FDE AI前景如何
粉丝650获赞8329
相关视频
05:29查看AI文稿AI文稿有一个岗位，过去一年招聘量增长了七倍，目前美国硅谷各大模型公司都在抢这个岗位的人。这个岗位叫 f d e。 前沿部署工程师做的事情用一句话概括，带着公司的 ai 产品驻扎到客户现场，搞清楚客户真正需要什么，然后快速构建出一个能跑通业务的方案。 同时，在今年五月初， anthropic 和 open ai 在 同一天分别成立了新的企业服务公司，两家方向不同，投资方不重叠，但核心组织形式用的是同一个模式。一个最早由 palontier 发明的模式， 企业服务加驻场解决 ai 方案落地。乍一听，这不就是驻场工程师吗？或者说，这不就是咨询吗？为什么一个听起来这么传统的角色，突然变成了 ai 行业最抢手的岗位？答案跟 agent 的 时代的一个根本性变化有关，因为 agent 的 时代的 p m f 不 发生在产品里，发生在客户现场。 这句话是什么意思？在萨斯时代， p m f 的 逻辑是，你做一个产品，找到一群有同样需求的用户，产品对所有人都一样。规模化就是复制。你用一种更好的方式替代了一种已有的方式。更好的支付工具替代旧的支付工具，更好的项目管理替代旧的项目管理。 市场边界清晰，用户知道自己要什么。 agent 时代完全不同，没有现成的产品可以替代。构建一个 ai agent 对 不同客户意味着完全不同的事情。 一个银行的 agent 和一个物流公司的 agent， 虽然底层用的是同一个模型，但业务逻辑、数据流程、验收标准完全不同，客户买的不是软件，是一个能干活的 agent。 而能干活的定义，只有到了客户现场才能搞清楚，这就是 fde 存在的理由。 那 f d e 跟传统驻场工程师到底有什么区别？传统驻场工程师做的是实施，把一个已经定义好的产品部署到客户环境里，解决兼容性问题，做数据迁移，培训用户。产品是什么样，已经确定了。驻场工程师不改变产品。 f d e 做的是产品探索，带着一个半成品进厂，在客户现场发现真正的需求，快速构建原型，验证价值，然后把发现反馈给总部的产品团队，做通用化。 f d e 改变产品。 fde 在 客户现场铺的是碎石路，快速粗糙但能跑通总部的产品团队，再把碎石路修成高速公路，通用稳定，能服务接下来十个客户。所以， fde 不是 实施，是探索，不是交付已有的东西，是发现新的东西。 这个模式具体怎么运作？具体有两个团队，其中一个团队叫 echo， 负责找问题，他们是领域专家加客户经理，驻扎在客户现场，跟用户交谈， 找出什么样的用力，对这个场景真正有价值。另一个团队叫 delta， 负责解决问题，他们是快速原型工程师，把 echo 发现的需求在很短时间内变成能跑的软件。 echo 的 理想人选不是销售，是了解现有做法但能看到问题的领域专家。 delta 的 理想人选不是完美主义的工匠，是能在规定时间内交付成果的原型高手，即便代码质量不高。这两个角色加在一起，本质上就是一个创业团队。 palantir 孵化出了三百五十多家科技公司，其中十几家是独角兽。这不是巧合， fde 培训就是创业培训。那为什么不直接做咨询？ fde 和咨询的区别在哪？ 区别在于产品杠杆。咨询是每次从零开始，为每个客户定制一套方案，做完就走。下一个客户来了又从零开始，没有积累，没有复利， fde 带着产品进场，每次定制都在为产品积累能力。第一个客户需要大量工作，第二个客户需要的工作就少一些。 第十个客户可能只需要很少的定制。因为前面九个客户的经验已经被抽象成了产品能力。判断你是在做 f d e 还是在做咨询，有一个简单的标准，随着客户数量增加，你交付同样价值的成本是在下降还是不变？如果在下降，你在做 f d e， 如果不变，你在做咨询。 还有一个关键指标，不是看每个客户的定制化程度是否在下降，而是看合同规模是否在增长。 f d e 模式的预期是你为客户做越来越有价值的工作，所以合同越来越大，定制化程度可以不变，只要你交付的价值在增长。 这跟萨斯的逻辑完全相反，萨斯追求的是降低每个客户的服务成本，保持合同规模不变。 f d e 追求的是提高每个客户的合同规模，保持产品杠杆在增长。最后一个关键洞察， ai 能力的进步速度远超 ai 的 采用速度，模型越来越强，但大部分企业还没搞清楚怎么用。 未来五年可能会出现一个奇怪的局面， ai 能力飞速前进，但现实世界感觉越来越平庸， f d e 的 机会就在这个 gap 里。 ai 能做什么和客户能用上什么之间的鸿沟不会自动消失。它需要人去填补， 需要人到客户现场理解它们的数据流程痛点，然后把通用模型打磨成能跑业务的具体方案。 这跟我之前讲的 harness engineering 是 同一个故事的不同视角。 harness 是 从技术角度讲，怎么让 agent 可靠工作， fde 是 从组织角度讲，怎么让 agent 在 客户那里真正落地，技术和组织缺一不可。 最后说一个类比， open ai 是 本部产品团队，创业公司们是 fde 在 外面想办法让 open ai 研发出来的能力被客户采纳。一句话总结， fde 不是 驻场工程师的翻版，驻场工程师实施已有产品， fde 探索未知需求。 agent 时代需要 fde 是 因为 agent 能做什么？这个问题本身还没有答案，答案只能在客户现场被发现。这是当前 ai 行业最大的商业机会，也是为什么这个岗位一年增长了七倍。
172划水的青蛙
01:31查看AI文稿AI文稿哈喽，最近就是在看很多 ai 相关的一些播客啊，就是每天都会听，就是呃这几位 的一些播客的时长也会很长。我发现就是呃，包括我之前用小龙虾，包括每天都在那个呃让他帮我找一些新闻和一些相关的这种类型推送给我。呃从上个月开始会有一个词出频繁的出现，叫 o p c 对， 就所谓的应酬公司啊，包括像前几天刚刚出现的这个叫哦 f d e 这个岗位的这个薪资，包括呃可以看到很多大厂的这一些简历啊，包括这些要求，包括给的薪资也会很高。我发现一个一个新的东西出来，它会存在这么一个概念，就是 呃有些在行业内的人试图去定义这个东西啊，会存在这么一个概念，就是呃有些在行业内的人去做一些说明，包括在 o p c 之前我们， 嗯所谓的叫超级个体户，是不是啊？所谓的呃一年呃一人公司这样的概念，所以说大家就是在做这个事情的这个路上，慢慢的 a 发现 a 需要这个 东西，这个东西出现的频率比较高，它是一个真需求的成就，短期内是一个真需求的存在，所以会把这个词去描述清楚， a 懂得，就是包括这个 a f f d 的 这个出现啊，包括之前是存在的一些概念，所以就是 在 ai 就 包括呃我们做这个的这个方向的时候，就是 a 自己多去做，多去摸索， a 都是摸着石头过河，慢慢的去， a 只要一直在这个呃这条道路上，一定会追求你所主要的东西，对和做那些东西。
00:41查看AI文稿AI文稿就在昨夜， openai 两年发，一边杀进网络安全，一边下场包办 ai 企业服务培训。硬钢 cloud。 首先是 daybreak， 把最强模型 codex 和安全伙伴打包成一套网络防御全家桶， 它能跨代码库推理，纠出隐蔽漏洞，自动生成补丁并验证修复，还能做威胁建模和依赖风险分析。以前安全团队审代码要几天，现在压缩到几分钟，重点不是出了问题再补锅，而是让软件从设计阶段就具备抗攻击体制。 第二把火， openai 亲自下场做企业 ai 部署和培训服务，成立新公司，拉上高盛、软银等十九家顶级机构。他把最近很火的前线部署工程师直接塞进企业，不是卖 api 就 走人，而是跟业务 leader、 一 线团队一起诊断高价值场景，重构关键流程，搭生产级系统。
92阿博粒
02:28查看AI文稿AI文稿昨天我去了一家电商公司，聊 ai 落地的项目啊，其实就是我之前谈的这个 f、 d、 e， 很多人现在一听 ai， 觉得是风口，是未来，是高科技。但昨天我坐在老板办公室里聊到最后，其实问题只剩下四个字，叫做降本增效。 为什么现在这样企业疯狂的搞 ai？ 我 觉得不是因为老板热爱科技了，而是利润真的越来越薄了，尤其是电商行业 啊，平台酬佣啊，广告费越来越贵，流量越来越卷，然后退货越来越高，税越来越重，工资的员工越来越高，比如在深圳，让我们包括我们公司的这种社保都越来越高。 很多人看起来一一年几个亿的 gmv 大 电商公司，其实老板晚上都睡不着，因为流水很大，利润很薄，然后团队很重。以前电商还能靠着低成本流量加人海运营，但是信息差挣钱，现在什么都没了 啊。所以为什么 ai 开始真正落地，是因为企业真正扛不住了啊，以前老板还能养十几个客服，十几个，十几个运营，数据分析，美工，文案投手 啊，现在很多老板发现一个 ai 人才加上两三个人，就可能干起以前几十个人活。这才是 ai 可怕的地方，他不是替代人， 而是企业已经没有利润继继续这种啊，养这种低效率组织了，未来会更多的一人电商公司，一个人几个 a 阵等呃挂靠供应链自己卖货， 很多老板也是转凭呃转型做产品公司，这样的话，他自己的员工可能变成啊艺人，公司独立核算，然后 ai 客服， ai 运营啊， ai 广告， ai 数据分分析，这样公司越来越小，效率会越来越高。 你会发现其实某种意义上讲，未来最为危险的不是不会 ai 的 人，而是停留在旧组织结构里面的人。因为 ai 时代最先死掉的不是 啊，不是产品，而是中间那层低效率的管理结构。所以现在很多大厂也是说中层领导非常非常啊，非常恐怖啊，低低的低啊，就是底层的员工可以用 ai 给干活，中层领导干嘛呢？难道是传达领导的大领导的旨意吗？不是这样的 啊，其实未来不是越来越容易，我感觉越来越残酷，越来越卷，对于我们这种碳基生物，我感觉以后啊以后会越来越难，以后卷的是人家 ai， 加上整个这种效率系统，看能不能卷死过别人吧，反正未来我感觉还是挺难的。
539一介草民
04:44查看AI文稿AI文稿不写代码，年薪四十万美金起步， openai 和 entropic 抢着要。这不是段子，这是 ai 行业正在批量创造的一个新职业， forward deployed engineer fde， 前沿部署工程师。听起来像高级外包，但 s 六 z 说这是 ai 时代最被低估的岗位。 这个岗位最早是帕兰特尔发明的，他们靠 fde 撬开了美国国防部 cia， 摩根大通把公司干到三千亿美金，核心就一个动作，工程师驻厂，到客户那里 把脏需求翻译成产品。但今天的 ai fde 跟帕兰特尔那批人，已经是两个物种了。传统 fde 干的是 coco 拍赏 e t l 一个项目做三到十二个月，交付一套跑通业务流程的应用。 ai f d 现在干的是 prompt 工程， evo 体系， agent 编排 m c p 接入，百分之七十的时间不再写代码，再写 prompt 和大蚁王级。这个事放三年前是完全不可想象的。更夸张的是节奏， 从前三个月一个交付，现在两到六周一个 p o c 周医疗需求，周三跑 demo， 周五客户试用，下周接着迭代。 而且 ai f、 d、 e 需要的能力变成了一个奇怪的哑铃型，中间那一段写 c r u d 做集成、调 api。 这些以前最值钱的工程能力被 ai 工具直接磨平了，真正稀缺的是两端，上面是模型直觉和 prompt 品味，下面是业务理解和客户沟通。 所以你今天看到的 ai f d、 e 基本就两种人，要么是 ai 原生态年轻迭代快，但工程功底浅，要么是业务老炮懂行业，有客户， 靠 ai 工具补齐工程。最稀缺的是两边都能打的人，工作模式也彻底变了。 factory 发明了一个词叫 joy whispering， 驯化 agent f d e。 现在的核心活， 是把人类那些隐性的工作经验，一句一句翻译成 agent 能听懂的指令，给 agent 这些工作手册设计、校验合约，决定哪些任务串行，哪些并行。 还有一个更狠的变化，叫 evo 驱动开发交付标准，不再是功能能不能跑，而是在客户真实数据上， evo 分 数够不够，每改一次 prompt 跑一遍 evo 看回归 这种活更像是机器学习研究员加产品经理的合体。好，那 fde 冲击了谁？后端工程师 ai fde 加 cursor， 三周做出来的东西比传统团队三个月还贴合。客户，你还在写 cud， 你 就卡在哑铃最脆弱的中间。售前和解决方案架构师， 客户要的是周三跑 demo， 不是 三个月后排期，只会画 ppt 不 会掉 prompt 的 路断了。产品经理 fde 驻场，客户写 prompt， 定义 workflow， 这些以前都是 pm 的 活，不写代码的纯执行型 pm 正在被稀释，咨询公司 ai 公司自带 f d e 直接接触客户，埃森折门正在被绕过。 那不管你现在是工程师、产品经理、售前还是咨询顾问怎么往 f d e 靠，核心就是补齐哑铃的两端上端模型。直觉每天花十五分钟拆一个公开 front， 问自己，他为什么这么写，我会怎么写？把验证过的模式沉淀成自己的爬腾库，再玩通一个 e 窝平台，跑一遍，改 front 跑 e 网路看回归的闭环。这一端，工程师和产品经理都能练，门槛没你想的高。下端业务理解，和客户沟通， 去找一个真客户练手，朋友的公司副业接单，免费帮忙都行。条件只有一个，对方必须是你不熟悉的行业。 如果你本来就是售前或者咨询背景，这一端你已经有了，你要补的反而是上端。不管你从哪端出发，做三单，真实客户下来，你就不再是单一岗位的人了，你是能把 ai 落进业务里的人， 这就是 f d e。 你 想想看， open ai and stopit， 这帮公司疯狂招 f d e， 表面上是招一个岗位，但背后是一个更大的信号， ai 正在从卖模型变成帮你把业务跑通。对公司来说， ai 产品天然反萨斯， 每个客户都不一样，你没法自助开通，你必须派人下去。未来一批 ai 公司会长得不像 cs force， 而是像 palantier。 对 个人来说，逻辑也变了。以前你的价值是，我会写什么代码，我懂什么框架，这些正在被 ai 抹平。 未来，你的价值是，我能不能走进一个陌生的场景，三周内让 ai 在 这里跑起来。这不只是一个岗位，这是 ai 渗透到每个行业之后，公司和个人的底层逻辑都在变。 f d e 只是这个变化最先冒出来的那个名字。好啦，记得点个收藏、关注赞，我们下期再见！
4860南山老实人
05:46查看AI文稿AI文稿openai 和 entropie 正在抢着招一种人，不是研究员，不是产品经理，是 fde。 那 fde 是 最近在美国 ai 圈特别火的一个新兴岗位， 甚至啊，已经出现了啊，专门追踪 fde 岗位和薪资的网站也有人啊，开始围绕他做这个职业指南，然后面试辅导和系统课程。 但我觉得啊， fde 真正值得看的不只是说，哎，又多了一个热门岗位，而是它背后隐藏着的一个趋势。 这个趋势最明显的信号就是 open ai 和 entropie 这些最信仰 agi 的 公司最近都在加码同一件事，就是派工程师到客户公司，手把手帮他们把 ai 用起来。 openai 专门呢，成立了一个帮企业部署 ai 的 团队，最近还收购了一家有大概一百五十名落地专家的公司。 and floppy 也成立了自己的这个企业 ai 服务团队哈，专门也是帮客户把 cloud 用进关键业务流程里。 也就是说，这些最懂模型未来的人反而在告诉我们，光有模型是不够的。 那 f d e 到底是什么呢？ f d e 的 全称是 forward deployed engineer， 前线部署工程师。那简单说，他是 ai 公司派到客户那里和呃，业务团队一起把 ai 落地的人。 他们呢？不是啊，单纯的把软件卖给客户，然后再让客户自己研究怎么用啊。他们会直接的进到客户的真实工作现场，去搞清楚一些真正关键的问题。比如说，诶，这个业务每天是怎么跑的？哪里最耗时间，最容易出错？那 ai 应该接近哪个环节？ 然后呢，再把 ai 接到真正的工作流程里？所以 f d e 听起来像工程师，但他不是那种传统意义上的纯工程师，也不是简单的售前售后或者是实施顾问哈，他更像是一个站在 ai 公司和真实业务现场的中间的那个人。 那为什么这个角色突然变重要了？因为啊，模型能力越来越强，但真实的业务场景并不会自动变简单， 模型是可以回答问题，写文案、写代码，但它不会自自动就知道说，诶，企业的数据在哪里？权限怎么设？哪些环节需要审核，输出的标准是什么？所以，从模型很强到业务真的用起来，这中间是，呃，有很长一段路要走的， 而 f d e 就是 在这段路上，把模型能力变成业务结果的这个关键角色。 什么意思哈？比如说一个老板，嗯，讲啊，我们想要用 ai 提高销售效率，那这句话对 ai 来说就太模糊了， f d 要继续往下拆 啊。分析说，诶，这个销售效率到底是卡在线索整理、客户跟进，还是说报价审批的哪个环节呢？只有拆到足够具体之后， ai 才有可能真正地接进去。 所以， f d e 值钱的地方不是技术有多厉害，而是它能听懂业务的人在说什么，再把这些变成 ai 能执行的东西。 而且 f d e 还有一个特殊之处，它不是单向交付哦，它一边会把 ai 带进客户现场，另一边呢，会把现场踩过的坑啊，模型不稳定的地方，客户反复出现的新需求带回 ai 公司，反过来去影响产品怎么迭代。 所以它是一个双向循环的角色。这也是为什么我觉得 f d e 不 只是售前售后换了个新名字啊，而是 ai 真正进入企业的这个阶段，才会出现的一种高价值的岗位。 那这件事对普通人有什么启发呢？虽然 f d 一 正在变成一个热门的新机会，但我不觉得普通人都适合立刻去转行啊，因为这个岗位本身门槛并不低，下一集我会专门去拆解这个岗位。 但这件事至少说明了一点，就是熟悉行业，懂流程，了解客户的人，价值并没有消失。关键在于你能不能把这种业务理解转化成 ai 可以 参与执行的流程。 所以普通人啊，可以先练一种啊，我叫做 mini f d e 的 能力怎么练哈，就是去你自己的工作场景里去找个具体的任务来尝试 啊，尤其是那种说啊，目标有点模糊啦，然后过程还重复又经常出错的任务。比如说你做运营的，每周呢，要去整理三十篇这个竞品内容来写周报，那这就是一个典型的这个 啊，过程重复容易遗漏的任务，对吧？那我们可以尝试把它拆成几个步骤，找出其中最耗时间，最容易出错的环节，再判断 ai 是 不是啊，可以替代辅助还是说增强这个环节。 最后呢，再用你已经玩的比较溜的这种 ai agent 去做改造，然后验证它是不是真的省出了时间，减少错误，或者说让产出更稳定。 这可比单纯去收场一百个 prompt 有 用的多哈，因为 prompt 解决的是一个单点问题，而拆流程练的是系统思维，这才是 fde 真正值钱的地方。 说到底啊， f d 一 火起来，验证了一个趋势，就是 ai 越强大，对真实业务的理解反而越值钱，因为模型能力再强，总得有人知道它该接近哪里，怎么接才对。 那下一集呢？我会继续猜，美国现在到底有哪些公司在招 f d 一 薪资大概多少，岗位要求是什么，以及普通人可以怎么准备。那如果你也关心 ai 时代真正的新机会，记得关注我哦！
485AI妈妈成长日记
04:08查看AI文稿AI文稿大家好，今天聊聊 ai 的 企业落地应用。上周，欧文 i 和 skypig 在 同一天宣布啊，各自砸了四十亿和十五亿美金，专门成立了帮企业部署 ai 的 公司。核心模式是什么呢？ 派工程师驻场啊，就是我之前聊过几次的 fde 前线部署工程师啊，你没听错啊，最厉害的两家 ai 公司，模型做到了巅峰，最后发现光有模型不够，还得派人上门干活。 oppo i 的 deployment company 估值是一百四十亿美元。说过了，英国咨询公司 tomorrow 啊，引入了一百五十名 f d e 啊。 astropica 联合黑石高盛成立了合资公司，目标是中型企业。五 十五亿美金买的是什么呢？是最后一公里，百分之七十九的企业试过 ai， 超过百分之六十卡在 p o c 阶段出不来，业内管着叫试点炼狱。 模型在飞速进步，但企业的采拿速度远远跟不上啊，这中间的红勾不是模型更强就能填上的啊。说过自己的真事，过去一个月，我业余时间用我的做了一个在 gtape 开源的教育 skill 和配套网站 chanel， 不 写一行代码，全靠 ai 辅助啊。功能确实做出来了，但系统变得非常庞大，冷于藏着一堆 bug， 最后要我的同时帮我调整才能正式上线。你可以把 demo 做出来，但离产品还很远， 几个真实的卡点。第一是代码量超过模型，上下文项目一大， ai 就 看不全了，你改了这边，那边就崩，而且成本增长会越来越快。第二呢，架构设计仍然是核心能力， 系统怎么拆，模块怎么通信，数据流怎么走， ai 帮不了你做这些决策。那第三呢？从 demo 到产品，差的可能不是百分之二十，可能是百分之二百。用户换个浏览器，换个输入方式，可能就全崩了啊。 说实话，我的各领域知识和 it 知识远超大多数非技术背景的人啊，所以才能驾驭到这个程度啊。但到了一定程度呢，你仍然会无计可施。 ai 让你能从零做到零点八，但从零点八到一点零，让产品稳定可靠能上线，仍然需要专业工程师的介入。 连 open i 自己都想明白了，模型最强 api 开放文档版卖了一年多，企业还是用不起来，数据怎么接，流程怎么改，权限怎么控，出了问题谁负责？ 不是调一个 a p i 就 能解决的。所以派工程师上门，跟帕兰蒂尔十几年前开始做的事一样，这也是中国萨斯企业的噩梦，模型是入场券，流程才是护城河。但咱们第一还不是最稀缺的啊。刚才说的都是怎么把 ai 接进去，帕兰蒂尔叫这批人，这是他 还有比德尔塔更稀缺的角色啊。 robert， 一个花两百多万年薪正在招叫应用 ai 不 到师啊，要求七年经验，最好当过技术型创始人干什么呢？不写代码，去告诉老板和 cto， 你 的业务应该用 ai 怎么重新定义，而不是在现有的流程上啊。打 ai 补丁， 这就是 echo 角色啊，也就是很像我日常在做的事啊，都让他解决，怎么部署？ echo 解决的是部署什么啊？从第一性原理出发，帮企业想清楚 ai 原生模式长什么样。 大部分企业的第一反应是用大模型代替客服啊，让 go play 的 提效百分之三十啊，这有价值，但本质是在原流程上贴一层 ai 的 皮啊。真正的 ai 原生思维是，如果从零设计这个业务， ai 能力已经存在，他该长什么样？这种人更稀缺，既要懂技术边界，又要懂业务本质，还要能说服高管 啊。 rap 数据显示呢？二零二六年五月， astropog 的 企业付费率百分之三十四点四，首次超过了 openai， 一 年前这个数才百分之九。怎么做到的呢？从技术属性最强的客户切入，用不到时，把认知打通再扩散，不是帮你用好工具，而是帮你想清楚你到底在干什么， 对普通人意味着什么呢？ ai 降低了做出来的门槛，但提高了做的好的标准，架构、质量、集成、运维这些后端能力反而更稀缺了。而比工程能力更稀缺的呢，是从第一性原理重新定义业务的能力。能 部署的人却能想清楚该部署什么的人更缺。现在你知道该去学些什么，做些什么了吗？感谢关注未来博士，我们一起用跨界的视角看懂未来的方向。
5396未来博士wepon
05:46查看AI文稿AI文稿几百万买回来的 ai 系统，系统在服务器上跑着，数据在数据库里躺着，员工在工位上坐着，三样东西，谁都不搭理谁。 这不是段子，是绝大多数公司的真实处境。 ai 落地的成功率是多少？ mit 的 一份报告给出的结论是，百分之九十五的企业 ai 部署项目最终都无法落地。但就在这片 ai 的 百慕大三角里， 硅谷类帮最聪明的公司悄悄发现了一个新物种。这个岗位在 open ai 内部，去年初只有两个人，到年底直接冲到了五十二个。 更疯狂的是，整个市场上相关岗位的招聘量暴增了百分之八百。打开猎聘和卖卖 f d 一 相关的岗位，月薪普遍在三十 k 到六十 k 之间。 一家公司的内部需求和整个中国市场的风向，都指向的是同一个方向。 front deployed engineer， 前线部署工程师，简称 f d e。 那 今天我们就来聊聊，为什么这个听起来像高级网管的职位，正在成为 ai 时代最抢手的黄金矿工？ 先说一个扎心的事实， ai 落地到底卡在哪？不是大模型不够聪明，也不是算力不够烧。 我们打个比方，你买了个世界顶级的智能淘汰机器人，米其林三星算法能颠勺，能控温。你兴冲冲的抱回家，发现插座是老式的，插不上。 更关键的是，你们家没通燃气，这时候你骂机器人是垃圾机器人还觉得委屈，我功能完好，是你们家现场太邋遢了。 ai 落地一模一样的道理， 大模型公司卖给你的是一个完美的大佬，但你家公司的数据格式千奇百怪，员工根本不知道怎么跟 ai 合作，两个问题不解决，再聪明的 ai 也是摆设，那谁来解决程序员吗？ 并不是，程序员擅长和机器说话，而你需要的是一个能和人以及混乱的现实打交道的人。这就是 fde。 前线部署工程师 这个词最早是硅谷公司帕兰提尔提出来的，最初用于军事领域，意思是后方指挥部制定完美计划，但真正在泥地里打滚搞定所有突发状况的是前线的人。 放到 ai 世界也是一样。后方 r d 研发部门，他们是造神的，在洁净的实验室里用天价的算力训练出参数惊人的模型。 他们关心的是这个模型有多聪明。而前线 f 第一，他们是驯兽的，或者更贴切一点是 ai 铲屎官。 他们背着电脑直接空降到客户公司，任务就是把那个高高在上的 ai 之神驯化成能帮客户员工干脏活累活的打工仔。他们关心的是这个模型在这能不能用。 有个投资人说的特别好， ai 模型是金矿， f d e 是 淘金者，金矿躺在那不值钱，得有人去挖去筛去提炼，才能变成真金白银。所以 f d e 干的活，本质上就是吃进去一堆业务的苦水，数据的垃圾和流程的混 沌，排出一个客户能直接用好用的产品。说个真事，二零二三年， oppai 拿下了摩根士丹尼的大单， 目标很性感，用 ai 武装财富顾问团队，让他们能从浩如烟海的投研报告里瞬间找到答案。服务超高净值客户，技术团队确实留六到八周，核心管线就搭好了， ai 大 佬接上了摩根士丹利的数据库，理论上通了。 然后呢？然后才是真正的开始。 openai 的 fde 团队直接驻场了，他们不是去装软件的，是去上班的，跟顾问们一起开会，一起加班，一起听客户电话。很快反馈来了 ai 生成的答案，虽然对，但术语太学术，我没法直接念给客户听。这个功能藏在三级菜单里，忙起来根本找不到，能不能让他懂一点我们行业的黑话呀？ 于是， f、 d e 们开始了漫长的打磨，调整回答语气，让他从学术论文变成人话，重构操作界面，把最常用的功能放到最顺手的位置，甚至还陪着顾问一起见客户，观察 ai 工具在真实谈判里到底卡在哪。 这个过程花了好几个月，比写代码的时间长的多。结果呢？最终采纳率高达百分之九十八，几乎每个顾问都在用，科研报告的使用量提升了三倍。百分之九十八采纳率是什么概念？ 在职场推一个新的报销系统，能有百分之五十的人用着就不错了。这个近乎百分百的采纳，不是技术的胜利，是人情世故的胜利， 是 f 第一们用脚丈量出来的。所以为什么我说 f 第一。前线部署工程师的崛起，对普通打工人来说其实是个好消息，因为他揭露了一个反常识的真相， a n 时代的权力正在从造模型的人向用模型的人转移。过去几年，我们都在仰望那些创造 g p t 的 科学家，觉得他们掌握着未来。没错，他们是奠基者，但未来更大的商业价值和职业机会藏在最后一公里的泥泞里， 如果你懂技术，又愿意深入业务，那 f d e 这条路可能是你离 ai 时代最近的风口。最性感的 ai 不 在论文里，在 ai 们搞定的一地鸡毛之后，有个问题，你们公司花大价钱买了 ai 工具了吗？是真能打，还是纯摆设？ 你觉得卡住它的到底是技术不够强，还是现场压根没准备好？我是小猪，点赞关注，一起读懂 ai 时代规则，下期再见！
77赛博小朱
03:23查看AI文稿AI文稿上期我讲了，硅谷现在很火的职业是那个 f d e， 就 field deployment engineer， 可以 理解为中文就是，呃， ai 落地工程师，像 open ai 啊， antropica 啊， google 这些公司都在搞。 呃，其实很多人一听名字以为是什么特别高深的 ai 科学家，其实不是 f d e 的 核心能力，不是你会调餐啊， 呃，而是你能不能把 ai 放到一个企业里面。真正赚钱这件事情，某种意义上讲，比训练模型可难还难多了，因为大部分企业的问题，它不是没有 ai， 而而是买了一堆 ai 没人用。 很多老板现在状态是 gpt 也开了，把 cloud 也买了， qs 也装了，但是最后员工还是复制粘贴 excel， 对 吧？所以 fdd 干什么呢？就是进去后 啊，先看你们公司到底哪是最浪费人的，比如客服天天回回复问题啊啊，销售每天整理客户记录啊，运营每天做报表，老老板天天开会讲废话呀，听废话 啊。其实这些东西可以 ai 化，所以 f d e 的 第一个能力是什么？他不是编程能力，是啊，业务的理解力。这是为什么？之前的视频中我说过，你们这些小白卖个毛线投肯，你能卖几个投肯，你把这个投肯让客户去消耗，这才是你挣钱的点， 你得听懂啊，老板在骂什么？员工到底痛苦在什么？流程卡在哪里？ ai 怎么放进去？其实很多时候客户自己都不知道这个问题在哪。第二个能力才是工程能力，你，你真的能做东西，而不是说 ppt。 ai 不是 说我们未来可以，未来怎么样，那是老板说的。当然，三天要做个 demo 出来 才是 f d e 的， 一个一个一功能就能跑，能用能接企业微信用跑 c r n 啊，能读数据库，能自动发邮件这些东西。现在很多 ai 创业公司最大的问题是什么只会 prompt 啊，意思就是客户问一句，能接 sap 吗？啊，当场沉默。所以呢，真正的 f d e 一定是偏向于一个 full stack 的， 前端会一点，自动化， workflow 也会黑一点啊， rug 会一点， agent 也会一点，然后云服务也会一点。 所以你会发现，呃， ai 时代最值钱的人，并不是最懂那种底层呃 algorithm 算法的人，而是能够把 ai 呃接近真实业务的人。呃，第三个业务，第三个能力也很重要，就是沟通能力了，某种意义上讲，像像卖想卖 token 的 人，大部分是这种程序员儿。 呃，我感觉你们沟通能力很差，因为 f d e。 本质上很像这种工程师加顾问加这种，这种产品经理。呃，你不是每天自己在电脑前自己爽哈，你是天天要跟客户聊天，要理解客户需求。呃，你们到底省什么人力呢？这个流程为什么这样设计的？ ai 做错了怎么办 啊？有时候你还得安慰客户，不是 ai 不 行，而是你这个流程太乱了。还有一个隐藏能力就是适应混乱了，因为现在 ai 行业变化太快了，今天 m c p， 明天 agent， 后天又是什么？ ai browser， 然后是这 这，昨天还是啊啊？昨天还是 openclaw， 现在要爱马仕，你不能等着别人教你真正的 f d e， 你 每天都在边学边做边上线。所以总结一下， f d e 最重要的不是技术，是业务理解和工程落地。 呃系统集成以及客户沟通，还要快速学习一句话，不是会 ai 的 程序，而是让呃企业用上 ai 的 人，这叫做 f d e， 也就是未来的一个很大的工作方向。
893一介草民
01:52查看AI文稿AI文稿对，你说用 pull 写代码是在那个聊天框里面吗？呃， 聊天框就是就是 c l i 嘛？就是 c l i 嘛，然后，嗯，对，如果你现在呃再用这些写代码的话，我认为，呃 来到这个我们这个孵化器来这个 hatch， 然后再会给你一些真实的项目，后面你会真正的成长成一个这个 f d， 然后我们后面会，呃有一些资源可以一起来搞一搞。这个这个周期要多长呀？ 什么？这个周期要多长？周期周期。这个我我我个人觉得应该会很快，因为就像你骑自行车一样，你领悟到那个东西只是一瞬间的事情啊，用过这个歪不确定的人都知道用过歪不确定的人都知道， 就是会歪不确定的人他可以解决很多很多很多新的问题。他，嗯，对，他他可以解决很多新的问题。 对，这个如果你会会玩，不会，你肯定知道我在说什么，但如果你不会玩不扣赢的话，他就有一个很长的瓶颈期。我们希望首先来的这帮人他已经过了这个瓶颈期，他就像他已经会骑自行车了 啊，已经会游泳了，对吧？然后我们再教他如何做的更好啊？把他到训练到这个，呃，真正这个职业能打的这个水平，那这个给给谁打工啊？可以赚多少钱？是那种零打短工的形式吗？啊？ 这个，这个其实它有一点像创业，然后因为我们这个 hatch 是 一个孵化器嘛？对，嗯，孵化就是孵化器，就是说最后都所有的东西都是你的 business， 然后，呃， 你自己也要有一个创创业的心态去去做这个事情，不能说我来了。就是啊，领一个死工资，然后你们派我去这个干活，派我去调研，那我去调研。
00:32查看AI文稿AI文稿现在有两件看上去矛盾的事同时在发生。第一方面，大量软件工程师啊，正在被疯狂的裁员呀。另一方面呢， f d e 前线部署工程师这个岗位招聘需求暴涨了百分之八百。 f d e 是 什么？前线部署工程师从 salesforce， 从 palletier 挖人，要的不是写代码最强的人，要的是最懂企业业务的。这两件事不矛盾啊，他们指向同一个结论，软件行业不是在缩小，而是在换人。更多内容呢，在范凯说 ai。
19范凯说AI
01:00查看AI文稿AI文稿openai 开始派工程师坐进 ceo 的 办公室了？ openai 的 ceo 呢？ sam 奥特曼最近宣布了一件事情， 我觉得所有在学 ai 编程的人啊，都应该认真想一想。 openai 呢，开始派遣工程师进驻企业 ceo 的 办公室，就是坐在 ceo 旁边，把他们日常的工作流程呢，所有的常规任务全部 ai 自动化。 而 shopify 就是 第一个试点了。现在呢，这个角色有了一个名字，叫做 f d e 前线部署工程师 anselpic 呢，也在做同样的事儿，他们叫做 applied ai 团队。他们从哪儿招人呢？ 从 salesforce 啊，从 palletier 啊，从最懂那些企业业务的老兵里面来挖。要的呢，不是最会写代码的人啊，要的是最懂行业，最懂业务，能快速把工作流搭进智能体的人。 software engineer 软件工程师的时代正在结束，而 fde 前端部署工程师的时代呢，正在刚刚开始。更多的内容啊，在范凯说点 ai。
26范凯说AI
04:54查看AI文稿AI文稿从现在开始到明年的这个时候，国内 ai 行业一定会跑出一个需求量巨大的岗位。这个事情已经在硅谷被验证过了，国内还在非常的早期，但是趋势真的已经非常的明显。先一句话说清楚这个岗位具体是干什么的， 这些人呢，就是要把 ai 塞进企业里面，塞进业务里面，他不是去写提示词，也不是去掉 api， 而是直接飞到客户那里，和老板和业务团队肩并肩的坐在一起战斗， 直到把 ai 能够改成适合这家公司能够用的样子，才算结束。这个岗位在硅谷有一个名字叫做 f d e， 中文翻译叫做前沿部署工程师。我为什么会有这个判断呢？给你两个我的观察。 第一个观察啊，是硅谷已经把这个岗位的薪资开到一个吓人的水平了，你像 openai 和 s o p 哥现在招一个 f d， 总包能给到几十万甚至上百万美元一年，比很多纯研究岗还要高。 这个岗位最早是在 palantier 在 二十年前发明的，专门是用来服务像 f b i 这样的数据急脏、流程急乱的客户。现在的这套打法被所有的 ai 的 公司又复制了一遍， 从薪资上你就能看出来，这个是一个实实在在存在的需求。第二个观察就是我最近在接触到的这些企业的老板们，他们都希望 ai 能够帮他们去优化企业里的环境，能够去提效，能够去增加利润，但是没有人能够告诉他们 到底怎么把 ai 融到自己的业务里面。现在正在卡住他们的不是说模型的能力不够强，而是他们企业内部有太多隐性的流程是卡在员工的脑子里面的， 比如说资源应该怎么配，流程应该怎么走，这种需求每个公司他都不一样，你像这种活啊，咨询公司你是做不深的，萨斯公司你又干不动， 只有那些既懂业务又能直接动手写代码的人才能到客户身边去，才能够搞得定，这种人就叫 f d e。 那 么为什么这件事情还需要至少一年的时间才能够发酵出来呢？是因为这个市场还在被教育， 第一批的中小企业试一试就会发现，把通用大模型的能力套在业务上，或者说自己调出来个 demo 直接跑， 跑出来的结果大概率是用不了的，你自己上手你就知道了，当你自己搭出来的 demo， 你 真让他每天去跑业务的时候，要么就是三天两头的报错，要么就是出现幻觉， 要么就是直接卡死。但是很多企业的业务环境是不允许这样事情的发生的，再加上很多企业的流程他本来就不是那么清晰， 并且他也不知道最佳的流程是什么，甚至数字画都没有做完，这些隐性的知识根本就没有被提炼出来，没有被显化出来，根本做不了。所以说这件事情必须有个人下场，跟企业一起 把业务的这些点提炼出来。这个事情啊，他是一个慢活，并且是一个专业的活。但是同样他反过来也证明了一个事情，当 ai 真正落地到企业的时候，技术可能只占了三成，剩下的七成都是业务的经验和细节， 需要你能够把业务描述清楚，然后去通过 ai 把这些业务串联起来，把他的角色、流程、规则和工具全部都 ai 化，这四个缺一个都不行。 最后再说一下这个岗位的画像，他和传统互联网的解决方案的工程师和交付工程师是非常像，但是有一点是不同的，你像 f d e 是 能够在客户现场，他有两件事情是可以一起干的。第一个他是能够直接在客户那边写代码，直接就把这个需求解决掉了， 出现什么问题让客户先用上再说。同时呢，才可以把在这个客户上积累的经验和用户的痛点反向带回给产品，沉淀给下一个客户。 如果说下一个公司有类似的需求，那么就可以附用到这些经验了。所以说呀， f d e 他 既是一个工程师，也是一个反向的产品经理，在客户这边改过的代码，反向喂回去，是所有用户都能用到的解决方案。 现在国内的 ai 公司已经在招类似的人了，只是他们的胎头还没有统一而已。如果说你也想入门这个行业，关注我，下一期教你具体怎么样去做。
560数字生命king
01:45查看AI文稿AI文稿ai 企业落地，现在到了拼刺刀的阶段，巨头们已经用真金白银投票了， openai 砸了一百四十亿收购自行公司 ansore pick， 联手高盛成立五十五亿美元的部暑公司。 他们的秘密武器叫 f d 一 前线部署工程师直接驻场，贴身服务。但现实很骨感，百分之七十九的企业试点项目根本交不出货，百分之六十直接卡死在 p u c 阶段。这就是可怕的试点炼狱。为什么？因为技术落地有三大瓶颈， 第一，规模失控，代码量一大，模型就理解不过来了，改一处崩一片，而且成本不是限性上涨，是指数级爆炸。第二，架构缺失，系统怎么拆，模块怎么通，数据怎么留， 这些核心架构决策 ai 目前还搞不定。第三，可靠性，红工 demo 跑得飞起，一上线就崩，环境稍微变一下，比如换个浏览器或输入法，系统就可能直接瘫痪， demo 和产品的差距能大到百分之两百。 这也催生了新的顶级职业， f d e 工程师年薪顶尖，更稀缺的是 ai 布道师，负责业务重构，年薪高达两百万美元。 企业要突围，必须完成认知升级，别再想 ai 替代人力了，那是死路。要想着 ai 原生设计，像 antropic 那 样把付费率从百分之九干到百分之三之四，靠的是从技术到认知的全面扩散。 记住，未来的护城河是你的业务流程，而不是那个通用的模型。我们要做的是从第一性原理出发，用部署能力加重构思维，双轮驱动去重塑企业的运作模式。只有懂技术、懂业务，还能说服老板的跨界人才，才能在这场浪潮里活下来、赢下去。
