什么是 Forward Deployed Engineer？以及为什么所有人都在招他们

PostHog 发文解析 Forward Deployed Engineer（FDE）——一个正在被 AI 公司广泛采用的新兴角色。

什么是 FDE？

FDE 是嵌入客户团队的工程师，填补产品能力和客户需求之间的鸿沟。可能意味着：

• 在客户办公室工作数周
• 直接加入客户的 Slack workspace
• 访问客户实际基础设施进行 onboarding 和 implementation

这个角色起源于 Palantir——他们发现即使简单的 demo 也可能需要数周的 NDA 和安全审查。于是发明了「工程师前置部署到客户现场」的模式，与客户并肩工作做产品发现和开发。

为什么 AI 公司都在招 FDE？

1. 填补模型能力与应用层之间的鸿沟

Palantir 七年 FDE 老兵的说法：

AI 公司有一个 FDE 特别适合解决的问题。基础模型能力和企业应用场景之间存在鸿沟，FDE 模式是一种有效的方式来做 R&D 工作， figuring out 应用层。AI 公司有模型，但需要搞清楚到底要用模型建什么才能打入大型企业和公共部门。

2. 数据信任问题

公司不愿意把客户信息、财务记录、专有数据交给供应商——尤其是 AI 用途。FDE 获得直接处理这些数据的权限和长期访问，因为合同是针对产品而非服务。

3. AI 交易金额巨大

六、七、八位数的交易。当 AI 公司收这么多钱时，他们负担得起派工程师 onsite 数月确保产品按预期工作。过去是顾问做这种工作，但 AI 公司愿意承担财务成本来确保更好的合同和获取一手知识。

4. 「看到才相信」

大多数人——尤其是传统公司的高管——还不完全相信 AI 的实用性。销售电话和 demo 不够。FDE 通过与客户一起做工作直到看到真实数据和真实结果来 bridge 这个 gap。

FDE vs 软件工程师

Palantir 早期高管的比喻：FDE 铺碎石路——产品需要走向哪里。核心产品团队的软件工程师把碎石路变成高速公路，让接下来十个客户也能用。

FDE 的日常

以 OpenAI 为例：

1. 与客户开会理解问题
2. 按需求设计、编写、测试软件
3. 配置现有产品（AI 模型、稳定性改进）解锁客户功能
4. 向总部产品团队反馈客户需求

随着角色演化，FDE 的工作范围现在从产品开发到销售到 RevOps 都有。原始概念仍是实际 implementation 和 engineering，但在一些地方 FDE 更接近技术顾问或销售工程师。

招聘要求

• 5+ 年工程或技术部署经验，包含客户-facing 工作
• 客户同理心：谦逊、协作、乐于助人
• 优秀沟通能力：高管场合的代表能力
• 协作态度：与不同利益相关者进行 discovery、传达技术概念
• 可扩展影响：贡献加速器、框架和最佳实践，跨账户规模化影响
• 领域专长：生物技术、制药、临床研究等客户-facing 经验
• 热爱过程：喜欢混合工程、咨询和交付

Palantir 的 President/CTO 认为，「异端/反叛者」型的人最适合做 FDE——因为他们有独特的深度、上下文和能量，能为业务解锁 3-10 倍增长。

这也解释了为什么这么多前 Palantir 员工后来成了创始人——这些特质也是优秀创始人的特质。

什么时候需要 FDE？

不需要的情况：

• 标准的产品市场匹配 playbook 已经在工作
• FDE 模式从一个问题开始、赢得解决更大问题的权利，这可能需要数年
• 初始成本巨大

需要的情况：

1. 产品需要深度集成现有基础设施且利润率高（OpenAI、Anthropic、Cohere 正在做的）
2. 合规要求高的行业（医疗、金融、政府、国防）——FDE 可以专门化这些标准、审批和流程
3. 探索全新客户画像和 ICP——你不知道你不知道什么，FDE 嵌入早期客户理解空间

Ramp 的例子：最初为初创公司建产品，遇到满足企业技术挑战时增加了 FDE。

PostHog 的实验

PostHog 自称工具「开箱即用」，但「任何开发者 10 分钟能用」和「财富 500 公司能迁移整个分析栈而不花数月」是两回事。

他们招了第一个 FDE，但做 PostHog 风格：全远程、异步、聚焦自动化。用已有的大量使用数据代替从零开始的产品发现。这对传统 FDE 设置来说是个 weird experiment，但对他们有意义。

趋势判断

随着 AI 能力提升，人们对企业软件的期望更高。FDE 角色将增长和演化以满足需求。本质仍是产品工程问题——只是从「和用户交谈」变成「和他们一起工作」。