腾讯云架构师深圳同盟理事长钱勇。
这张架构师峰会上的海报形象地展示了AI的流行程度。
记者在一个活动现场看到很多小朋友在用Workbuddy写程序、搭工作流、做小游戏。
文、图/广州日报全媒体记者王纳 实习生谢培琳
近期，工业和信息化部办公厅发布《关于开展人工智能应用服务商培育专项行动的通知》，其中明确提到“鼓励服务商搭建前线部署工程师（FDE）团队，扎根用户现场，保障场景落地”。
半年前，钱勇号召AI从业者要给自己贴上“AI转型咨询师”的标签。再往前推，他辅导过大家成为“AI转型咨询顾问”“AI商业架构师”。到了今年8月，他最常推荐的职业定义变成了FDE——前沿部署工程师（Forward Deployed Engineer）。
这并不是换了不同工作，而是AI领域的职业本身跑得太快。作为腾讯云架构师深圳同盟理事长，钱勇告诉记者，这个源自硅谷的新岗位正成为国内外大厂争抢的对象。在海外，OpenAI、Anthropic、Google都在招聘，在Salesforce官网的招聘界面，搜索FDE岗位的招聘信息有1000多条。在国内，全国FDE专家交流大会8月5日在东莞滨海湾新区举办，国内同行第一次为这个新角色专门搭了台子。
如今，企业AI化的浪潮已经从“买模型”走到了“用模型”的深水区，而卡住大多数企业的，恰恰是最后那一段路。前沿部署工程师完成的就是AI落地的“最后一公里”，把AI从大模型中带出来，带到真实的产业中，让它去赋能企业的各个流程。
前沿部署师还是AI转型师？名字不重要，但它的工作很重要。而更重要的是，它像一个时代的风向标——AI已经不再是远方的浪潮，而是正在改变每一个岗位、每一个流程的现实。
名字在变，工作方式在变，评价标准也在变。面对这种变化，钱勇给出的答案很简单：先把AI用起来。
大厂在抢 央企在训
FDE到底有多火？
它最早由美国公司Palantir规模化推广，核心模式是派驻工程师进驻客户现场，将标准化的产品嵌入企业已有的系统与工作流中。在AI落地的浪潮中，这一模式被OpenAI等全球顶尖AI公司复制。
领英2026年发布的报告显示，2023年至2025年间，全球新增130万个AI相关职位，其中FDE需求增长42倍。国内的情况同样热闹，甚至出现了更高级别的“前线部署高管”（FDX）。
钱勇接触的客户名单能侧面印证这种热度。
他的客户从央企到民企都有，“有些公司的转型甚至是全员性的，一次性从全国调了100多个数据和AI专家，集训15天，目的就是把能力带回自己的业务一线当中。”其中，能源、通信、金融是他接触最多的热门行业。“每家企业都在往这个方向走，只是节奏不同。”他分享道。
钱勇观察到，在民企里面，规模在5000万元到几亿元之间的成长性企业，转型意愿特别强。“他们处于高速成长期，想要撼动行业里有市场地位的公司，就需要新的生产力结构，更渴望用AI拉高人均效率，跟竞争对手形成差异化。”
转型期或持续五到十年
钱勇把AI划分成两条线。
To C线（面对消费者）是爆发式的。记者在8月15日的腾讯云架构师峰会上看到，很多小朋友在用Workbuddy写程序、搭工作流、做小游戏，几乎是一学就会了。豆包、Kimi等各种AI工具几乎一夜之间普及了。
To B线（面对企业/组织）完全是另一个节奏。“未来5年、10年都会处于AI化转型的进程中，这需要一个过程。”钱勇说。
现在很多企业已经让员工用上了AI。有人拿它写文案，有人做会议纪要，有人整理表格，也有人尝试写代码。使用看起来很热闹，业务结果却未必发生明显变化。原因很简单：个人对话往往随着聊天窗口关闭而结束。一个员工知道怎样让AI写周报，不代表整个部门拥有了一套稳定的周报流程；一个人能临时分析供应商数据，也不代表企业获得了持续监控风险的能力。
所以，在钱勇看来，如果只是企业的每个员工都在用AI工具，但并没有影响组织的核心业务场景和流程，已经不能列入AI转型的阵营了。
他把企业AI转型的深度分成五个层级：
第一层是场景，比如信息化部门的程序员用了AI工具后，效率更高了；第二层是流程，AI智能体被纳入流程，把烦琐的、重复的工作环节，交给AI处理；第三层是组织，流程变了，组织架构必须跟着变；第四层是业务模式，有了AI之后，原来的做生意方式发生改变；第五层是AI Native模式，这才是最彻底的转型。
钱勇举了字节跳动的例子。飞书去年营收30多亿元，今年7月30日，字节跳动把飞书拆解了——研发部门并入豆包，销售部门并入火山引擎，飞书这么优秀的公司被拆解，这背后就是业务模式层面的变化。
大量企业还停留在第一层。麦肯锡2025年的全球调研显示，88%的受访企业已经在至少一个业务职能中常态化使用AI，但真正开始规模化推进的只有大约三分之一。
FDE在前线：跟着员工上一天班
那么，FDE到底在做什么？
钱勇用了一个对比。传统的IT工程师或项目经理，是在“等需求”——业务方提一个IT需求，他做需求分析，写成PRD文档，交给研发上线交付。
而FDE不是。“我会诊断你现有的流程和操作方式。比如从早上9点到下午6点，我跟着你看你一天的工作，最重复、最不愉快、最耗费时间的是哪个活？这个活能不能用AI替掉或增强？”钱勇说，很多员工自己都说不清楚想改什么，FDE要在一线跟他们共创，找到AI能提效的地方，用AI低代码的方式快速搭一个智能体，原型测试，就能有效进行生产化部署。
他引用了圈内流行的一句话：“谁来呼唤炮火，应该让听得见炮声的人来决策。”FDE就是那个被派到前线的人。之前的IT工程师在后方，一线提需求，他在后面写程序；现在FDE要去业务一线，不仅要懂AI技术、项目管理、程序开发，还要听懂业务的潜台词和门道，知道这些人工作中最痛苦的地方在哪里。
这个模式在行业里已经有了可复制的样本。
据猎豹移动公众号近日发布的内容，该公司今年做了一个项目：一家几乎没有员工接触过代码的传统企业，两个月上线了120个业务提效系统，覆盖供应链、招聘、销售、运营、市场、财务和行政，平均每个工作日有2到3个新系统上线。写出这些系统的人，恰恰是最不懂代码、却最懂业务的员工。
根据项目的总结，这背后的生产链有三个角色：业务员工掌舵——最懂问题的人第一次直接参与造系统；FDE护航——把业务原型送到生产环境，处理上线前的安全与稳定性问题；企业底座兜底——统一的模型入口、数据安全、权限管理和成本度量。
公司的三个系统最能说明变化。AI内容营销助手：过去短视频脚本靠人力堆叠，团队每天产15条。系统上线后，单日最高产能500条，一次批量生成50条，重合度低于10%。
供应链风险预警平台：过去数百家供应商靠人工抽查，覆盖率约30%，风险平均响应时间3天。系统上线后每家供应商都有动态风险评分，异常自动推送，监控范围100%，响应进入实时预警。
AI智能周报平台：自动汇总聊天记录、云文档、会议纪要、任务和日历，先生成初稿，员工微调确认即可发布。写周报从每周30到45分钟降到5到10分钟，AI初稿采纳率78%到85%。
从这个案例看，FDE补上的正是从“看起来能用”到“真的可以上线”的最后一段路。案例中有一句话，恰好可以作为这个职业的注脚：“120是启动指标，第121个才是能力指标。”上线多少个系统不重要，重要的是三个月后还有多少在使用，业务变化以后内部团队能不能自己修改，新需求出现时能不能继续做出“第121个系统”。FDE的价值，也许就在这里——他们不是来替企业写代码的，而是来教会企业自己“长出”AI能力的。
行动的人永远比观望的人走得快
企业要升级出AI能力，那人呢？
采访中，钱勇反复强调一个观点：受到AI冲击的是旧能力。
首先，AI的世界里永远少不了人的位置。“AI化时期会衍生新岗位——企业AI转型负责人、AI开发工程师、AI平台工程师、AI架构师、AI驾驭工程师。”他说，旧岗位的能力需要向新岗位迁移，人的能力和岗位职责需要更新。
更新之后，流程里仍然有人。钱勇用了一个英文词：“Human in the loop”——人仍然处于流程中。“原来的流程是人在系统里操作，现在AI化转型的核心是人和AI智能体都在流程里。原来人在这审批、在那填数据、在那做审核，未来很多节点可能变成AI代理，但提需求的节点在，结果确认的节点在，对结果负责任的节点在——人仍然需要承担责任。”
为什么人不能被完全替代？钱勇的答案很朴素：AI担不了责。
其次，AI对职业能力提出了新标准。“我们讨论35岁危机，大家都认为35岁已经不再是一条分界线了。”钱勇说，新的衡量维度是：你能不能很好地驾驭和使用AI工具解决真实的业务问题。
有业内人士说：“AI工具是一个月没学会感到焦虑，三个月没学会发现不用学了，一年没学会发现也没落下多少。”在钱勇看来也是如此，AI工具会越来越简单，未来真正珍贵的不是会不会用工具，而是人在用AI工具解决真实场景和流程中业务问题的经历、踩过的坑和积累的经验。
“你有实操经验，踩过坑，就会知道AI在工作中怎么配合最高效——这跟只看过教程、觉得工具越来越好用的人，水平完全不同。”钱勇的建议是：“早点下场，先行动起来，先把AI用起来。”
因为，行动的人永远比观望的人走得快。