霞光智库 2026 年 9 月发布 20 页《FDE 行业研究报告》：美国 FDE 在招岗位一年由 643 个增至 5330 个，中位薪资 19.3 万美元。 这份报告落在企业级 AI 与数据系统在真实客户环境里落地交付这一段：前置部署 Forward Deployed Engineer（FDE）是既写生产代码、又拆业务问题、还把现场经验反哺回产品平台的角色，报告给出的是这个角色的市场规模、薪资分位与三种商业模式之间的毛利率差。 报告全文 20 页，数据来源写明为 LinkedIn 与 Indeed 岗位数据爬取、Levels.fyi 薪资数据、NextWord Substack 行业报告、Palantir 与 OpenAI 官方公告、MIT NANDA 调研与行业访谈整理。报告标注日期为 2026 年 9 月，公开可下载时间在 9 月 22 日前后；川观新闻在 2026 年 9 月 28 日 16:42 发布了报道，并补充了脉脉的平台数据。 先说清与本站 2026 年 9 月 22 日那条的差异，避免重复读 那条基于猎聘大数据研究院 9 月 18 日的《2026 FDE 人才供需趋势洞察报告》，口径是中国招聘平台，给出的读数是平均年薪 40.8 万元与供需比 0.28。这份霞光智库报告的口径是美国招聘网站的存量在招岗位与 Levels.fyi 薪资，给出的读数是 643 到 5330 个、增幅 729% 与中位 19.3 万美元。两份报告在数字上没有一处重合，看过前作的可以直接从下面第一节看起。 一、需求侧：729% 与 45% 之间的 16 倍差 美国 FDE 在招岗位数从 2025 年 4 月的 643 个升至 2026 年 4 月的 5330 个，同比增幅 729%；同期 AI 工程师整体岗位增速约 45%，两条曲线相差 16 倍。全球同时在招 FDE 的公司为 565 家。 报告的判断是：这不是岗位改名，而是企业在「能把模型变成业务系统的复合型人」上新增的结构性需求。如果 FDE 只是 AI 工程师的新称呼，两条增速应当接近，而实际差了 16 倍，说明需求来自交付环节而不是建模环节。 需求侧的支撑数据是 MIT NANDA 的调研：300 多个企业 AI 项目里 95% 未产生可量化的利润影响，报告把这段缺口称作「最后一公里」，并认为它就是 FDE 存在的理由。 二、供给侧：1:2.7 的分母是估算，不能当实测读 美国在招 5330 个岗位，报告估算合格人才存量不足 2000 人，供需比约 1:2.7，人才缺口超过 60%。报告给的成因有四条：复合型能力门槛高，工程、业务、沟通三项要同时具备；培养周期长，从普通工程师到能独立交付需要 2 到 3 年实战；头部公司虹吸，OpenAI、Anthropic、Palantir 用高薪抢存量人才；高校没有对应专业，能力无法靠学历教育批量产出。 口径必须点明：2000 人这个分母是估算而不是实测，报告没有给出估算方法，也没有说明 5330 个岗位是否跨平台去重。供需比 1:2.7 只能当方向性判断，不能当精确的市场出清读数。 报告用一节讲「能力模型」：工程能力、业务理解、沟通协调、产品思维四项，其中工程能力被明确定义为全栈开发、系统集成、RAG 与评测搭建。报告强调这四项是乘法关系而不是加法关系，任何一项为零整体就为零，这解释了这个岗位为什么难招。 前置部署 Forward Deployed Engineer（FDE）团队读到 1:2.7 时，实际要做的判断是：报告给的培养周期是 2 到 3 年，外部直招比内部培养快但贵，中间这两年的缺口只能靠外来人补。 三、薪资：三档基本工资加一个总包，谈 offer 时别只比一个数 美国市场的薪资分布是三档：入门级 140K 美元、中位数 193K 美元、资深或头部 280K 美元以上，均为基本工资，不含股票期权与签约奖金；报告另注头部公司的总包可达 500K 美元以上。 报告给出的中国口径是：字节跳动 FDE 专家岗月薪 3 万到 5 万元、按 15 薪折算年包 45 万到 75 万元；阿里、腾讯、百度对标的 AI 解决方案架构师年包 50 万到 80 万元；创业公司与 AI 服务商的核心交付岗年包 35 万到 60 万元加期权。报告判断中国薪资约为美国的 40% 到 50%。 可直接使用的做法是：用 193K 美元做中位锚，用 140K 与 280K 分别卡入门档与资深档的上下界，再按所在城市的生活成本与股权比例折让，比拿一个总包数字互相比更可靠。如果对方只给一个总包数，要求拆成基本工资、奖金与股权三项再谈。 四、三种商业模式的毛利率差一倍，差别写在合同结构里 报告把玩家拆成三类并给出毛利率。第一类是平台加服务（Palantir）：AIP 平台订阅加 FDE 驻场交付，客单价百万美元级每年，毛利率约 80% 以上。第二类是模型加交付（OpenAI）：模型 API 加 Deployment Company 服务，客单价千万美元级每年，模型侧毛利高、服务侧毛利低。第三类是「人力外包」（咨询）：按人天收费，毛利率约 30% 到 40%。 收入结构拆解更能说明差别：一次性交付费占 30% 到 40%、持续运维费占 20% 到 30%、平台订阅费占 30% 到 50%，报告把「平台订阅」列为最优质的收入。单位经济上，报告给 Palantir 的人均年创收 50 万美元以上、净利润增速 225%，并把客户续费率超过 100% 当作平台黏性的证据。 这三组数字合起来是一条可执行的判断规则：同样卖 FDE 的人天，落在哪一类决定毛利。要走到 80% 那一档，合同里必须有一段可以续、可以按账号或按用量计的订阅收入，而不是全部做成一次性交付。反过来，如果一份交付合同的收入里有 90% 是一次性交付费，它的毛利率大概率落在 30% 到 40% 区间。 五、玩家规模与竞争力评级：报告对每一家都写了短板 报告给出的 FDE 规模是：Palantir 约 1000 名以上、OpenAI 约 300 名以上、Scale AI 约 500 名以上；埃森哲的 AI 团队为 30000 人以上，报告中 Anthropic 一栏标的 30000 人以上同样指埃森哲侧的联合交付规模，不是 Anthropic 自有编制；字节跳动处于扩张中，报告没有给数字。 竞争力评级是 Palantir 与 OpenAI 领先，Anthropic、Scale AI、埃森哲为强，字节跳动追赶。报告对每一家都写了短板：Palantir 扩张速度受限且定价高；OpenAI 交付经验尚浅、人才储备不足；Anthropic 依赖外部合作、交付质量参差；Scale AI 平台化程度低、盈利压力大；埃森哲技术深度不足；字节跳动海外市场受限。 六、四个案例给出的共同结论 Palantir 与美国陆军 TITAN：50 名以上 FDE 驻场，把 AIP 平台嵌进战场指挥系统，决策周期从小时级压到分钟级。报告没有把这一处的合同额脚注到一手授标公告，引用时建议只抄驻场人数与决策周期这两项。 OpenAI 与摩根大通：千万美元级年度合同，Deployment Company 团队驻场搭企业级应用层，智能客服自动化率提升 60%，风控文档处理效率提升 3 倍。 Anthropic 与富士通：20 亿美元合作，联合埃森哲交付，200 个以上业务流程 AI 化，预计 3 年内 ROI 达 300%。注意这个 300% 是预计值而非实测值，报告没有给测算过程。 字节跳动内部实践：抖音内容审核效率提升 40%，飞书 AI 功能月活突破 500 万。四个案例指向同一个结论：高安全、高复杂度、高合规的场景里没有远程标准化部署这回事，必须有人长期待在现场。 七、中国市场与出海：绝对岗位数缺失，只有相对增速 报告的判断是中国 FDE 市场以大厂内部驱动为主，外部服务收入占比低，大厂自建团队，第三方服务商空间有限，政企客户占比高且定制需求碎片化。报告预计 2027 年之后，随着大厂内部落地成熟，火山引擎、阿里云等才会把 FDE 能力产品化对外输出。 川观新闻补充了一个中国侧的一手读数：职场平台脉脉的数据显示，2026 年上半年 FDE 相关职位发布量同比上升 21 倍，字节跳动与腾讯都在跟进设岗。但中国侧目前只有相对增速，没有绝对岗位数，因此不能与美国的 5330 个直接比较。 出海部分报告给了四类角色定位（本地化需求翻译、跨文化系统集成、驻场交付保障、产品反哺）与四个区域策略：东南亚作基本盘，人口 6.5 亿，价格竞争力优先；中东走高客单价，聚焦政府、能源、金融；欧美对标 Palantir 与 OpenAI，技术与合规双驱动；拉美优先巴西与墨西哥，用合作伙伴模式控制投入。其中跨文化系统集成要处理的是当地数据合规（GDPR 与本地化存储）、语言环境与业务流程适配，报告把这一层当作能否进场的前置条件。 八、三阶段预判与报告自己列的四条争议 三阶段预判：短期 1 到 2 年需求继续爆发、缺口扩大、薪资上行；中期 3 到 5 年平台化程度提升，部分重复性部署工作被 Agent 自动化，角色向 AI 项目经理演进；长期 5 年以上 FDE 成为企业标配岗位，报告把它类比为云计算时代催生的 DevOps 与 SRE 岗位。 报告自己列出四条争议并逐条反驳：商业模式可持续性，被质疑是高级人力外包；AI 自身的替代风险，被质疑 3 到 5 年内标准化部署会被自动化；规模化与质量的矛盾，培养周期 2 到 3 年，几万人的团队怎么保证交付质量；人才流失与独立性，FDE 积累客户关系后容易被挖角或独立创业。 这四条里第三条其实没有给出解法，报告只给了方向：靠平台化加模板化降低对个人能力的依赖。到三万人这个量级，模板化能覆盖多少比例，报告没有给数字。 九、报告承认的局限与我方补充的局限 报告自己写明「本报告涉及的观点或信息仅供参考」，并声明未经书面许可不得复制传播，也就是说它是一份面向求职者与投资人的卖方视角材料，不是审计过的数据源。 我方补充的第一条：美国岗位数是招聘网站爬取口径，报告没有说明是否跨平台去重。同一个岗位在 LinkedIn 与 Indeed 各挂一次就会被计两次，5330 这个数存在高估的可能。 我方补充的第二条：报告内部的口径不一致。Palantir 的客户续费率在不同段落分别写成「超过 100%」与「超过 95%」；TITAN 合同额在不同转载版本里出现两种写法。同一份材料里同一个指标出现两个数，引用时不要直接抄，要回到一手授标公告与财报核对。 我方补充的第三条：案例里的 300% ROI 是预计值，不是投产后实测值，报告没有给出现金流假设与测算周期。把预计值当成已实现业绩去支撑报价，风险很高。 我方补充的第四条：报告只给了在招岗位数，没有给岗位关闭率、试用期流失率或项目失败率，因此无法判断 729% 的增幅里有多少是真实的净新增编制、有多少是同一批岗位反复重发。 我方补充的第五条：中国的读者要注意口径落差。报告的薪资分位基于美国招聘网站与 Levels.fyi，中国的年包区间来自行业访谈而非公开招聘数据，两类数据的置信度不在一个量级。 十、实用结论：该行动的是谁、具体怎么做、什么时候别照做 前置部署 Forward Deployed Engineer（FDE）这条职业路径的定价权，报告认为来自「判断力」而不是编码速度，所以下面五步的重点是把可被自动化的工作换成不可被自动化的工作。 该行动的是三类人。第一类是正在谈 offer 或给自己定价的 FDE 与准 FDE；第二类是正在设计交付合同的 AI 服务商与咨询公司负责人；第三类是把 FDE 编制写进明年预算的企业交付负责人。 可以照着做的五步。第一步，定价用三档不用一个数：美国口径入门 140K 美元、中位 193K 美元、资深 280K 美元以上，中国口径年包 45 万到 75 万元或 50 万到 80 万元，双方先把口径对齐再谈数字。第二步，合同结构上把平台订阅费做到 30% 到 50%，一次性交付费不超过 40%，否则毛利率会掉进 30% 到 40% 的人力外包区间。第三步，用人效给团队做体检：人均年创收低于 50 万美元、毛利率低于 40%，说明还是人力外包模型。第四步，招人不要只指望外部直招，按报告给的 2 到 3 年培养周期，从内部挑工程底子好又愿意对接业务的人转岗更稳。第五步，个人把重复性部署的比例往下压，往需求诊断与利益相关方管理迁移，这是报告认为 Agent 最难替代的部分。 适用条件要写清楚：这份报告的定价数据基于美国招聘网站与 Levels.fyi，用于北美市场报价最可靠；用到中国市场要按报告自己给的 40% 到 50% 折算，并替换成自己公司能核到的年包区间。如果所在行业受出口管制或数据本地化限制，报告没有覆盖这类前置条件，需要另行补合规评估。 回滚与退出方式：对投资者，平台订阅收入占比是先行指标，占比没上去就不要按平台公司给估值，仍按人力服务公司估值；对个人，如果所在岗位连续两年仍以重复性部署为主，按报告的中期预判应当主动往上游迁移，而不是等编制被压缩；对服务商，如果一份合同的平台订阅费占比在续约时没有提高，第二年就应当把交付范围收窄，避免用一次性交付撑规模。 原始来源： - https://cbgc.scol.com.cn/news/8004805 - https://m.sgpjbg.com/baogao/1341371.html - https://www.sdyanbao.com/detail/994985 - https://guba.sina.cn/user_7502149876.html - https://github.com/pierpaolo28/Awesome-FDE-Roadmap