03 海外岗位、DeployCo 与企业 AI 服务化
章节目标
理解 FDE / Applied AI Engineer 的最新岗位画像，以及模型公司、系统集成商和咨询公司为什么开始争夺企业 AI 部署层。
开篇问题：为什么模型公司开始做“交付”
过去，模型公司的增长逻辑很简单：把 API 做强，让更多开发者调用。但企业客户不只买模型能力。一个银行客户不会因为模型能总结文档就直接上线信贷助手，一个制造客户也不会因为 Agent 能调用工具就允许它改排产计划。
企业真正愿意付费的，是一套能进入流程、连接系统、通过安全评审、被一线用户采纳、并持续产生结果的部署能力。于是模型公司、云厂商、SaaS 平台、咨询公司和系统集成商开始在同一层竞争：谁能把 AI 从 API 变成现场可运行的生产系统。
DeployCo、Applied AI 团队、Forward Deployed AI Engineer 和 Professional Services 的兴起，本质上都指向同一个变化：企业 AI 的利润池正在从模型调用，移动到部署、集成、评估和采用。
最新趋势
最后核对：2026-07-11。以下事实优先引用公司官网、招聘页和公开新闻；二手招聘增长数据单独标注来源与口径。
公开岗位和行业报道显示，FDE 的典型职责正在收敛到：
- customer discovery。
- technical scoping。
- system design。
- build and integration。
- production rollout。
- production adoption。
- measurable workflow impact。
- eval-driven feedback。
模型公司与 DeployCo
OpenAI Deployment Company（公开称 Deployment Company / DeployCo）代表模型公司从“卖 API”转向“嵌入客户现场交付”。公开信息显示，其工程师会进入客户组织，识别高价值流程、重设计工作方式，并把模型接入数据、工具、控制和核心流程。
2026 年初，OpenAI 宣布收购英国部署公司 Tomoro（约 150 名部署与咨询人员）。截至 2026-07-11，该交易为已宣布、待监管与交割完成状态，不应写成“已并入 OpenAI”。 待交割人员主要承担 enterprise deployment、change management 和 workflow redesign，与 FDE 岗位画像高度重合。
OpenAI 招聘页已将 FDE 类岗位进一步分化，常见方向包括：
| 方向 | 侧重点 |
|---|---|
| Forward Deployed Engineer | 客户现场 discovery、集成、原型与生产 rollout |
| AI Deployment Strategist | 部署策略、价值路径、组织变革与 adoption |
| Technical Deployment Lead | 多团队技术协调、架构把关与上线门禁 |
云厂商、平台与咨询联合交付
| 组织 | 公开信号 | FDE 相关含义 |
|---|---|---|
| Anthropic | Applied AI 团队招聘与公开案例 | 强调 customer-facing build、eval 和 production adoption，与 FDE 高度重叠 |
| Databricks | Forward Deployed Engineer / Professional Services | 强调 billable 现场交付、数据平台集成和可衡量业务结果 |
| Salesforce | Forward Deployed AI + Deployment Strategist 双角色 Pod | 业务顾问型与工程型配对，共同对客户结果负责 |
| Google Cloud | Agent Launchpad 与企业 Agent 部署计划 | 把 Agent 从试点推向生产，需要现场 scoping 和集成 |
| Adobe + WPP + Accenture | 联合 FDE Practice 与品牌 Agent 部署 | 咨询、创意与工程三线协同，面向营销与内容工作流 |
| Palantir | Forward Deployed Software Engineer 长期模式 | FDE 岗位范式的早期样板，强调 ontology 与现场交付 |
二手趋势（非官方事实）
部分招聘聚合站点显示，2024–2026 年 “Forward Deployed” / “Applied AI” 关键词在北美科技岗位中出现频率上升。此类数据依赖第三方爬虫与标签口径，仅作趋势参考，不作精确增长率承诺。
延伸阅读：海外 FDE 岗位样本、资料索引官方来源清单。
读岗位 JD 的方法
不要只看岗位名称。FDE 类岗位通常会把六类责任写散在 JD 里：
| JD 关键词 | 你应该理解成什么 |
|---|---|
| customer-facing / onsite | 需要直接面对客户现场和非技术用户 |
| prototype / build quickly | 要能在不完整需求下搭出可验证链路 |
| production deployment | 不止 Demo，要过权限、审计、运维 |
| eval / measurement | 要用样本和指标证明效果 |
| cross-functional | 要协调销售、产品、工程、合规和客户 |
| adoption / change management | 要推动用户真正改变工作方式 |
如果一个岗位只要求写 Prompt 和搭 demo，却没有 production、eval、customer adoption，它更可能是普通应用工程岗位；如果一个岗位只要求沟通和方案，却不要求代码或系统设计，它更可能是策略/售前岗位。
岗位能力画像
工程能力
- Python / JavaScript / TypeScript。
- 后端、前端和 API 集成。
- RAG、Agent、Workflow。
- MCP、Tool Calling 和工具网关。
- Docker、Kubernetes、云服务和私有化部署。
AI 原生能力
- Prompt 和结构化输出。
- 检索增强和权限过滤。
- Agent 状态管理。
- Golden Dataset 和评估框架。
- Trace、可观测和回归测试。
客户现场能力
- 模糊问题拆解。
- 非技术客户沟通。
- 业务流程建模。
- 风险边界解释。
- 用户采用和培训。
DeployCo 的意义
DeployCo 代表企业 AI 商业模式从“卖模型调用量”转向“卖可部署系统和业务结果”。
它对 FDE 的启发：
- 部署层价值正在上升。
- 客户愿意为可衡量结果付费。
- 模型提供商会更靠近客户流程。
- 传统咨询、系统集成和 AI 创业公司都会进入同一战场。
- FDE 既是岗位机会，也是小团队服务化创业机会。
对个人的启发
如果你想转向 FDE，不要把目标写成“熟悉大模型工具”。更有竞争力的表达是：
- 我能在 2–4 周内把一个模糊业务场景拆成 PoC。
- 我能设计 RAG / Workflow / Agent 的最小可验证链路。
- 我能用 Golden Dataset 证明效果，而不是只展示截图。
- 我能处理权限、工具调用、审计和上线门禁。
- 我能把项目复盘沉淀成模板、组件或作品集。
这类证据比“用过多少模型”更贴近海外 FDE / Applied AI Engineer 岗位的筛选逻辑。
实操任务
找 3 个 FDE / Applied AI Engineer / AI Solutions Engineer 岗位，整理：
- 公司类型。
- 工作阶段。
- 技术关键词。
- 客户类型。
- 交付责任。
- 面试重点。
- 作品集要求。
交付物
- 一张岗位画像表。
- 一张部署层机会地图。
- 一段个人能力差距分析。
常见误区
- 只看岗位薪资，不看能力要求。
- 把 FDE 理解成单纯驻场开发。
- 忽略产品反哺和可复用资产。
- 忽略模型锁定、采购治理和退出成本。
检查清单
- 是否能解释 DeployCo 为什么出现？
- 是否知道 FDE 岗位最看重哪些能力？
- 是否能区分模型 API 生意和部署服务生意？
- 是否能为自己规划 FDE 能力补齐路径？