在人工智能投入已耗資數十億美元之後，大型科技公司如今又把重金投向「人」的一端：爭相招募和培養前置部署工程師（forward deployed engineers，簡稱FDEs），希望藉助這批兼具AI、軟件和企業流程理解能力的工程師，把大模型真正嵌入企業系統，並證明AI支出最終能夠帶來可量化回報。#AI熱潮：從芯片到資本的競賽#

市場對AI經濟模式可持續性的擔憂本周明顯升溫，戴爾、CoreWeave、AMD和美光等多隻AI概念和存儲概念股短線承壓。就在這一背景下，AWS已承諾投入10億美元推進前置部署工程師計劃，OpenAI推出了由超過40億美元初始投資支持的部署業務，Anthropic則計劃投入1億美元，到2027年底培訓1萬名前置部署工程師；與此同時，埃森哲和谷歌雲也在搭建一支1000人的相關隊伍。

AI投入轉向「落地能力」

業內人士認為，FDE正在成為AI商業化鏈條中的關鍵角色。這類工程師需要直接面對客戶，處理既有技術系統、安全要求和組織障礙，把看似可行的AI實驗轉化為企業真正能用的應用。獵頭公司Christian & Timbers創始人傑夫·克里斯蒂安表示，華爾街開始對那些「花了數十億美元投入AI卻沒有業務結果」的公司失去耐心。

在AWS諮詢合作伙伴Caylent，首席執行官瓦爾·亨德森指出，這一崗位遠不只是技術活，最難教的是「客戶情商」。她表示，工程師不僅要懂技術，還要理解客戶和業務、處理組織內部動態，並在項目遇到意外問題時做出判斷。

崗位需求和薪酬快速上升

勞動力市場數據也顯示，FDE需求正在迅速升溫。根據勞動力市場分析公司Lightcast的數據，美國FDE招聘職位從2023年不足200個，增至2025年約1200個，並在2026年前九個月超過7300個。同期，相關崗位的中位廣告薪資達到19.5456萬美元，較2023年上漲40%，並且是美國所有招聘職位中位廣告薪資的三倍多。

Lightcast全球研究主管埃琳娜·馬格里尼表示，需求快速增長和工資上升說明僱主正在爭奪有限的人才池。不過，她也指出，FDE並非完全全新的崗位，其技能中約有一半與軟件工程重疊，這意味着企業可以從更廣泛的人才庫中培養這類工程師。

諮詢公司成為招聘主力之一。Lightcast統計顯示，在2026年前九個月，德勤發布了872個獨立FDE職位，埃森哲發布688個，谷歌發布499個，KPMG發布447個。需要注意的是，這些數據反映的是招聘廣告數量，而非最終完成的錄用人數。

AWS、OpenAI、Anthropic各走不同路徑

AWS正在內部搭建自己的FDE組織，既從亞馬遜和AWS內部調配有經驗的工程師，也對外招聘。AWS前置部署工程副總裁阿薩·卡拉瓦德表示，公司起步階段就會動用數百名工程師。她說，AWS之所以現在投入10億美元，是因為客戶需要這種「親手幫助」，把AI投資快速轉化為結果。

OpenAI則採取更廣泛的企業部署策略。除獲得40億美元初始投資支持外，該公司今年早些時候還同意收購應用AI諮詢和工程公司Tomoro，預計將為其帶來約150名有經驗的FDE和部署專家。

Anthropic的做法則更偏向培訓客戶和合作伙伴內部的人才。該公司通過Claude Frontier Academy，計劃到2027年底培訓1萬名FDE。首批駐留項目學員來自埃森哲、貝恩、凱捷、澳大利亞聯邦銀行、德勤、麥肯錫、摩根士丹利和諾和諾德等機構。Anthropic全球業務發展與合作負責人史蒂夫·科菲爾德表示，AI技能缺口影響所有客戶和合作伙伴，因此這是一個「市場問題」，公司願意幫助彌補這一缺口。

埃森哲與谷歌雲也在聯合打造1000人的FDE隊伍，並部分依靠再培訓有經驗的軟件工程師來從事面向客戶的AI部署工作。埃森哲FDE和軟件及平台工程負責人拉姆·拉馬林甘表示，現實情況是，經驗豐富的FDE不可能按客戶需要的規模直接招聘到位。根據背景不同，埃森哲的FDE培訓和入職流程通常需要30至90天，而且參與者本身已具備較強的軟件工程經驗，項目目標是補充專門的部署能力，而不是從零培養初學者。

培訓能否轉化為回報仍待驗證

Anthropic的培訓模式借鑑了醫學教育。其Frontier Deployed Engineer Residency會把有經驗的工程師與實踐者配對，並通過真實的企業部署案例進行評估。科菲爾德表示，公司將這一駐留項目設計成類似醫學培養醫生的模式：學員先向執業工程師學習，處理真實案例，經過評估後再在自己的公司中獨立實踐；隨後，他們還會在Anthropic工程師的指導下，針對Claude項目接受12周輔導。首批完整資格預計將在2027年初發放。

克里斯蒂安認為，經驗豐富的FDE可以通過帶隊方式擴大整體勞動力規模。例如，完成10到15個成功部署的人，可能已經具備帶領五六人團隊的判斷力，並把在複雜客戶項目中積累的經驗傳遞下去。他把這種導師制視為一種擴大部署團隊的方法，而不必要求每個崗位都由頂尖工程師擔任。

但亨德森強調，複雜AI部署所需的客戶判斷力尤其難以培訓。她認為，技術能力可以通過訓練獲得，但工程師還必須具備處理真實客戶挑戰的經驗。她直言：「經驗沒有壓縮算法。」

從投資回報角度看，當前證據仍不足以證明AI支出已經兌現。部分早期部署案例顯示生產率有所提升，但尚未體現為財務回報。以房貸機構PennyMac為例，Caylent的FDE曾與產品經理和工程師合作開發一套AI賦能的抵押貸款服務平台；根據AWS提供的案例研究，某些工程任務的完成速度最高可提升6倍。另一項與通信合規軟件提供商Smarsh合作的項目中，案例研究估計該項目釋放了500萬至1000萬美元的工程和產品能力，可轉向其他工作。Caylent確認FDE參與了該項目，但這一數字並未單獨剝離FDE的貢獻，也不等同於現金節省。

Anthropic的大規模培訓計劃同樣尚未展示可量化結果。科菲爾德承認，現在評估成果還為時過早，公司未來將跟蹤學員項目進入生產環境的速度，以及這些系統被使用的廣度。對於整個AI行業而言，真正的考驗在於：這支不斷擴大的「落地軍團」，能否幫助企業拿出足以證明前期鉅額投入合理性的投資回報。