分类： 未分类

Snowflake，雪花。它的生意，一句话能说完，计件；客户在数据上干的每一件活，查一次，存一天，算一遍，都记在它的账上。机器按秒跳字，停了就不花钱。

官方算过一个账，一家公司一个月一万零四百美元，八成六花在算力上。就靠这门计件生意，它做成了千亿美元的公司。

这一路并不顺；2023年，客户集体学会了算账。一批专帮公司省算力钱的第三方冒了出来，有人把省钱的招数写成了公开手册。

客户在账房省下的每一块钱，都记在它的报表上，增速一年下一个台阶，股价从401美元跌到107，七成没了。

2026年1月，市场又补了一刀。AI 都会自己干活了，还要软件干什么，那些天，软件板块蒸发掉一万亿美元。它从270多美元，一路砸到4月的 118。

故事在这里反转。

AI 没减少它的活，反而在制造活。一个任务拆成好几段干，每一步都记一笔。最新财报，产品收入增速回到37%，管理层说，两个季度加回来7个点，差不多一半是 AI。

从118的低点，股价一路涨回330上下。美国最大的设备租赁公司United Rentals，一千六百多个网点，员工现在直接对着数据问问题。它的活，真的变多了。

市场这才想明白，被砸得最狠的那批软件，按人头收钱，它按动作收钱。两种公司，曾被装进同一个篮子，分错类的，是编篮子的人。

行业里88%的智能体项目，还走不出试用期，这仗才刚开锣。它把注押在下一个问题上，智能体干活，账记在谁家。

它和客户共用着同一块表，它收多少，客户就掏多少。这本账，还得一起记下去。

---

本文转自今日头条，作者：王智远（头条精选作者 / 优质科技领域创作者）。

原文链接：https://www.toutiao.com/w/1876182504056835/

一、核心命题
FDE（Forward Deployed Engineer，前线部署工程师）是AI时代重新走红的角色，内核只有一句话：接住”从模糊问题到生产结果”的责任，并把单点经验回流到产品。模型越强，企业反而越需要人去一线——因为”模型会做”与”业务做成”之间，隔着组织、权限与责任。

二、历史脉络（前世）​

• 系统分析员：大型机时代便承担”业务↔技术”的翻译，是FDE的功能祖先，但长期散落在售前、实施、咨询、客户成功等多岗位。
• Palantir再造：面对情报/政府客户，需求无法预先写清，工程师必须”进去”。Palantir用可配置平台+现场适配，以Echo（找问题）、Delta（做系统）分工，并用Ontology统一业务对象，把”现场往返”固定为产品策略。
• SaaS的逆过程：过去二十年标准化浪潮要求工程师远离客户、靠文档交付；大模型时代Agent能跨系统行动，最后一段工作无法再交还给文档。

三、短期反而更忙（反共识一）​
模型提升减少了技术杂活，却打开了更多企业敢自动化的流程；原型变快→任务变多→风险上升，评估、权限、回退、采用一个都不能少。OpenAI已单独成立Deployment Company，证实前线需求缺口扩大。

四、如何判断一个岗位是不是FDE（四件事）​

1. 结果责任（对上线、采用、业务结果负责）
2. 生产工程（直接构建维护系统）
3. 持续共创（贴近真实工作，非仅驻场时长）
4. 产品反馈（重复问题回流平台）
   四者连成”责任链”，工牌名称不重要。

五、落地路径与组织困境

• 企业AI项目：模糊需求→PoC（暴露问题而非汇报）→评估集→有限生产（身份权限、日志回退）→采用验证→经验复用。
• 一线阻力：员工视外部团队为”优化岗位者”，风险分配（老板/技术/操作三方）才是关键，需小范围对照建立信任。

六、中国市场现状
职位名称刚集中出现，易造成”无需求”或”大市场”两种错觉；薪资从9千到8万悬殊，报价19万与2000元并存。呈现三种形态：原厂团队、企业内部AI小队、垂直服务团队，均存在退化风险。

七、职业真相与未来

• 高薪只属于少数能担高价值结果者；市场给”结果责任”溢价，不给”缩写”溢价。
• 最好的FDE减少自身存在感——把重复交给产品、运营交给客户（反共识二）。
• 最终FDE会被拆回组织：业务专家、应用工程师、评估、安全运营共同承担，但”前线发现、生产责任、产品回流”三项责任长存。

八、企业自测
采购前问四题：问题是否重要且模糊？生产环境是否复杂？组织是否愿投入？经验能否复用？四者叠加，FDE才比标准软件更有价值。