第一章 进场判断
1.5 FDE 能力自评与市场前景
承前：看完 OpenAI 的 40 亿美元，你可能已经热血上头了。这一节负责把血压降下来，同时把路线图铺开：FDE 的市场到底长什么样（用真实招聘 JD 说话）、国内外的差异、薪资与职业路径，以及——最重要的——一份属于你自己的开营能力自评。学完 12 周再回看这张自评表，涨了多少分，就是这门课的验收标准。
1.5.1 用 JD 说话：海外 FDE 岗位要求什么
招聘 JD（职位描述）是市场对岗位需求最诚实的表达。先看海外的两个典型样本。
Anthropic — Forward Deployed Engineer, Applied AI（据其 Greenhouse 招聘页面）： 职责描述的核心句是"嵌入最战略性的客户，驱动转型级 AI 采用"（embeds directly with our most strategic customers）。年薪区间约 20-30 万美元。从 JD 和团队设置能读出的要求：扎实的工程能力（生产级代码、系统设计）、与高管层直接对话的能力、在模糊环境中独立定义和推进问题的能力。Anthropic 同时招聘 FDE 管理岗（Manager, Forward Deployed Engineering），说明其 Applied AI 团队已形成层级。
OpenAI — FDE（据其官网招聘信息及媒体引用）： 年薪约 16.2 万-28 万美元加股权，职责是与最重要的战略客户合作，"主导前沿模型在生产环境中的复杂端到端部署"。
两个 JD 的共性值得逐条对照本课程的能力画像：
| JD 要求（海外） | 对应能力画像 | 本课程覆盖 |
|---|---|---|
| 生产环境端到端部署 | 一纵：技术深度 | W4-W9 全链路 |
| 与 C 级高管对话、管理预期 | 一软：软技能 | W1、W3、W6、W8 |
| 跨行业快速建立业务理解 | 一横：业务广度 | 贯穿沙盘 |
| 在模糊中定义并推进问题 | 一建模：问题定义 | W1-W3 重点 |
| 评估与效果归因 | 结果导向能力 | W7、W10 |
1.5.2 国内 JD：一字之差，两种基因
国内情况据 36氪等媒体 2026 年的报道梳理：腾讯社招挂出"前线部署工程师"岗位，要求 3-5 年经验，归在产品职业序列；字节跳动直接叫"AI FDE 工程师"，归在研发序列，岗位覆盖飞书、火山引擎、数据平台；蚂蚁数科招 B 端 FDE（月薪约 4-6 万，15 薪）；智谱招 FDE 负责人（月薪约 6-8 万）。薪资方面，据报道字节"豆包 AI 大模型 FDE"月薪 3.5-7 万、15 薪，上限即百万年薪级别。
"归口"这个细节 1.4 节提过，这里再挖一层。放产品序列，意味着公司把 FDE 当"懂技术的交付/售前角色"用——职业天花板偏向售前总监、解决方案负责人；放研发序列，意味着当"懂客户的工程师"用——天花板可以到架构师、技术负责人，或者走向交付型 CTO。同一个人，选错序列，五年后的简历完全不同。 你在投简历或内部转岗时，第一件事是看清 JD 写在哪个序列下、汇报线指向谁。
国内外 JD 的另一个差异：海外 JD 大量出现 "ambiguous environment""0-to-1""stakeholder management" 这类词——直白翻译是"没人告诉你该干什么，你得自己定义"；国内 JD 则更多出现"行业方案""客户成功""项目交付"——更偏存量方法论执行。这个差异反映市场阶段：海外在拓荒（所以 1.3 节的问题定义能力溢价高），国内规模化复制（所以行业经验溢价高）。对个人而言两边都是机会：拓荒期练出的问题定义能力，会在规模化期成为稀缺品——因为会复制的人多，会定义的人少。
1.5.3 职业路径：FDE 往哪里走
FDE 不是终点站，它的典型出路有四条：
FDE 的职业路径图
┌─► 交付/客户侧：交付负责人 → 交付VP → COO
FDE（2-5年）────┼─► 产品侧：产品经理（客户洞察优势）→ 产品负责人
├─► 创业/咨询：垂直行业AI解决方案 / 独立顾问
└─► 客户侧：被甲方挖走（数字化负责人/总监）四条路的共同资产是：行业认知 × 问题定义 × 客户信任。第四条"被甲方挖走"在沙盘里有呼应——现实中大量企业数字化负责人就是从乙方 FDE/顾问转过去的，因为企业最缺的正是"既懂 AI 又懂我们业务"的买方代理人。1.2 节说过青禾优选的数字化总监 W7 才空降接管——你可以脑补一下这个角色的可能出身。
薪资前景再给一组锚点（据公开报道，注意地区和个体差异巨大）：海外 Anthropic FDE 约 20-30 万美元/年，OpenAI 约 16.2-28 万美元/年 + 股权，资深者据媒体报道猎头报价可达 40 万美元以上；国内头部大模型厂商 FDE 月薪 3.5-7 万（15 薪）为主流区间，负责人级 6-8 万。冷静提醒：高薪买的是复合能力，不是岗位名称——"挂 FDE 之名做传统实施之实"的岗位，薪资天花板完全是另一回事。
四条路怎么选？给你一个决策的思考框架而不是答案：看你对三种工作状态的真实偏好——是在不确定里点火（创业/咨询），还是在体系里放大（交付线/产品线），还是在一个行业里扎根（甲方）。FDE 头两三年最大的红利恰恰是不用急着选：每个项目都在同时积累四条路的资产，你是在用项目"采样"，采样够了再定向。唯一要避免的是第五条路——既不做判断也不做积累，把 FDE 干成"高级外包"，那四条路会同时对你关闭。
再给三个"路径加速器"，无论选哪条都成立：
- 深耕一个行业：连续做 3 个以上同行业项目，你的行业认知会从"能聊"变成"能判断"，报价权随之而来。
- 沉淀可复用资产：每次交付后的方法论、评估集、话术，整理成自己的武器库（W11 复盘与资产沉淀会专门讲）。
- 经营客户关系：FDE 的客户信任是带走的。真实世界里，大量"甲方挖角"和"跟着客户创业"的机会，来自项目结束后依然活跃的那几条微信。
1.5.4 开营能力自评：给自己打一张基线表
最后是本节最重要的产出：你的开营自评。按"一纵一横一软一建模"展开成 12 项，每项 1-5 分，诚实打分（3 分 = 能独立胜任典型场景）。
| # | 能力项 | 1-5 分自评 | 12 周后目标 |
|---|---|---|---|
| 1 | 纵：读写生产级代码，熟悉至少一门后端语言 | 4+ | |
| 2 | 纵：读懂陌生代码库与系统架构 | 4 | |
| 3 | 纵：大模型 API/Agent 框架实操经验 | 4+ | |
| 4 | 横：能独立梳理一个陌生行业的商业模式 | 3 | |
| 5 | 横：能把业务目标拆成数据指标体系 | 4 | |
| 6 | 软：向高管清晰汇报（结构化表达） | 4 | |
| 7 | 软：与抵触方（IT/一线）建立合作 | 3 | |
| 8 | 软：预期管理（对"开箱即用"说不并给出替代） | 4 | |
| 9 | 建模：把模糊愿望转成可验证的问题定义 | 4 | |
| 10 | 建模：设计 POC/试点方案 | 4 | |
| 11 | 结果导向：定义验收指标与归因方法 | 4 | |
| 12 | 判断力：立项四问/客户四问的实战应用 | 4 |
打分纪律：不确定的项打低分，不打了分高又心虚的项打低分。 这张表只在两处出现：现在，和第 12 周结业时。分数的意义不是好看，是定位你的短板，让你在后续章节里分配注意力——比如第 3 项低于 2 分的读者，第 4-5 周的数据与 demo 环节要加倍投入；第 6-8 项低于 2 分的读者，重点在每周沙盘的"角色扮演"练习。
另外补一条时间维度的提醒：这张表是"当下能力"的快照，不是"潜力"的评级。第 5 项（指标体系）和第 9 项（问题定义）是最容易短期突破的——它们是方法问题，不是天赋问题；第 2 项（读陌生代码库）和第 7 项（与抵触方合作）则是需要项目喂出来的经验问题，快不了。规划学习节奏时，先把方法类的短板补上，让项目去长经验类的短板。
用沙盘做一次示范自评——假设你是刚转岗的 FDE 新人（后端 6 年，无 AI 落地经验，无零售背景）：第 1-2 项 4 分（老本行），第 3 项 2 分（只会调 API demo），第 4-5 项 2 分（没做过零售），第 6 项 3 分，第 7-8 项 2 分，第 9-12 项全 2 分。合计 25/60。这个画像正是本课程沙盘里"你"的默认设定——12 周后的目标是把它推到 45+。这也是为什么课程第 1 周不教代码，先教判断：对一个 25 分的新人，先接单再补课是灾难，先判断再进场是活路。
自评之后，配套做一个"结对"安排效果最好：找一位同学或同事互相交换自评表，各自指出对方看不到的盲区——自己打 4 分别人看只有 2 分的项，往往就是你最危险的能力幻觉。FDE 的客户对话里随时会发生这种"自评 vs 他评"的碰撞，越早习惯越好。
1.5.5 市场前景：冷热两条曲线一起看
热曲线：模型能力每上一个台阶，企业采用率就涨一截，填沟需求随之扩张——OpenAI 的 40 亿美元部署公司、Anthropic 的 Applied AI 团队、国内大厂的 FDE 序列，都是这条曲线的坐标点。据媒体广泛引用的数据，FDE 岗位 2023-2025 增长约 42 倍、百余家 YC 公司在招 FDE，方向性结论可信。
冷曲线：其一，交付是重生意——人均毛利低于纯产品生意，所以"资本 + 外包结构"（如 Deployment Company 拉上集成商）会成为常态，纯产品公司养大 FDE 团队的模式会被反复拷问（"95% 的公司不该招 FDE"的批评即由此来）。其二，模型变强会吃掉部分交付工作——工具越来越好用，初级"配置型交付"会被压缩；但"判断型交付"（要不要做、怎么定义成功、怎么对人）反而更值钱。其三，市场在挤泡沫——岗位名称泛滥不等于岗位质量泛滥，看 JD 归口和汇报线（1.2 节、本节 5.2）是避坑基本功。
合并成一句话的职业判断：未来 3-5 年，"会定义问题、会交付结果"的 FDE 供不应求，"会执行配置"的 FDE 会被工具和价格战挤压。 本课程的全部设计——从第一周的判断到最后一周的归因——都在把你往前一类推。
最后，把市场前景翻译回沙盘：青禾优选这单如果你做成了，你收获的不只是项目奖金——你会有一个可讲述的完整案例（模糊立项 → 诊断 → 定义 → 交付 → 归因）、一套可复用的判断工具、一条客户信任关系。这三样东西在 1.4 节的语境里，就是"Tomoro 式"的个人资产：模型会换代、产品会迭代，而它们在升值。**市场给的溢价从来不是为某个岗位名称付费，而是为"被真实项目验证过"这七个字付费。**这也是本课程坚持用 12 周沙盘陪你走完全程的原因。
1.5.6 要点总结
- 海外 FDE JD 核心词：嵌入战略客户、生产端到端部署、模糊环境独立推进；Anthropic 约 20-30 万美元/年，OpenAI 约 16.2-28 万美元 + 股权。
- 国内跟进（字节、腾讯、蚂蚁、智谱等）：月薪主流 3.5-7 万（15 薪）；腾讯归产品序列、字节归研发序列——归口决定职业天花板，投递前必看。
- 职业四条出路（交付线/产品线/创业/被甲方挖走）共享同一资产：行业认知 × 问题定义 × 客户信任。
- 开营自评 12 项（一纵一横一软一建模展开）：诚实打分、锁定短板、第 12 周复测——沙盘默认新人画像 25/60，目标 45+。
- 市场前景冷热并看：判断型 FDE 供不应求，配置型 FDE 被工具挤压；看 JD 归口和汇报线是避坑基本功。
参考资料
- Forward Deployed Engineer, Applied AI — Anthropic (Greenhouse) — Anthropic 官方 JD：职责与要求的原文本。
- Forward Deployed Engineer, Applied AI — Anthropic (General Catalyst Job Board) — 含 20-30 万美元年薪区间的招聘信息镜像。
- Manager, Forward Deployed Engineering — Anthropic — FDE 管理岗 JD，可见团队已层级化。
- 硅谷最火的新岗位，划出了AI时代职场的斩杀线 — 36氪 — 国内字节、腾讯 FDE 岗位设置与序列归口的报道。
- 小白也能看懂：FDE岗位年薪百万 — 知乎/中新经纬 — 国内外薪资数据、42 倍岗位增长的媒体汇总。
- OpenAI launches the OpenAI Deployment Company — OpenAI 官方公告，市场前景"热曲线"的核心坐标点。
- A Day in the Life of a Palantir Forward Deployed Software Engineer — 岗位日常的一手自述，自评"纵/软"能力前值得对照。