一个中国 FDE 的光环、落差与「救火」日常 | S10E27

概览

本期节目通过一位一线 AI 工程师申越的经历，拆解 FDE，也就是前线部署工程师在中国企业里的真实工作状态。节目先介绍 FDE 在 AI 时代重新走红的背景，再把讨论落到具体项目现场：它并不只是“带着先进技术改造企业”的光鲜岗位，更常常是乙方身份下的沟通、协调、救火和脏活累活。

申越的核心判断是，国内 FDE 项目最大的难点往往不是技术本身，而是人、权责、组织流程和真实业务场景的缺失。没有业务团队配合，AI 项目很容易停留在拍脑袋的 Demo；即便平台买了、培训做了，也可能在结项前因为无法证明价值而被退单。

节目还对比了国企和民企项目中的不同压力：国企项目容易卡在权责不清、业务资源调动不了；民企则更关注 ROI、可量化价值和降本增效。申越认为，目前很多企业对 FDE 的招聘和期待偏重技术堆栈，但真正落地时，沟通能力、行业经验和 AI 认知反而更靠前。

分段落总结

[00:03] 节目开头的产品口播

[事实] 主持人在节目开始前介绍了雷鸟 io AI 眼镜，提到它有镜片显示、AI 助理、实时翻译、待办提醒、轻量和续航等功能。

[事实] 主持人举例说，自己在通勤时用语音让眼镜查询背景信息并设置下午 4 点的待办，也在英文发布会上使用过实时翻译功能。

[01:52] 本期主题：真实的中国 FDE 工作现场

[事实] 主持人说明本期没有采用常规嘉宾对谈形式，而是请一位真正驻扎一线的工程师讲述自己的故事。

[事实] 节目把 FDE 解释为 forward deployed engineer，中文常译为前线部署工程师，工作内容包括驻扎客户现场、理解业务、梳理工作流，并把 AI 落到生产环境。

[事实] 主持人指出，2026 年 FDE 在 AI 圈很火，被称为“硅谷最性感的工作”，但真实工作现场很少被展示。

[02:49] 申越的身份与 FDE 标签

[事实] 申越说自己很少对外说是 FDE，最近为了蹭热点才这样称呼，过去其实就是做 AI 项目。

[事实] 他现在是 AI 培训讲师和企业咨询顾问，此前做了约 12 年互联网产品经理，近两年转向 AI。

[事实] 他是在 2025 年开始接企业 AI 咨询和落地项目时，了解到 plantir 这家公司及其 FDE 角色，并意识到这与自己正在做的事情相似。

[04:24] FDE 为什么在 AI 时代重新走红

[事实] 节目介绍，plantir 大约 20 年前提出 FDE 概念，最早因为情报机构数据保密，工程师需要进驻客户现场，与客户一起了解业务并开发软件。

[事实] 主持人说，FDE 不是新概念，但 AI 到来后，大模型越来越强，企业却不知道如何使用，于是 OpenAI、Anthropic 等公司组建 AI 部署团队，帮助客户解决 AI 落地最后一公里问题。

[事实] 节目提到，过去两年全球 FDE 岗位数量增长了几十倍，薪水也上涨，动辄年薪百万人民币。

[06:14] 光鲜叙事与国内现实的落差

[事实] 申越说，真正做起来后，FDE 与媒体宣传中光鲜亮丽的工程师形象差很远。

[事实] 他概括海外叙事中的 FDE 是带着 AI 解决方案去赋能客户、改造流程、提升 ROI 的专家角色。

[事实] 他认为在国内实际项目中，FDE 首先是乙方，需要服务好老板、领导和甲方关键角色，项目才推得进去。

[推测] 节目借申越的表述强调，中国语境下的 FDE 更像复合型项目交付角色，而不只是高话语权的技术专家。

[08:03] 国企项目：从培训讲师变成救火角色

[事实] 申越服务的一家大型国企在去年 6 月购买了某大厂的 AI 智能体开发平台，用于部署成熟 AI 应用或开发个性化智能体。

[事实] 申越最初进入项目时只是培训讲师，负责教企业员工学 AI、用 AI。

[事实] 培训接近结束、项目进入尾声时，合作伙伴找到他，说项目负责人指名希望他加入项目组救火，因为客户已经到了要退单、终止合作的程度。

[事实] 项目组当时没有人能和领导有效对话，领导不认可项目组提出的任何方案。

[09:43] 首次会议暴露项目的核心死结

[事实] 申越参加会议时，现场包括交付实施团队、大厂人员，以及客户方临时被安排过来的 IT 部门负责人。

[事实] 申越准备了介绍项目经验的完整文档，但客户负责人听完后认为方案不错，却对他们没有太大用。

[事实] 客户负责人指出，AI 项目落地需要业务团队配合、进入业务现场调研和收集资料，但在他们那里无法接触业务团队。

[推测] 这里的矛盾说明，项目的问题不在于申越有没有方案，而在于客户内部没有给项目打开业务入口。

[11:09] 现场环境与临时负责人困境

[事实] 申越到国企现场后发现，外包团队集中在一大片工区，自己所在团队只是共享大开间中的一部分，办公环境简陋拥挤。

[事实] 临时 IT 负责人表示自己不太想管这个事，唯一目的就是赶紧交差、让项目完结。

[事实] 该负责人提出的是一个“想象中的 Demo 方案”，希望申越团队证明 Demo 有价值，但又无法提供真实业务场景。

[事实] 主持人总结说，IT 负责人调动不了业务团队，申越接触不到真实业务需求，没有需求就做不出落地场景，也无法让大领导相信项目达到交付标准。

[13:29] 拍脑袋场景与领导变更导致项目被否

[事实] 节目追问，企业花钱买平台时是否没有提过需求；申越回答，项目开始时确实讨论过平台能做什么，但很多方向都是拍脑袋想出来的。

[事实] 当时设想过 AI 写会议纪要、AI 写公文、AI 做数据分析等方向，但实际约束非常多，包括安全要求、不能出外网、端到端打通、实时记录和转写、匹配内部模板、使用内部会议工具等。

[事实] 申越做出过一些 Demo，部分也被原领导认可，但后来领导调走，新领导上来后质疑这些产品为什么要做，并认为拍脑袋做出的东西没法用。

[推测] 这一段显示，缺乏真实业务验证的 Demo 很脆弱，一旦决策人变化，原本的认可就可能失效。

[15:25] 申越离场前的判断：不调研就救不了

[事实] IT 负责人在申越临走前认为他的方案仍然过不了，因为只是设想几个 Demo，无法证明 Demo 确实有用。

[事实] 申越回应说，如果要证明价值，就必须让他去跟客户业务团队聊；如果不允许调研需求，项目就很难被救回来。

[事实] 申越当时认为项目已经走进死胡同，并离开现场。

[16:33] 项目转机：新负责人能调动业务团队

[事实] 一周后，项目负责人换人，不再是临时 IT 负责人。

[事实] 新负责人虽然不懂 AI 方案，但能和业务团队沟通，也能打电话协调人。

[事实] 新负责人给项目组找了八九个业务部门的对接人，让他们逐一加微信、打电话、去工位收集资料并介绍产品。

[事实] 申越说，从这个时候开始，项目才真正跑起来。

[17:37] 用一条业务线做 MVP 样板

[事实] 申越独立负责一条业务线，与业务团队深度沟通，目标是做出一个 MVP 样板。

[事实] 他选择的是一个给领导写材料、做行业分析的部门，因为该部门有大量查询和写作需求，正好匹配产品定位。

[事实] 申越认为，项目最大的坑还是人的坑；把人搞定后，后面的事情相对好处理。

[事实] 他总结国企项目的主要问题是权责不明和没有章法。

[18:24] FDE 需要的能力排序

[事实] 申越认为，FDE 能力优先级第一是沟通，第二是行业经验，第三是 AI 认知，第四才是偏技术侧的落地方法论。

[事实] 他观察到，很多企业招聘时要求是反过来的，把技术放在最前面，列出大量技术术语，包括 AI、前端、后台、模型微调和模型参数等。

[事实] 他认为这种招聘要求有点偏。

[推测] 申越的能力排序反映出，FDE 的关键价值在于把组织、业务和技术连接起来，而不是单纯写代码。

[19:16] 民企项目：更直接的 ROI 压力

[事实] 主持人说，国企项目主要困难是人，民企项目的主要困难则是事。

[事实] 申越说，一些民企所在行业完全业绩导向、ROI 导向，验收标准更关注 AI 到底能给公司带来多少可量化价值。

[事实] 民企会关心智能体每天有多少人用、消费多少 token、与业务关联度有多高，以及理论上能省多少人。

[20:30] 董事长访谈中的降本期待

[事实] 申越参与的民企项目已经签约，他负责进场调研和访谈，访谈分为高管访谈、董事长访谈和业务访谈三轮。

[事实] 在访谈中，董事长谈到希望 AI 能带来营收增长、降低成本，并举例说公司 6000 多人，有了 AI 是否能砍到 3000 人。

[事实] 申越说明，对方不是直接把砍 3000 人作为 KPI，但听到这个表达时他心里一紧。

[事实] 现场行业解决方案顾问把话转成长期价值表述，提出不只关注砍多少人，也可以看现有 6000 多人能不能创造 12000 人的价值。

[22:37] 企业焦虑与 AI 期待错位

[事实] 申越认为，AI 是该企业变革手段之一，同时企业也很焦虑。

[事实] 他后来去门店调研，发现工作日待了一下午基本没有客户过来，企业内部因此催促 AI 快点上线。

[事实] 申越说，他不好意思直接告诉对方“有了 AI 你还是没客户”。

[推测] 这一段显示，企业有时把经营困境寄托给 AI，但 AI 未必能解决客户流量或商业模式层面的根本问题。

[23:12] 智能体落地背后的脏活累活

[事实] 申越团队为这家企业做了不少定制智能体，包括问答类、知识库类和销售赋能类，大约做了九个，是他做过最多的一次。

[事实] 他强调，做 AI 项目前提是先完成数据治理、打通内部系统、整理知识等基础工作。

[事实] 他举例说，知识库和 RAG 项目要求文档足够清晰，否则无法识别成机器可读格式，尤其是很多 PPT 中的图形、箭头和流程图，AI 无法直接识别。

[事实] 他曾花一周时间调整 100 多个文档，并需要写指导手册，让客户以后自己处理类似工作。

[24:53] 业务团队配合有限

[事实] 主持人问业务团队是否会因降本增效而抵触，申越说这件事讲究沟通技巧，不能当面说要“降你们的本”。

[事实] 他表示，大多数人面子上愿意配合聊天，但真正要他们干活时不太愿意。

[事实] 申越说，遇到不配合时也没办法，因为自己毕竟是乙方，没有话语权，只能服务好对方。

[25:30] 法务合同审核案例：高要求与低配合并存

[事实] 申越举例说，在做法务合同审核智能体时，他要求法务团队列出合同审核规则，否则无法审核。

[事实] 法务团队反问 AI 不是啥都能干吗，为什么还需要人整理规则，并提出让 AI 直接读取国家法律条文或抓取同类产品来审核。

[事实] 申越解释，审核的是公司内部合同，国家法条与内部合同规则对不上；如果由他整理，也无法保证准确率，还需要客户确认。

[事实] 对方一方面不愿意提供规则，另一方面又不能接受 85% 的准确率，要求法务审核不能出错。

[推测] 这个案例集中体现了企业对 AI 的想象与实际工程条件之间的冲突。

[27:09] 生产级 AI 的限制

[事实] 申越说，他经手的大多数 FDE 项目最难的不是事，而是人；只要人配合，很多问题都能处理。

[事实] 他也认为，人不配合的部分原因在于模型和 agent 技术还远未达到大规模生产场景应用的条件。

[事实] 他指出，模型本质上是概率模型，而企业做大规模生产级应用时不能接受概率结果，需要准确度。

[推测] 这说明 FDE 在现场不仅要交付功能，还要管理客户对模型能力和可靠性的预期。

[28:09] 为什么还要做乙方和 FDE

[事实] 申越说，一方面是信念驱动，他相信新技术是未来趋势，只是现在还处于非常早期。

[事实] 他认为做乙方也有成就感，例如别人解决不了的问题，自己去了能把事情搞定。

[事实] 在国企项目中，最后一次开会时领导说“沈老师来了之后，这个项目终于有了转机”，这让他很有成就感。

[事实] 但他也坦言，现在做的项目没有一上线就让企业翻天覆地变化，大多数只是先有一个基础盘，先做尝试。

[29:37] 结尾：FDE 红利与真实日常并存

[事实] 主持人说，国企项目正在往好的方向发展；采访结束后，申越又要去国企客户那里出差。

[事实] 申越在告别前收到合作伙伴微信，对方说 FDE 已经是大趋势，这波红利只要抓住，一定会很好做大。

[事实] 节目最后邀请正在亲历 AI 变革的人通过 shownotes 投稿，也欢迎听众在评论区交流和提出想听的话题。

[推测] 结尾形成了对照：市场叙事里 FDE 是红利和趋势，但具体到申越的日常，仍然是出差、救火、协调和交付。

播客点评/总结

本期的价值在于，它把 FDE 从热门概念拉回到企业现场。相比泛泛讨论 AI 岗位趋势，节目通过国企退单危机、民企 ROI 压力、法务合同审核、知识库文档整理等具体场景，展示了 AI 落地为什么难，以及难点如何从技术扩展到组织、流程和人。

节目亮点是申越的讲述非常具体，尤其是他对“乙方身份”“人比事难”“没有业务调研就无法证明价值”的反复强调，让听众能看到 FDE 工作中不光鲜的一面。它也提醒企业，买 AI 平台和招技术人员并不等于完成 AI 落地，真实业务场景、内部负责人和业务团队配合才是关键条件。

局限是，本期主要来自申越个人经历和少数项目案例，[推测] 不能代表所有行业、所有企业或所有 FDE 岗位的完整状态。节目也没有深入展开具体技术方案、平台能力边界或项目最终指标，因此更适合理解岗位现实和项目现场，而不是作为 AI 技术实施手册。

[推测] 这期适合正在考虑转型 FDE、负责企业 AI 项目、采购 AI 平台，或想理解 AI 落地真实阻力的听众。它提供的不是“AI 如何立刻改变企业”的乐观叙事，而是一个更接近现场的提醒：FDE 的核心工作，往往是把业务、人和技术艰难地接到一起。