# 吴恩达老师谈「AI FDE」和「AI Engineer」

- 来源：meng shao (@shao__meng)
- 发布时间：2026-06-02 08:28
- AIHOT 分数：60
- AIHOT 链接：https://aihot.virxact.com/items/cmpvwotar02bwslukspffzfax
- 原文链接：https://x.com/shao__meng/status/2061605820866129961

## AI 摘要

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。

## 正文

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

结论：FDE 是重要但相对小众的交付形态；AI Engineer 才是更大、更稳的就业池。

当下真正抢手的是什么人？
吴老师观察到需求集中在 AI Engineer，尤其是能：
· 用 LLM 能力做 软件应用（prompt、智能体框架、evals 等）
· 高效使用 AI Coding Agent（Claude Code、Codex、Antigravity CLI、OpenCode 等）
这是 「用 AI 组件写产品」的工程师，不一定非要驻场，也不一定代表某一家模型公司。

职业演化：会像传统 Software Engineer 一样分化
他认为 AI Engineer 会像几十年前的「软件工程师」一样 从通才裂成专才，可能包括（他也在猜测）：
· AI FDE（厂商侧或咨询侧驻场型）
· LLMOps Engineer
· Evals Engineer
· AI Data Engineer
· Harness Engineer（智能体/评测 harness）
· 以及 尚未命名的角色

现阶段：通才型、技能全面的 AI Engineer 仍能创造很大价值--专业化是十年量级的趋势，不是今天的入场门槛。

对「AI 砸就业」叙事的态度
他用 FDE 复兴举例：AI 在创造新工种（FDE、AI Engineer 及未来专才），因此 「工作末日 / jobocalypse」叙事过于简单。
更准确的说法是：岗位结构在变，总量与类型会重组，而不是单向消灭。

### 引用推文

> Andrew Ng：One of the new, buzzy jobs in Silicon Valley is the AI Forward Deployed Engineer (FDE), an engineer who is embedded within a client organization to help customi...