35岁的程序员，正在迎来一个有点反常的黄金时代。

先讲一个事实：在中国互联网大厂，35岁这档口，通常意味着倒计时的开始——晋升变慢，成本变高，精力不再被默认充沛，技术经验也未必能换来更高溢价。但AI时代冷不丁地推翻了这个剧本。

现在，这群人不再只是坐在工位上等需求、写代码、修Bug。他们被派到客户现场，和业务人员一起打卡、一起开会、一起拆解流程，把老板口中那句略显空泛的“能不能用AI提效”，变成一个个真实可用的智能体。

扛起这个责任的，是一个从硅谷传来的名字：FDE（Forward Deployed Engineer），前沿部署工程师。

在大洋彼岸，这已是AI圈最炙手可热的岗位之一。OpenAI和Anthropic几乎同时押注FDE模式，并陆续成立了数十亿美元级别的企业AI服务公司。LinkedIn的报告更直白：2023年至2025年，FDE相关岗位需求狂飙了42倍。

这股风当然也吹到了中国。打开招聘平台看看，字节跳动“豆包AI大模型FDE”月薪3.5万至7万元，15薪；蚂蚁数科B端FDE月薪4万至6万元，15薪；智谱华章FDE负责人岗位月薪直接开到6万至8万元。数字很扎眼。

过去两年，AI行业的主角是模型。但现在的故事，绕回到人身上了。

人重新变贵，更像一个信号：AI大厂的商业化，正从“卖产品”转向“卖结果”。而那些曾被年龄焦虑包围的资深程序员，如果既懂代码、又懂业务、还愿意出差，反而站到了企业AI落地的入口。

一、客户要结果，FDE像带着名校生入企的“工头”

企业现在对AI的热情绝对不低。但一到落地环节，所有人都会卡住。老板只有一句话：“用AI提效”，但背后根本没有清晰的需求。

这时的AI，就像一批刚毕业的顶尖名校生：头脑聪明，但进入企业后完全没法立刻上手。FDE就是那个带着它们入职的人。

作为AI时代的人肉接口，他得把“数字员工”安放进企业，教它认识老板、理解业务、遵守权限、少说胡话，并且真正开始干活。

更要命的是，如今AI智能体被直接理解成“数字员工”，企业的耐心也就跟着变了。如果你是老板，会给一个新员工3个月的培训期吗？显然不会。你只会默认它应该更快上岗。最好：两周能跑，四周见效果，下个季度能复制。

所以这个岗位很不好招人，一点也不奇怪。

今年3月刚从大厂研发岗转做FDE的程序员阿即告诉我们，FDE需要的是“六边形战士”。技术上要懂数据、系统、代码；业务上要能听懂现场问题；组织上要能穿透部门墙；交付上要对最终结果负责。“技术强的人，往往更想做纯研发，不愿意长期出差。偏业务的人，又不太能处理AI项目里的模型、数据和系统问题。”阿即这么总结。

而另一家新锐AI企业服务公司Rolling AI，则想找的是天然具有商业sense的年轻人。比如出身于小生意家庭、从小耳濡目染的；比如白手起家、没有背景，但天生有极度敏锐的好奇心、喜欢蹲在一线观察的。

也就是说，FDE看重的未必是年龄和资历，更多是一个人解决问题的自驱力和思维敏锐度。不过，年轻的天赋者确实难寻，但懂人性、能沟通、能架构的35岁大厂研发人员，市场上有一大把。过去，他们的尴尬在于，比不上年轻人能熬夜，也不一定愿意继续做重复开发。但当AI能承包90%的代码后，那些5到10年经验积累下来的、曾经被认为不够“酷”的能力，反而变得更外显、更稀缺了。

二、新岗位、大公司、热钱，和一群摸着Palantir过河的中国信徒

去年开始，阿里、百度、字节几家大厂的几个业务部门，悄悄对一家公司展开了密集调研。这家公司叫Palantir，2003年创立，最早服务美国情报与国防机构，后来拓展到制造、金融、能源、医疗等商业市场。它对FDE的定义颇为经典：传统研发是“为很多客户做一个能力”，FDE则是“为一个客户启用很多能力”。

2025年，Palantir的市值一度逼近5000亿美元，股价涨幅比英伟达还要陡峭。截至2026年7月3日美股盘中，它的动态市盈率约145倍，远远超出了一家普通软件公司应有的溢价。市场赌的就是它将成为“企业AI操作系统”。

这家如今已被中国AI服务大厂视为教*父的公司，2026年Q1总收入16.3亿美元，同比增长85%。其中大部分来自美国政府的大单——美国陆军给了它一个100亿美元的10年服务协议，用来采购商业软件产品；五角大楼Project Ma ven AI系统的合同上限，也在2025年提高到了13亿美元。

Palantir还有一个被中国AI服务商反复研究的增长机制：AIP Bootcamp，一种与用户共创的工作坊。官方的说法是，客户可以在5天内从0走到一个用例。过去，To B销售离不开PPT、招投标、POC（开发前的概念验证）以及漫长的试点周期。一个数字化项目上线，时长通常以年计算。但现在不一样了，客户不再相信“未来可以怎样”，客户要看的是“下周能不能跑起来”。

新岗位、大公司、热钱，一批中国公司开始争相希望成为“下一个Palantir”。

目前有四类玩家几乎同时进场：

①云厂商和数据智能平台。这是最像Palantir、也最急的一类。阿里云、瓴羊、百度智能云、火山引擎、腾讯云、华&为云，对模型的投入非常确定，但眼下迫切需要收入。这些大厂的AI商业化，底层都绕不开云、模型调用、数据平台和Agent平台。客户买了云、模型、平台之后，只有真正消耗token，他们才能挣钱。

阿里是最典型的例子。2026财年第四季度，阿里云收入416.26亿元，外部收入同比增长40%，AI相关产品占外部收入30%。阿里预计一年内AI将成为云业务主要增长引擎，贡献超过50%收入。但客户不会为了烧Token而烧Token。只有当Agent进入销售、客服、营销、供应链、财务、门店经营等核心流程，调用量才会稳定发生。

旧引擎广告正在熄火的百度更急。2026年Q1总收入同比下降2%至321亿元，在线营销服务收入（也就是广告业务）同比下降22%至126亿元。但AI云收入同比增长79%至88亿元，它需要靠一个新故事来对冲旧业务的下滑。

字节和腾讯也在下场。字节跳动的“豆包AI大模型FDE”岗位挂在火山方舟MaaS下，要求面向行业头部客户，深入理解业务场景，完成从方案设计到代码实现的全流程。腾讯云则在面向汽车行业招聘“AI交付方案工程师（FDE方向）”，要求依托大模型、Agent、多模态、知识图谱等AI技术，为车企设计端到端解决方案。

华&为走的是另一条路。它没有把这件事包装成硅谷新职业，更像是“行业军团+伙伴生态+解决方案专家”的中国政企版本。华&为云强调以行业智能体为中心，称已助力30多个行业、2600余家企业，在500多个细分场景落地AI应用；华&为政企业务则投入5000多名“行业+AI”专家做训战赋能。

②大模型和Agent平台公司，比如智谱华章、MiniMax、零一万物等。它们有模型、API和开发平台，但过去离企业业务有一定距离。MiniMax已经在招聘“大模型售前解决方案专家”，这是FDE的一种变体；零一万物则由李开复自己牵头，从头部咨询机构招募、搭建战略咨询团队，和行业龙头企业一起“找场景、调模型、搭应用”，并称自己具备从战略咨询到平台落地的全链路服务能力。

③企业软件和行业数字化公司，本来就嵌在ERP、CRM、营销SaaS和供应链系统里，最容易把原来的实施团队改造成AI版的FDE。

④转型的咨询公司和AI原生服务公司，则擅长进入现场、梳理流程、推动组织变化。

这也是中国和硅谷之间最大的差异所在。

OpenAI和Anthropic押注FDE时，合作方包括高盛、软银、麦肯锡、贝恩等投资机构和传统咨询公司。AI公司有模型，投资机构有成批的被投企业，咨询公司有转型方法论，三方合力将AI落地变成一条工业化生产线。

但中国公司们急着做FDE，动机远不止赚一点咨询费。它们真正想要的，是抢夺企业AI的入口。

因为企业一旦把数据、知识库、权限体系、业务流程、Agent平台接到某家大厂的底座上，迁移成本就会变得非常高。谁先帮企业把AI跑进流程，谁就更可能成为这家企业未来的默认供应商。

FDE，就是那个有本事把小切口做成大底座的人。

三、中国现场需要的不是标准答案，是街头智慧

中国企业AI落地，真正有意思的地方在于环境的复杂性：变化太快，大量有效经验根本不在企业的标准操作手册（SOP）里。

举一个连锁零售行业的例子。某家连锁超市里，大规格酸奶卖得不好，高端酸奶却卖得非常出色。总部如果只看数据，很可能会误判门店位于高端社区。但只有店长心里清楚：门店周边有另一家更大规模的超市，平价酸奶价格更便宜，但对方并不卖高端酸奶。于是店长选择了错位竞争。这种洞察，就是AI需要学习的“街头智慧”。

再来看医药行业。2025年，中国规模以上医药制造业营业收入同比下降1.2%；在集采、医保控费、反腐和合规监管持续推进的大背景下，过去靠价格、渠道或灰色空间驱动增长的方式，越来越走不通。

一家大型药企发现，在整体承压的环境下，福建销区却持续高速增长。高管下去一看，发现这支团队并不是“更会卖药”，而是“更会创造医生侧的专业价值”：有些医生希望走进高校讲课，有些医生重视科室指导，于是医药代表就主动成为医生与高校、医院与医院之间的撮合方。通过利他来实现利己，最终带来商业结果。

阿间接到的任务，就是把类似的优秀实践，通过AI复制到更多销区。这些优秀样本往往需要企业一把手自下而上地挖掘出来。但更多时候，AI必须先去学习一线智慧。

这件事难就难在，它不是写一套SOP就能解决的。真正有效的经验往往是半隐性的：这位医生为什么愿意参与？医药代表说话的分寸在哪里？哪些动作合规，哪些动作越界？所有这些问题，都需要FDE亲自下到现场，把黑话、流程、数据、权限和组织关系揉在一起。

阿所在的FDE团队花了4个月，才正式为客户上线了一个让医药代表们能实际使用的智能体，这已经算是相当长的时间了。但其中有整整一个月，是花在理解业务术语和“黑话”上的。

四、企业AI的终点，是一群FDE进场，吗？

FDE会一直这么贵吗？未必。

OpenAI的高管们也承认，FDE模式具有明显的过渡性：目标不是永远替客户做事，而是帮助客户穿过最复杂的早期阶段，最终让客户能够自我运转。

FDE就像建筑工地上的脚手架。没有脚手架，一栋大楼很难拔地而起；但一栋真正建成的高楼，不应该永远挂着脚手架。

说到底，企业用AI的难点，无非是四件事：企业自己都不知道真正想要什么；数据没法直接用；真实的流程和文档里写的是两码事；Agent不是上线就结束，而是上线后才刚刚开始。因此，FDE出现的本质，不是因为“企业需要更多程序员”，而是企业AI一旦进入真实业务，就需要有一个人来充当翻译。

对35岁程序员而言，这当然不是一种普遍意义上的救赎。不是每一个被年龄焦虑包围的人，都能靠着FDE拿到百万年薪。它只是让那些年开过的会、踩过的坑、背过的锅、修过的祖传系统，统统变成了一种新能力。

听起来难免有点黑色幽默。

但AI时代并不只奖励那些年轻、便宜、能熬夜的人。最懂混乱的人，可能真的会先涨价。