想象一位 AI 副总裁发布了一个“应用 AI 工程师”的职位空缺。收到的简历分成两堆：一类是研究型候选人，他们的工作在生产环境之前就结束了；另一类是部署专家，他们的经验是在产品建成之后才开始的。这两类人都不符合该职位的要求，因为公司需要的是有人来负责介于两者之间的应用层。
核心要点
- 研究工程师改进底层模型或技术能力。
- 应用 AI 工程师将这些能力转化为可复用的产品或内部工作流。
- 前沿部署工程师将 AI 系统适配到客户环境中，并对生产部署结果负责。
- 根据 Christian & Timbers 的精英 FDE 稀缺性研究，在估计约 17,000 人的美国市场中，精英 FDE 大约只有 2,000 人。
错误始于公司用技术技能而非职责归属来定义 AI 角色。构建模型能力所需的经验，与将其转化为可用产品所需的经验不同。而在客户环境中进行部署，则引入了另一个层次的职责归属，核心是生产约束和客户成果。
职责归属究竟在哪里
最清晰的区分在于每位工程师负责的成果，以及这种职责延伸到生产环节的深度。
研究工程师的产出是技术性的：一种新的训练方法、一次架构调整、一个推动基准测试的评估结果。他们通常向研究主管或 AI 研究副总裁汇报。应用 AI 工程师交付的是团队实际使用的东西——一个功能或一个内部工作流——并以它是否经得起考验来评判：性能、可靠性、采用率。他们的汇报线通常经过产品副总裁或工程副总裁。
前沿部署工程师的工作方式不同。他们的产出是一个为适配某一客户的数据和约束而调整的系统，而唯一重要的衡量标准是该客户的部署是否真正成功。根据公司构建部署团队的方式，他们可能向工程、产品或专门的面向客户的技术团队汇报。
[表 1]
三种角色如何协同工作
构建自有 AI 产品并将其部署到企业环境中的组织可能需要全部三种角色。其他公司则只需要与其运营模式相匹配的职能。
当三种角色同时存在时，工作呈循环推进。研究工程师开发或改进某项能力。应用 AI 工程师将该能力转化为可用的产品或工作流。前沿部署工程师将 resulting 系统适配到特定客户的环境。部署过程暴露出实验室中从未出现的故障和工作流缺口。这些发现回流到产品和研究团队，塑造下一个版本。
当一家公司需要全部三种职能却有一个岗位空缺时，其他团队就要承担代价。拥有强大的研究工程师却没有 FDE 的公司，能构建出能力出色的模型，但这些模型在接触真实客户环境后往往无法存活。拥有 FDE 却没有应用 AI 工程师的公司，最终会积累一堆一次性的客户定制修复方案，永远无法转化为可复用的产品。
你应该招聘哪个角色？
[表 2]
当缺失的能力是客户部署时，选错角色会付出尤其高昂的代价。研究经验和产品经验在简历上可能看起来相近，而经过验证的 FDE 级主导经验则来自一个小得多的市场。
AI 副总裁应当判断当前哪一项成果缺少明确的负责人。如果技术能力已经具备，而客户实施却不断停滞，那么再招一名研究工程师也无济于事。如果每次部署都变成定制化开发，那么缺失的能力可能在于应用 AI 工程而非 FDE 团队。关于这种汇报架构通常如何划分，请参阅我们的相关指南 AI 副总裁 vs. AI 总监。
为什么稀缺性数据仅针对 FDE
根据我们的 精英 FDE 稀缺性研究，在美国约 17,000 名拥有该头衔的人中，只有约 2,000 名是真正的精英前沿部署工程师。这一人才短缺也引起了 Washington Technology 的关注，该媒体在其关于科技人才供应紧张的报道中引用了 Christian & Timbers 的 FDE 研究。预计到 2026 年底，对这些工程师的需求将增长 2,100%。
微软投入了 25 亿美元组建 Microsoft Frontier Company，汇集 6,000 名行业和工程专家，与客户合作设计、部署和改进 AI 系统。AWS 投入 10 亿美元建立了一个专门的前沿部署工程组织，将数千名专家派驻到客户现场。
稀缺性研究发现，在接受调查的 180 家公司中，只有 1% 达到了价值 1 亿美元或以上的 AI 部署。
这些数据专门描述 FDE 市场。针对研究工程师和应用 AI 工程师，目前尚无采用相同定义和方法的可比研究，因此这些数字不应推广到那些角色。
能区分真正主导经验与相近经验的面试问题
简历上的头衔很少能揭示一个人的主导范围有多大，因此面试应当弄清楚：当技术工作离开他们的手之后发生了什么。
当你的模型或原型完成后发生了什么？
研究工程师的回答可能止于发表论文或交接。而应用 AI 工程师或 FDE 的回答会继续延伸到真实用户或真实客户接触它之后发生了什么。
当系统进入生产环境后，谁来处理故障？
他们的回答能揭示其职责范围延伸到生产环境的程度，以及由哪个团队承担运营责任。
你的绩效是如何衡量的？
基准测试分数指向研究工程师的工作。已交付的功能或采用率指标指向应用 AI 工程师的工作。某个特定客户的收入或成本结果则指向 FDE 的工作。
你的工作与客户采用或收入的关联有多紧密？
这是判断 FDE 经验最直接的信号。如果回答含糊其辞，且与任何客户相隔好几层，则说明候选人的经验中并不包含直接的 FDE 职责。
常见问题
1. FDE 是应用 AI 工程师吗？
两种角色都使用 AI 进行开发。FDE 在特定客户的环境中工作，并以该客户的成果来衡量。应用 AI 工程师的主要职责是可复用的产品或内部系统。
2. 哪个角色直接与客户打交道？
FDE 承担最持续的直接客户责任。应用 AI 工程师可以参与客户沟通，但他们的主要职责通常仍是可复用的产品或内部应用。
3. 一位工程师能否同时胜任这三种职能？
在小规模下可以。随着部署规模扩大，这三种职能通常会拆分为不同的角色，因为每种职能在时间压力下需要不同类型的判断力。
4. 每个角色通常由谁管理？
研究工程师向研究负责人或 AI 研究副总裁汇报。应用 AI 工程师向产品副总裁或工程副总裁汇报。FDE 通常通过部署、工程、产品或面向客户的技术组织汇报，具体取决于公司是将部署视为工程职能，还是商业组织的一部分。
在启动招聘之前
在启动 AI 工程师招聘之前，先明确该职位必须负责什么，以及这一责任的边界在哪里。这一决定决定了角色定位和候选人市场。Christian & Timbers 帮助企业确立职责定位，并接触到经验与工作相匹配的候选人，包括那些在传统招聘渠道中几乎不可见的顶尖 FDE。