在花费数十亿美元建设人工智能之后，大型科技公司如今又在重金打造所需的人力队伍，以证明这些投资正在产生回报。

各家公司正争相寻找能够把这项技术应用到企业内部的专门AI工程师。这些专家被称为前置部署工程师，或FDE，他们兼具先进的AI和软件能力，并理解企业如何运作。他们可能是关键的“人类环节”，将强大的大语言模型转化为能够带来可衡量商业结果的企业系统。

本周，市场对AI热潮经济性不可持续的担忧进一步升温，戴尔、CoreWeave、AMD和美光等多只AI概念和存储概念股都出现了明显的短期下跌。

亚马逊云服务（AWS）已承诺投入10亿美元推进一项前置部署工程计划。OpenAI推出了一个部署业务，初始投资超过40亿美元。Anthropic正投入1亿美元，计划到2027年底培训1万名前置部署工程师。Accenture和Google Cloud也在建设一支1000人的前置部署工程队伍。

猎头公司Christian & Timbers创始人Jeff Christian表示：“华尔街开始对这些在AI上花费数十亿美元却没有获得任何商业成果的公司失去耐心。”

FDE直接与客户合作，处理现有技术系统、安全要求和组织障碍，把有前景的AI试验转化为企业真正能使用的应用。

在AWS咨询合作伙伴Caylent，FDE会嵌入客户团队。该公司首席执行官Val Henderson表示，这一角色需要的不只是技术能力。

她说：“最难教的是客户情商，这一点毫无疑问。”她补充说，工程师还需要理解客户和业务、应对组织动态，并在项目遇到意外问题时作出判断。

招聘激增，人才稀缺，薪资上升

有经验的人才非常稀缺，而在劳动力市场竞争加速的情况下，这种能力也不可能一夜之间培养出来。最新招聘数据表明，这场争夺正在升温。

根据劳动力市场分析公司Lightcast的数据，美国FDE职位发布数量从2023年的不足200个，增至2025年的约1200个，并在2026年前九个月超过7300个。

同期，职位广告中的薪资中位数达到19.5456万美元，较2023年上涨40%，并且是美国所有职位广告薪资中位数的三倍多。

这场竞争远不止于开发AI模型的公司。咨询公司也是最大的招聘方之一，反映出企业客户对帮助其落地这项技术的工程师需求旺盛。

Lightcast统计显示，2026年前九个月，德勤发布了872个独立的FDE职位，Accenture发布了688个，随后是Google的499个和KPMG的447个。上述数字指的是广告中的职位数量，而非最终完成的招聘人数。

Lightcast全球研究主管Elena Magrini表示：“前置部署工程师的需求正在快速上升，而不断增长的薪资表明，雇主正在为有限的人才池展开竞争。”

但这些数据也指向一种潜在解决方案。

她说：“FDE并不是一个完全新的岗位。它大约有一半技能与软件工程重合，这意味着可以从更广泛的人才池中招募。”

科技公司及其企业客户正通过多种方式投资部署能力的培养。

AWS正在建设自己的FDE组织，从亚马逊和AWS内部经验丰富的工程师中抽调人手，同时也在外部招聘。AWS前置部署工程副总裁Asa Kalavade表示，公司起步阶段将配备数百名工程师。

Kalavade说：“我们现在投入10亿美元，是因为客户需要这种亲身参与的帮助，以更快地把AI投资转化为结果。”

OpenAI则在推进更广泛的企业部署战略，这一战略由40亿美元的初始投资支持。该公司今年早些时候还同意收购Tomoro，这是一家应用AI咨询和工程公司，预计将为其带来约150名有经验的FDE和部署专家。

AI技能缺口是一个“市场问题”

Anthropic采取了不同的方法，培训其客户和合作伙伴中已经在职的工程师。通过Claude Frontier Academy，该公司计划到2027年底培训1万名FDE。首批驻留项目学员包括来自Accenture、Bain、Capgemini、澳大利亚联邦银行、德勤、麦肯锡、摩根士丹利和诺和诺德的工程师。

Anthropic全球业务发展与合作负责人Steve Corfield表示：“AI技能缺口影响每一位客户和每一个合作伙伴，所以这是一个市场问题，Anthropic致力于帮助弥补这一缺口。”

与此同时，Accenture和Google Cloud正在建设一支1000人的FDE队伍，部分依靠对有经验的软件工程师进行再培训，使其转向面向客户的AI部署工作。

Accenture的FDE及软件与平台工程负责人Ram Ramalingam表示：“现实情况是，经验丰富的FDE不可能按客户需要的规模被简单招聘到位。”他补充说，根据背景不同，公司的FDE培训和入职流程可能需要30到90天。他还表示，参与者本身已经具备相当的软件工程经验；该项目旨在增加专门的部署能力，而不是培训初学者。

AWS也看到了在客户组织内部培养专业能力的机会。Kalavade表示，许多企业本身就有能力出色的工程师，但需要帮助学习如何将AI项目推进到生产环境。AWS的FDE会与这些团队并肩工作，使客户最终能够自行维护并扩展这些系统。

Corfield表示，挑战不只在于技术能力。“一种稀缺技能是：工程师既能理解业务如何运作，又能构建改变业务的系统。”

Anthropic认为，其中一部分能力可以通过结构化工程培训来培养。其Frontier Deployed Engineer Residency借鉴医学教育模式，将有经验的工程师与实践者配对，并根据真实的企业部署进行评估。

Corfield说：“我们把这个驻留项目的模式设计得像医学培训医生一样。”据Anthropic介绍，参与者会向执业工程师学习，处理真实案例，并在独立为自己所在公司实践前接受评估。随后，他们在处理Claude项目时还会接受Anthropic工程师为期12周的指导。首批完整资质预计将在2027年初推出。

现在还太早，无法分析部署成果

Christian表示，有经验的FDE可以通过带领经验较少的工程师团队来扩大队伍。例如，他说，那些完成10到15个成功部署的人，可能已经具备监督五六人团队的判断力，并把在复杂客户项目中积累的经验传递下去。

Christian认为，这种导师模式可以在不要求每个岗位都配备顶尖工程师的情况下扩大部署团队。

但Henderson表示，复杂AI部署所需的客户面对面判断尤其难以教授。技术技能可以通过培训获得，但工程师还需要在真实世界的客户挑战中积累经验。

她说：“经验没有压缩算法。”

对Christian而言，问题最终仍回到投资者要求公司拿出商业成果的压力上。他认为，公司需要能够直接与客户合作的工程师，把越来越强大的AI系统转化为实用应用。“让AI真正发挥作用的唯一方式，就是人与人之间的互动，”他说。

最终的考验在于，这支不断扩大的队伍能否帮助企业从AI中获得足以证明前期成本合理的投资回报。到目前为止，FDE项目的现有证据还不足以证实这一点。一些早期部署显示出生产率提升，但没有带来财务回报，依据的是公司提供的案例研究。

在按揭贷款机构PennyMac，Caylent的FDE与产品经理和工程师一起开发了一个AI支持的按揭服务平台。根据AWS提供的一项案例研究，某些工程任务的完成速度最高可快六倍，具体取决于任务类型。

Caylent参与的另一个项目涉及通信合规软件提供商Smarsh。公司案例研究估计，该项目释放了500万至1000万美元的工程和产品产能，可转用于其他工作。Caylent证实FDE参与了该项目，但这一数字并未单独剥离FDE的贡献，也不代表等值现金节省。

这些工程生产率和产能提升，并不是经过独立验证的AI投资回报。

Anthropic雄心勃勃的培训计划也尚未展示可衡量的结果。Corfield承认，现在讨论成果数据还为时过早，并表示公司计划跟踪参与者的项目多快进入生产环境，以及这些系统被使用的广泛程度。