在人工智能投入已耗资数十亿美元之后，大型科技公司如今又把重金投向“人”的一端：争相招募和培养前置部署工程师（forward deployed engineers，简称FDEs），希望借助这批兼具AI、软件和企业流程理解能力的工程师，把大模型真正嵌入企业系统，并证明AI支出最终能够带来可量化回报。#AI热潮：从芯片到资本的竞赛#

市场对AI经济模式可持续性的担忧本周明显升温，戴尔、CoreWeave、AMD和美光等多只AI概念和存储概念股短线承压。就在这一背景下，AWS已承诺投入10亿美元推进前置部署工程师计划，OpenAI推出了由超过40亿美元初始投资支持的部署业务，Anthropic则计划投入1亿美元，到2027年底培训1万名前置部署工程师；与此同时，埃森哲和谷歌云也在搭建一支1000人的相关队伍。

AI投入转向“落地能力”

业内人士认为，FDE正在成为AI商业化链条中的关键角色。这类工程师需要直接面对客户，处理既有技术系统、安全要求和组织障碍，把看似可行的AI实验转化为企业真正能用的应用。猎头公司Christian & Timbers创始人杰夫·克里斯蒂安表示，华尔街开始对那些“花了数十亿美元投入AI却没有业务结果”的公司失去耐心。

在AWS咨询合作伙伴Caylent，首席执行官瓦尔·亨德森指出，这一岗位远不只是技术活，最难教的是“客户情商”。她表示，工程师不仅要懂技术，还要理解客户和业务、处理组织内部动态，并在项目遇到意外问题时做出判断。

岗位需求和薪酬快速上升

劳动力市场数据也显示，FDE需求正在迅速升温。根据劳动力市场分析公司Lightcast的数据，美国FDE招聘职位从2023年不足200个，增至2025年约1200个，并在2026年前九个月超过7300个。同期，相关岗位的中位广告薪资达到19.5456万美元，较2023年上涨40%，并且是美国所有招聘职位中位广告薪资的三倍多。

Lightcast全球研究主管埃琳娜·马格里尼表示，需求快速增长和工资上升说明雇主正在争夺有限的人才池。不过，她也指出，FDE并非完全全新的岗位，其技能中约有一半与软件工程重叠，这意味着企业可以从更广泛的人才库中培养这类工程师。

咨询公司成为招聘主力之一。Lightcast统计显示，在2026年前九个月，德勤发布了872个独立FDE职位，埃森哲发布688个，谷歌发布499个，KPMG发布447个。需要注意的是，这些数据反映的是招聘广告数量，而非最终完成的录用人数。

AWS、OpenAI、Anthropic各走不同路径

AWS正在内部搭建自己的FDE组织，既从亚马逊和AWS内部调配有经验的工程师，也对外招聘。AWS前置部署工程副总裁阿萨·卡拉瓦德表示，公司起步阶段就会动用数百名工程师。她说，AWS之所以现在投入10亿美元，是因为客户需要这种“亲手帮助”，把AI投资快速转化为结果。

OpenAI则采取更广泛的企业部署策略。除获得40亿美元初始投资支持外，该公司今年早些时候还同意收购应用AI咨询和工程公司Tomoro，预计将为其带来约150名有经验的FDE和部署专家。

Anthropic的做法则更偏向培训客户和合作伙伴内部的人才。该公司通过Claude Frontier Academy，计划到2027年底培训1万名FDE。首批驻留项目学员来自埃森哲、贝恩、凯捷、澳大利亚联邦银行、德勤、麦肯锡、摩根士丹利和诺和诺德等机构。Anthropic全球业务发展与合作负责人史蒂夫·科菲尔德表示，AI技能缺口影响所有客户和合作伙伴，因此这是一个“市场问题”，公司愿意帮助弥补这一缺口。

埃森哲与谷歌云也在联合打造1000人的FDE队伍，并部分依靠再培训有经验的软件工程师来从事面向客户的AI部署工作。埃森哲FDE和软件及平台工程负责人拉姆·拉马林甘表示，现实情况是，经验丰富的FDE不可能按客户需要的规模直接招聘到位。根据背景不同，埃森哲的FDE培训和入职流程通常需要30至90天，而且参与者本身已具备较强的软件工程经验，项目目标是补充专门的部署能力，而不是从零培养初学者。

培训能否转化为回报仍待验证

Anthropic的培训模式借鉴了医学教育。其Frontier Deployed Engineer Residency会把有经验的工程师与实践者配对，并通过真实的企业部署案例进行评估。科菲尔德表示，公司将这一驻留项目设计成类似医学培养医生的模式：学员先向执业工程师学习，处理真实案例，经过评估后再在自己的公司中独立实践；随后，他们还会在Anthropic工程师的指导下，针对Claude项目接受12周辅导。首批完整资质预计将在2027年初发放。

克里斯蒂安认为，经验丰富的FDE可以通过带队方式扩大整体劳动力规模。例如，完成10到15个成功部署的人，可能已经具备带领五六人团队的判断力，并把在复杂客户项目中积累的经验传递下去。他把这种导师制视为一种扩大部署团队的方法，而不必要求每个岗位都由顶尖工程师担任。

但亨德森强调，复杂AI部署所需的客户判断力尤其难以培训。她认为，技术能力可以通过训练获得，但工程师还必须具备处理真实客户挑战的经验。她直言：“经验没有压缩算法。”

从投资回报角度看，当前证据仍不足以证明AI支出已经兑现。部分早期部署案例显示生产率有所提升，但尚未体现为财务回报。以房贷机构PennyMac为例，Caylent的FDE曾与产品经理和工程师合作开发一套AI赋能的抵押贷款服务平台；根据AWS提供的案例研究，某些工程任务的完成速度最高可提升6倍。另一项与通信合规软件提供商Smarsh合作的项目中，案例研究估计该项目释放了500万至1000万美元的工程和产品能力，可转向其他工作。Caylent确认FDE参与了该项目，但这一数字并未单独剥离FDE的贡献，也不等同于现金节省。

Anthropic的大规模培训计划同样尚未展示可量化结果。科菲尔德承认，现在评估成果还为时过早，公司未来将跟踪学员项目进入生产环境的速度，以及这些系统被使用的广度。对于整个AI行业而言，真正的考验在于：这支不断扩大的“落地军团”，能否帮助企业拿出足以证明前期巨额投入合理性的投资回报。