[FDE的模式探討-1] 一人FDE:AI時代的新物種

我失業之後，一直在想一個問題：像我這樣一個人——做過行銷主管，懂業務但不會寫代碼——能不能靠AI工具自己做產品？

我在研究這個方向的時候，看到了一個讓我坐不住的數字：Indeed招聘平台上，一個叫「Forward Deployed Engineer」（前線部署工程師，簡稱FDE）的崗位，一年前全美只有643個職缺，現在變成了5330個——同比暴漲729%。

這不是某個小眾職位的自然增長。同一時間，OpenAI砸下超過40億美元成立Deployment Company，收購澳洲AI公司Tomoro，一口氣帶進約150名FDE；微軟、亞馬遜也在加大企業AI部署的投入。字節、阿里、騰訊、智譜全在搶人。a16z合夥人一句話定調：「FDE is the hottest job in startups right now。」

翻譯成人話就是：全世界最聰明的資本和最頭部的科技公司，都在押注同一件事——把工程師派到客戶現場，不是等需求文檔再開發，而是到現場、一起找真問題、搭系統接入、陪客戶用起來。

我後來想明白了為什麼合理——AI模型已經足夠強大，但從demo到生產環境之間的鴻溝，靠的不是更強的模型，而是有人到現場把最後一公里接上。資本押注FDE，押的不是技術突破，是落地能力。

但我看到這些報道的時候，有一個反直覺的念頭冒出來。

大家都說這是「AI催生的新工種」，但我覺得真正的邏輯恰好相反——不是AI讓這個崗位變重要了，而是AI讓這個崗位裡的某一半變便宜了，另一半才凸顯出來。

FDE的祖師爺是Palantir。2003年，Peter Thiel和Alex Karp創立這家公司，第一批客戶是五角大廈、CIA、FBI。機密數據不能交給外部開發團隊，Palantir就直接把工程師派到客戶現場。他們給這個角色取了個內部代號叫「Delta」——取自美軍三角洲特種部隊。Forward Deployed本身就是軍事術語，指把作戰力量投送到最前線。

二十年後，騰訊研究院的報告把FDE的能力拆成兩半：

一個叫Echo——判斷什麼值得做，先挖透客戶真實問題。
一個叫Delta——把系統搭出來、接進去、測試上線。

關鍵來了：AI編程、低代碼和智能體工具，正在把Delta端的成本大幅壓低。以前你需要一支工程團隊才能搭出來的東西，現在一個人加AI工具鏈就能搞定。但Echo端——判斷什麼值得做、挖透客戶真實問題——這件事沒法靠AI補。方向錯了，你只會更快做出沒用的東西。

我反覆看了幾遍這些報道，才想通這件事——這就是729%暴漲背後的邏輯：寫代碼變便宜了，幫企業判斷什麼值得寫，反而更金貴。

但真正讓我著迷的謎題不在大廠，而在一個更不起眼的角落。

FDE報告裡的標準模型是「一支小隊」——有人負責理解客戶業務問題，有人負責搭建系統，有人負責推動客戶內部測試和使用。這支小隊最後對一個共同結果負責：客戶的這個問題，真的被解決了嗎？

我看到這裡的時候，腦子裡冒出一個問題：如果AI把Delta端的成本壓到足夠低，一個人能不能壓縮掉整支小隊？

這不是假設。我正在做這件事。

我失了業，手上沒有工程團隊，但靠著AI編程工具和自己的行銷經驗，一個人同時做客戶洞察、系統搭建、產品沉澱三件事。我可能在見完客戶的捷運上打開Cursor改程式碼，也可能在凌晨三點調一個API對接。我既是客戶也是廠商，既是需求方也是交付方。

你可能會說：這不就是SOHO嗎？自由工作者，一個人接單幹活，互聯網時代就有了。

但這話得看怎麼說。

SOHO時代的天花板是人的時間。一個自由設計師，同時接三個客戶的案子，每天排滿會議和交付節點，第四個客戶找上門，只能拒絕——不是不想賺，是排不進去。所以SOHO的商業模式本質上是「賣時間」——你靠某項專業技能變現，設計師賣設計小時，程序員賣開發人天，顧問賣諮詢費。你能做多少事，取決於你有多少時間。

但我做的事不是這樣。

天花板不是時間，是判斷品質和領域經驗的深度。Delta端——搭系統、寫代碼、做對接——AI可以幫我壓縮到原來十分之一的時間。但Echo端——判斷什麼值得做、挖透客戶真實問題、區分客戶特殊要求和行業共性問題——這些事情，AI幫不了我。或者說，AI能幫我做選項，但做不了判斷。

這就帶出一個結構性的差異：SOHO的規模瓶頸在「執行產能」，我面對的瓶頸在「認知帶寬」。前者靠加人或者加時間可以突破，後者只能靠沉澱——每做一個客戶，把行業共性問題蒸餾成通用模組，下一個客戶少走彎路。

換句話說，SOHO是線性增長——做一個客戶賺一份錢，做十個客戶賺十份錢，但人也累十倍。我走的路如果走對了，應該是指數增長——第一個客戶花十個人月，第十個客戶如果還需要十個人月，那我就失敗了。

這不是SOHO的升級版。我越想越覺得，這是一種新物種。

但新物種還沒有名字。

FDE這個詞，目前指的是大廠派到客戶現場的工程師——OpenAI的150人、Palantir的Delta小隊。他們背後有整個公司的算力、模型和產品線支撐。我一個人壓縮掉整支小隊，靠的是AI工具鏈補位Delta端，靠的是自己的行銷經驗撐住Echo端——這個形態，沒有人給它命名。

但這個形態的關鍵問題已經很清楚了。

這三個問題——能不能幹、能不能變成生意、怎麼過品質關——我打算一個一個想清楚。而它們背後還有一個更根本的追問：在AI把執行端成本打到底之後，什麼樣的人夠得著這條路，什麼樣的人夠不著？