核心内容总结
FDE（Field Delivery Engineer，现场交付工程师）是AI时代帮企业把AI技术落地的关键角色：一边是大厂和大模型公司抢着招人（年薪40-80万，门槛放宽到应届生），另一边是实际做项目的人面临利润薄、回款慢、获客难等痛点。不同从业者对FDE的定位看法不一（有人认为是咨询+交付的新角色，有人觉得像换了名的外包），但核心都是“用AI解决企业真实业务问题”。未来这个岗位可能会分化或换名字，但帮AI落地的需求会一直存在。
一、FDE为啥突然火了？——AI落地离不开“翻译官”
AI技术再牛，企业不会用也白搭。FDE的火，本质是“AI技术”和“企业需求”之间的 gap 催生的：
- 大厂需要“保姆”：过去大厂卖模型、算力，但客户拿到手不会用（比如传统企业没AI团队），项目跑不起来就收不到钱。所以大厂招FDE，帮客户把AI真正用起来，保住标杆项目。
- 企业需要“向导”：传统企业知道AI重要，但不知道从哪下手（比如玩具贸易公司想优化库存，却不知道AI怎么帮）。FDE就是帮他们找方向、设计方案、落地执行的人。
- 薪资诱人：岗位要求复合能力（懂AI+会沟通+理解业务），所以年薪给得高（40-80万），甚至应届生也能进——毕竟AI原生一代（从小接触AI）天生有优势。
二、做FDE的真实苦逼：钱少活累还操心
招聘市场热归热，实际做项目的人却满肚子苦水：
- 成本高，利润薄：驻场、差旅自己掏腰包，客户一句“改一下”就拖验收，每天都在花钱却不知道啥时候收尾款。很多项目做完，利润几乎没剩下。
- 回款难：国内企业大多只看结果，前期梳理流程、治理数据这些“看不见的工作”很难收费。验收时如果效果和预期有偏差，客户就拖着不签字，尾款泡汤。
- 获客难：Athena（日本团队）说，投入最多精力的是找客户——企业不信任小团队，担心数据安全、AI能力边界，得靠案例和内容慢慢建立信任。
- 扯皮多：申悦（前大厂产品经理）在国企做FDE时，大部分时间都在和各部门开会扯皮，梳理流程比写代码还费时间。
三、FDE到底是啥？——千人千面的定位
不同人对FDE的理解完全不同：
- 陈宏（金融行业FDE）：是“咨询+软件交付”的新角色。不是简单做外包（客户知道要啥才做），而是帮客户找方向——比如企业想优化CRM，FDE要想到“让AI帮销售提高成交率，销售才愿意填数据”，而不是单纯加AI功能。
- Athena（全球团队）：是“售前+产品+工程师”的结合。核心是“解决真实问题”——比如玩具公司库存优化，她没重做系统，而是在现有基础上加了AI Agent，让员工不用改习惯就能用。
- 申悦（国企项目）：像“换了名的外包”但又不全是。国内项目往往合同没签就进场，帮客户把模糊的想法变成落地方案，比国外FDE（签合同后才开发）更前置。
- 国内外差异：硅谷FDE服务大企业（单子几千万美元），要求高；国内更多服务中小企业，偏交付+咨询，成本更低更灵活。
四、想转FDE？这些能力你得有
不是谁都能做FDE，核心是“复合能力”：
- 技术+业务+沟通：要么咨询顾问学AI技术，要么工程师学业务和沟通（比如陈宏从LLM工程师转来，申悦从产品经理转来）。
- 行业沉淀：垂直行业更吃香。陈宏只做金融，因为行业越垂直，越容易沉淀方法论（比如金融的VC/PE流程），形成竞争壁垒。
- AI意识：应届生机会大——他们是AI原生一代，思考问题先想“这事AI能不能做”，稍微培养就能成为传统企业的AI改造“超级个体”。
- 抗压能力：项目周期长、客户需求变、回款慢，得扛得住压力。
五、FDE的未来：名字会变，但核心不变
FDE不会一直是现在的样子，但帮AI落地的需求永远在：
- 分化趋势：未来可能分成两类——一类负责需求梳理和方案设计（比如叫FDE Echo），另一类负责开发和实施（比如叫FDE Delta）。
- 形态演化：最终会变成AI咨询公司，或者和SaaS服务融合（比如Athena的团队用订阅模式，持续维护系统）。
- 核心不变：不管叫什么名字，本质都是“把AI翻译成企业听得懂、愿意买单的解决方案”。技术趋同后，拼的就是落地能力——谁能帮企业真正解决问题，谁就有价值。
总之，FDE是AI时代的“桥梁”，一边连接技术，一边连接业务。现在是转型的窗口机会，但想做好，得扛住苦，练会复合能力，沉淀行业经验。未来它可能换个名字，但永远不会消失——因为企业永远需要有人把技术变成实际价值。