新闻

近来，AI界热议的话题是为顶尖研究人员提供1亿美元签约奖金。但还有一个职位可能同样关键：前沿部署工程师。

这个头衔听起来可能平平无奇，但据创始人们的采访，这些科技公司员工负责将AI突破转化为现实世界的自动化，拥有相应技能的人才在AI初创公司中需求旺盛。

与构建最终被众多不同公司使用的产品的传统软件工程师不同，前沿部署工程师会深入嵌入到单一客户的公司内部，寻找用新技术改进业务流程的方法。

在本周于巴黎举行的RAISE AI大会上，如何找到前沿部署工程师成为创始人们讨论的热门话题。如今已有数十家公司开发能够改变企业运营方式的AI应用和工具，但成败的关键在于前沿部署工程师能否出色且快速地将其落地实施。

以这种方式赢得客户认可的AI公司，随后可以利用这些经验来改进自己的产品，从而建立起一个飞轮效应，使其领先于竞争对手。

这一职位的概念由Palantir推广开来，该公司在将机器学习和数据科学（我们过去可能称之为AI）转变为各行各业的主流实践方面发挥了重要作用。

了解更多

Palantir的成功不仅仅因为它构建了尖端软件。它还找到了那些才华横溢、思维不拘一格的人才，愿意在几乎没有指导的情况下被空降到陌生领域。

这使得该公司的前员工成为硅谷的抢手人才。例如，风投公司红杉资本将Palantir的工作经历列为初创公司创始人的最佳背景。

这也解释了为什么法国最炙手可热的初创公司之一——由DeepMind等公司的顶尖AI研究人员创立的H Company——最近聘请了前Palantir高管Gautier Cloix担任其CEO。Cloix在RAISE活动的舞台上告诉Semafor，他计划运用在Palantir学到的前沿部署工程师策略，帮助将原始研究转化为可用的产品。“拥有最好的技术是好事。但要建立一家成功的公司，这肯定还不够，”Cloix说。“企业世界相当复杂。”

如今大多数公司都拥有某种聊天机器人，但对于AI所承诺的强大自动化，目前还没有现成的解决方案。初创公司已经意识到，要构建企业真正想要的东西，他们需要复制Palantir的打法。

顶级基础模型公司也在拥抱这一策略。例如，根据一份招聘启事，OpenAI 的前沿部署工程师的职责是将“研究突破转化为生产系统”。Anthropic 的前沿部署工程师则将“通过为顶级企业开发定制化 LLM 解决方案，推动前沿 AI 的普及”。

什么样才算一名优秀的前沿部署工程师，正随着生成式 AI 格局的变化而改变。随着软件成本骤降以及 AI 获得新能力，企业可以构建越来越定制化的内部软件。

从某种意义上说，前沿部署工程师是一种商业顾问，但又不能像商业顾问那样思考。创始人们表示，他们想要的是不惧怕得罪所服务公司高管的人。他们的部分职责是帮助企业实现自我颠覆，这需要创造力与技术敏锐度的结合。

退一步看

在 ChatGPT 引发现象级热潮之后，业界掀起了一股开发针对特定任务进行“训练”的 AI 模型的浪潮。数千个此类模型涌现出来。其中许多模型，比如 Meta 广受欢迎的 Llama 系列模型，可以免费使用，而且规模足够小，能够经济高效地在本地服务器上运行。

随后，各公司开始利用专有企业数据对 Llama 和 DeepSeek 等流行的开源模型进行“微调”，以创建更加个性化的版本。但这项技术的作用有限，尤其是当我们开始转向需要自主采取重要行动的“智能体式”AI 模型时。

如今，另一场范式转变正在进行。通过一种名为“基于可验证奖励的强化学习”的技术，模型被教导瞄准特定目标，然后通过模拟训练找到最高效的路径。

但这并不是过去通用大语言模型的运作方式。它们不是瞄准目标，而是预测接下来会发生什么。这也是为什么聊天机器人如果因为提示词措辞不当或训练数据中的某些偏差而一开始就走错了方向，就会永远沿着那条错误的道路走下去。

归根结底，关键在于将大语言模型的自然语言能力与目标导向的方法结合起来。

这很可能只是通往通用人工智能或超级智能道路上的又一站。终有一天，Google、OpenAI 和 Anthropic 等公司打造的前沿模型将能够可靠地完成几乎任何常规数字任务，而无需任何额外训练。也有可能，当前进行的所有定制化工作将产生实现 AGI 或 ASI 所需的部分数据。

前沿部署工程师是连接 AI 研究人员与现实世界的纽带，所有这些新技术都将通过他们来实施和检验。

Reed 的观点

这个想法在我脑海中盘旋了一段时间，但在巴黎真正成型了。在那里，我公开和私下与初创公司创始人、上市公司 CEO 以及投资者进行了交流。当我 onstage 采访刚为 H Company 的新工作搬到巴黎的 Cloix 时，这一点尤其明显。

大约两年前，H Company 成立后不久，三位联合创始人便离开了公司，当时外界对其未来有诸多猜测。他们曾是该领域最顶尖的 AI 研究人员之一，这家公司看起来似乎失去了其最核心的资产。

但如今，仅靠研究已不足以成就一家公司。DeepMind、OpenAI 和 Anthropic 起初都是纯研究机构，但今天的它们已非如此。Cloix 的职责，就是将 H Company 的 AI 知识核心，通过前沿部署工程师在企业客户与其 AI 研究人员之间建立起反馈循环。

企业界和学术界的 AI 研究实验室里还会诞生巨大的新突破，但一支新的前沿部署工程师队伍将在很大程度上决定这些突破的采用速度。而这正是人类最能感受到 AI 影响的地方。

分歧空间

从某种角度看，对前沿部署工程师的需求，等于默认承认了 AI 的局限性。尽管有人承诺软件成本将趋近于零、模型将具备与人类相当的推理能力，以及其他种种预测，但今天，任何真正重要的事情都无法依赖通用 AI 模型来完成。

但这可能在几年内发生改变，届时，如今在实施方面的大量投入，本质上就变成了技术债务。正如 Andreessen Horowitz 在这篇文章中所论述的，“利润率与护城河”之间的权衡最终是值得的，但它确实是一种权衡。企业选择定制化路线，就等于放弃了规模化。

值得注意

  • Baseten 员工 Het Trivedi 撰写了一篇精彩的第一手记述，讲述了在 AI 初创公司担任前沿部署工程师的生活是什么样的。