传统工程师坐在办公室等需求，FDE 走进客户现场找问题。
判断一个人做的是不是真 FDE，看四条标准：
| 标准 | 含义 | 反面 |
|---|---|---|
| 真问题 | 进企业现场，找到真实业务痛点 | 坐在办公室听销售转述需求 |
| 真干活 | 带工程能力进场，能做原型、搭系统 | 只会讲 PPT |
| 真能用 | 从问题发现跟到上线见效 | 讲完方案就走人 |
| 真回流 | 把现场经验沉淀回方法论和平台，下个客户可复用 | 每个项目都从零开始 |
四条全做到，才是 FDE。其中"真回流"在中国最稀缺，也最值钱。
FDE 的能力由三部分组成，比例因公司而异，但三块都必须沾：
一个反直觉的判断：AI 工具越便宜，FDE 越值钱。当搭建 Agent 的门槛降到人人可学时，稀缺的不再是技术操作，而是理解企业现场、定义真问题的能力。
中国企业很难直接复制硅谷的 FDE 岗位——国内 B 端的付费习惯是为最终交付结果买单，而不是为问题定义和共创探索买单。用一线岗位的薪酬要求总监级的复合能力，只会造出什么锅都背的"伪 FDE"。
但 FDE 要解决的问题在中国真实存在：MIT NANDA 研究了 300 个企业 AI 项目，95% 的试点没有产生可测量的损益改善——不是因为模型不行，而是因为没有人在现场把业务问题、AI 能力、技术方案和交付串起来。
所以中国市场真正需要的是 FDE 型能力：它可能长在外部顾问身上、企业内部的核心团队身上，甚至老板本人身上。AI 正在让这套过去只属于少数牛人的隐性能力，变得可拆解、可复用、可培养。
不用纠结要不要招一个叫 FDE 的人，先回答五个问题：
区别在闭环。实施顾问交付方案，售前止步于签约，交付工程师执行既定需求——FDE 从问题定义一直负责到上线见效，并把经验沉淀复用。它是这几个角色的合集加上"真回流"。
需要工程能力，但 2026 年的工程能力不等于手写代码。能用 AI 编程工具搭出可用原型、能做出正确的技术选型判断，就达标了。
已决定做 AI 转型、但不知道第一步做什么的企业。判断标准见企业 FDE 准备度自测。
因为巨头用真金白银投了票：OpenAI 成立 40 亿美元的 Deployment Company，Anthropic 联合黑石、高盛成立 15 亿美元企业服务公司，AWS 投入 10 亿美元组建 FDE 组织。AI 落地的瓶颈不在模型，在现场。