业，必须获得这个行业的私有知识。这些知识锁在专家脑子里，无法通过爬取公开数据获得，也无法通过模型自己推理出来。必须有人嵌入到行业内部，跟专家面对面地工作，一点点地把隐性知识提取出来，翻译成大模型能理解和消化的结构。

FDE就是这个接口。

没有这个接口，大模型的能力就永远停留在通用层面，进不了任何一个具体行业的深水区。

这就是为什么大模型越强，FDE的需求反而越大。不是模型不够用，恰恰是因为模型越强，企业越想把它用到深处，就越发现"最后一公里"全是私有知识的提取问题。

Palantir的CTO说过一句很精准的话：FDE的工作就是"吸收痛苦，输出产品"。翻译成我们讨论的语言就是：把真实世界的复杂性压缩成产品可以吸收的东西，逐步缩小"需要人来处理"和"产品自己能搞定"之间的差距。

一个值得思考的悖论

如果FDE做得足够好，每提取一层知识，大模型就多渗透一层。行业专家的一部分经验被模型吸收了，那部分工作就不再需要人了。

这是不是意味着每个行业最终都会被大模型"通关"？

可能不会。

因为专家的知识中有一部分是可以被提取和结构化的，这部分确实会被大模型逐步吸收。但还有一部分，连专家自己都说不清楚。它内化成了直觉，从过程到结果的映射中发生了不可逆的信息丢失。成品中不包含还原它所需的全部信息。这部分知识无论怎么提取，都提取不完。

所以更可能的图景是：每个行业都会被大模型渗透得越来越深，但永远无法100%通关。FDE能把边界不断往前推，但这条边界是渐近线，不是终点线。每推进一步，剩下的部分就更难、更隐性、更依赖人的判断。

最后一公里，也是最长的一公里

大模型已经走完了从零到九十的路程。通用知识的吞并基本完成了。

但从九十到一百这最后一段，才是真正改造世界的关键。

这段路的难度不是技术问题，而是知识提取问题。它需要有人深入到每一个行业、每一家企业、每一个具体场景中，把那些从未被说出来的东西挖出来，变成大模型能消化的结构。

FDE这个岗位的爆发，说明行业已经意识到了这个瓶颈。大模型改造世界不是靠模型自己完成的，而是靠这些深入前线的人，一个行业一个行业地打通最后一公里。

只不过，这个"最后一公里"，可能是最长的一公里。

我建了一个AI学习研究群，目前几十来人，都是在真正动手搞AI的人。如果你也在自己跑模型、写代码、做项目，欢迎点赞关注转发一键三连，然后加我微信，备注写清"你在做的AI方向"，聊得来的话我拉你进群。纯围观的和小白就不加了，有一定门槛。