吴恩达对比了AI Forward Deployed Engineer (FDE)和AI Engineer两种岗位。他指出,FDE由厂商派驻客户现场进行深度集成,但企业更倾向于培养大量自有AI工程师。他判断,AI Engineer岗位数量将远多于FDE,因为客户担心供应商锁定,在AI技术快速演进时更需要保持技术选型灵活性。当下最有价值的是能使用Claude Code、Codex等AI编程工具构建应用的通才型AI工程师。未来该角色可能像传统软件工程师一样,分化出LLMOps、Evals等专才,但现阶段综合型人才价值依然很大。
吴恩达老师谈「AI FDE」和「AI Engineer」
AI 在创造新岗位,但长期岗位规模上,企业内部的 AI Engineer 会远大于厂商派驻的 Forward Deployed Engineer (FDE);眼下最有价值的是能搭应用、会用 AI 编程工具的通才型 AI 工程师。
回顾一下 AI FDE:驻场 + 深度集成 + 强交付 · 约 20 年前由 Palantir 开创:工程师进驻客户现场(如政府、隔离网环境)做深度交付 · OpenAI、Anthropic 等组建 AI FDE 团队,把工程师嵌入客户组织 · 把通用 LLM 改造成贴合业务的 定制化智能体工作流(搭建、调优、落地) · 技术 + 沟通 + 有时还需商业判断:挖需求、排优先级、讲清技术、合理 push back
和「AI Engineer」的数量关系:吴老师的判断 吴老师明确反对把 FDE 当成 AI 时代的主航道职业: 1. 企业更愿意养自己的兵 可能接受少量外部 FDE,但更希望 大量自有员工 做 AI 项目--他自己的组织也是「招 FDE,但招远更多 AI Engineer」。
2. 厂商绑定 vs 选择权(optionality) · FDE 往往深度集成 某一厂商产品,客户担心 供应商锁定 · 在「一年后哪家 AI 服务最好还说不清」的阶段,保持技术/vendor 可选性 比快速深度绑定更值钱 · 让 FDE 把流程绑死在一家厂商上,会 显著削弱未来换栈空间