40亿美元，可以买数万张英伟达算力卡，可以大量挖角全球顶尖AI科学家，OpenAI近期却用来收购一家公司，该公司的核心资产，在于拥有150名FDE（前沿部署工程师）。
FDE同样是Anthropic、谷歌等美国AI公司正大手笔押注的战略资源。面向职场的知名社交平台领英数据显示，近两年，全球对FDE岗位需求暴涨40余倍。
这个硅谷最火职业，上海也有。
据记者了解，上海交通大学人工智能与微结构实验室主任李金金教授，率先将FDE概念引入上海，并推动上海开设了全国首个FDE培训班。与此同时，她作为创始人的金珵科技，现有FDE30人，是目前国内第一支已跑通流程制造和离散制造数十个场景、实现AI模型在工业领域规模化部署的队伍。
李金金教授（左）与她的FDE团队。
模型和工厂间，需要破壁人
FDE，Forward Deployed Engineer，20多年前由美国数据公司Palantir发明。当年，因客户数据高度机密但又讲不清具体需求，Palantir干脆把最贵的工程师“下放”到客户现场。
Palantir公司发明了FDE。
20多年后，小众职业翻红，其核心原因在于，AI模型越来越强，模型落地却未因此变得越来越多——麻省理工学院媒体实验室发布的报告《生成式AI鸿沟》显示，2025年，全球在生成式AI上投入资金的企业，95%的回报为零。
而企业痛点依旧存在。
比如大型能源装备企业，其核电汽轮机转子作为机组核心部件，容错率极低，锻造热处理环节一旦过热或出现隐形裂纹，整件报废，损失千万元起步。
又如，精密铸造领域的非标零部件，要靠上百款刀具轮番作业、在数控机床上切削成型。选哪些刀具、用刀顺序、下刀角度、用时等，都需选刀工程师事先周密设计。资深刀具生成师一跳槽，企业抓瞎。
选刀师傅对企业而言极宝贵。
这些具体而个性化的问题，模型厂商不会懂；工厂满肚子苦水，却不知AI能帮什么、怎么帮。
由此出现一道鸿沟，需要一位破壁者，扎根现场，改代码、做验证，两边传话，集成调度。
FDE正是这样的角色。
00后任翌霏，是金珵科技女性FDE的代表。她毕业于上海理工大学电子信息专业，2025年入职，任李金金助理，常提着行李箱说走就走，奔赴新疆、内蒙古、宁夏等地。她的任务，是将李金金团队历时十年打造的“ManuDrive工业时序控制通用大模型”真正嵌入制造业，验证AI接管产线、超越人类的能力。
刨根问底，还要破“想当然”
这位26岁女生，曾在40度发酵罐旁待了数月。
小任部署的第一个项目，是上市公司川宁生物位于新疆的全球抗生素中间体最大单体发酵罐。硫红、青霉素等抗生素中间体，都是在四五层楼高的罐内发酵而来。发酵是一个有着上百个变量、持续近两周的巨复杂过程，过去靠老法师24小时值守，凭经验来转阀门、拨仪表、调参数。5吨成品，是500吨发酵罐的产出天花板。
川宁生物发酵罐实景，人（右）很渺小。
老师傅凭经验来转阀门、调参数。
当年任翌霏一头扎入雾气重重、近40摄氏度的发酵车间，每天数小时，连续数月，大量时间是与工厂老师傅反复“拉扯”，旨在搞懂产线逻辑，既听懂“放罐10亿”（代表一罐总产物效价）等行话，更深挖老师傅那些“凭感觉”的手势背后的真正依据。
她的核心任务之一，是将这些工业数据、隐形经验，最大限度喂给AI，并确保数据的语义与AI的理解完全对齐——这是模型能否精准落地的关键。
在谈及发酵某环节的pH值时，老师傅说，“4到6都行”，她非要追问：4、5、6分别对应什么状态？怕老师傅嫌烦，她主动帮买饭、打下手，就为多抠出几个细节。
这些追问至关重要。李金金告诉记者，在实际制造业现场，老师傅对工艺的描述比想象中粗糙得多，大量关键细节被忽略。
“语料决定了模型能力的上限。工厂总抱怨，发酵中的黄金批次（指同一种工艺下某次发酵的各项指标显著优于其他批次的完美批次）是一门玄学。但我们的实践证明，你喂入的数据越细、维度越多且越准确，AI就越能提取到高维特征和解决方案，让发酵批批都是黄金批次。”
任翌霏（右）在高温高湿发酵车间。
驻扎现场的FDE，不仅要刨根问底，还要破老师傅的“想当然”。
微生物多吃葡萄糖，发酵就更充分，这是老师傅们的普遍认知。但当FDE把追问来的更多数据告诉大模型，AI却得出反常识——葡萄糖加到一定高位后，产能不升反降。
FDE选择相信AI。因为必须承认，对超复杂变量的计算和综合分析能力，AI超越人类。
经FDE反复喂给、对齐、调优，“生物发酵AI工程师”成功预测未来数百小时的发酵曲线，精准度99.9%。川宁生物董事长当场拍板：让AI接管发酵罐。
一个月后，产能提升5%，比过去5年进步总和还多。
一个人面对“千军万马”
迄今，任翌霏已深度参与和驻场7个项目，覆盖生物发酵、水务处理、石油化工等领域，客户清一色行业巨头、上市公司。
金珵科技为一个项目派出的FDE阵容，最奢侈不过3人。大部分时候，FDE单兵作战。
任翌霏就曾多次独扛，在客户偌大的会议室里，与成百上千人开会对接、商议部署。下到真实产线，又要应对各种复杂与突发状况。
Palantir公司对FDE有一段经典描述——普通工程师用一个能力服务所有客户，FDE为一个客户动用所有能力。
的确，FDE有着很高的含金量，将算法工程师、软件工程师、售前顾问、产品经理、解决方案架构师等角色，全浓缩在一个人身上。
FDE是高复合型人才。
任翌霏告诉记者，当现场的数据颗粒度太粗，就需要锲而不舍地追问打磨，实现数据治理；当模型算法在某些工况下效果不稳，就必须与客户充分沟通，快速定位问题，并联动公司内部算法产品进行微调；数据对齐往往要经历数十轮，协同沟通的方法效率以及耐心细致尤其关键。
“早期开荒阶段，无现成标准和可复用模板，每一步都得自己蹚路，这种孤独感最磨人。”任翌霏说。
但快乐也恰源于此。“当你耗时六七个月从零搭建的体系终于跑通，当你看到第二个场景的落地周期只需一两个月，再到现在成熟场景一周就能部署完毕，这种前人栽树、后人乘凉的成就感特强。”
如今，任翌霏正以亲身经历，鼓励更多人加入。她有三条建议：
打好技术底子，但别只盯着技术。FDE的核心竞争力是技术+业务+沟通的复合能力；
入行初期别怕吃苦，把一个全流程项目从0到1跟下来，比看10份文档都管用；
FDE是多方信息枢纽，要重视沟通协同能力。很多时候项目卡壳不是技术问题，而是沟通不到位，倾听、结构化表达、平衡多方利益，这些软实力决定你能走多远。
任翌霏说，FDE不能急于求成，前三年打基础，吃透体系后，成长曲线会非常陡峭。“四五十万元常规年薪、顶尖的年薪百万，都是真实存在的。”
上海有“3+3+3”培养方案
记者从上海市经信委人工智能处获悉，目前全市层面，FDE人才还处于培育阶段。
少数企业自发“长”出FDE范式。如识渊科技，团队白天蹲在电路板产线旁采集异常样本，晚上回实验室迭代模型，电路板质检换线调机时间从过去数小时缩短至最快55秒。而振华重工的数字化业务工程师，采集了气保焊现场的大量多模态数据，正在研发“焊中缺陷AI识别”模型。
为加速破解模型落地瓶颈，上海已明确“3+3+3”FDE人才培养方案，面向三类人群——
一是面向国企及政府部门负责人，旨在提升战略认知和决策能力。2025年11月，首期FDE前沿部署工程师专题培训班正式开班，李金金是主要授课者之一。
2025年11月，首期FDE专题培训班正式开班。
二是面向现有产业工程师，推动他们向具备“业务洞察+咨询诊断+工程实现”复合能力的FDE转型。今年2月7日，转型工程师专班第一期已顺利开班，首期培训侧重智能制造、金融、医疗行业。
三是面向高校，持续将FDE理念融入高校课程，持续储备FDE后备军。
