AWS 和微软正在扩大嵌入式 AI 交付组织，而 Christian & Timbers 估计，美国仅有 2,000 名 FDE 曾反复创造可衡量的企业价值。他们的计划将加剧对本已稀缺的合格部署人才的争夺。
核心要点
- AWS 已承诺投入 10 亿美元，微软则向相关组织投入 25 亿美元，这些组织将把数千名工程和行业专家派驻到客户环境中。
- Christian & Timbers 估计，美国仅有约 2,000 名 FDE 曾反复将企业 AI 部署与可衡量的业务价值联系起来。
- 超大规模云厂商和前沿 AI 公司宣布的各项计划，估计将带来 8,500 至 10,000 名额外的人才需求。
- 组建内部 FDE 团队的公司，应将一小群经验丰富的部署负责人与来自相邻技术背景的工程师搭配起来。
我们如何得出 2,000 这个数字
7 月 30 日，Christian & Timbers 为市场已经围绕了一年的一个问题给出了一个数字：美国大约有 2,000 名前沿部署工程师，具备行业深度、应用 AI 经验、生产环境主导权以及将企业 AI 支出转化为实际成果所需的客户沟通判断力。该研究写道：“不是 2,000 名可供招聘的，而是总共 2,000 名。”该研究独家分享给了 TechCrunch，后者报道称，预计到今年年底，对这些专家的需求将激增 2,100%。
这一估计来自为期六个月的直接人才摸排。我们的研究人员梳理了超过 17,000 名美国 FDE。他们访谈了 300 多名 FDE 和应用 AI 工程师，考察他们将 AI 投入生产环境的实绩。该研究还调研了 180 家公司的 250 多名 C 级招聘高管，其中包括对 80 名财富 500 强高管的专项调查。
两种独立的方法得出了大致相同的数字。约 2,000 名工程师曾在企业内部反复部署 AI，并能拿出有据可查的业务价值。更广泛的群体则包括具有相关经验的人员。精英群体仅限于符合该研究中“反复交付可衡量 ROI”标准的人。
超大规模云厂商的资金投向何处
超大规模云厂商的投资有助于解释为什么预测需求会如此急剧上升，而把握时机也很重要。AWS 于 6 月 30 日宣布了其10 亿美元的前沿部署工程组织，恰好处于我们六个月研究窗口的边缘，计划将数千名工程师直接派驻到客户身边。微软于 7 月 2 日跟进，向 Microsoft Frontier Company 承诺投入 25 亿美元，将约 6,000 名行业和工程专家派驻到客户组织中。
主要访谈和人才研究于2026年1月至6月期间进行。Microsoft 在该时期结束后宣布了 Frontier Company。已发布的研究报告引用了 Microsoft、AWS、OpenAI、Ode with Anthropic 及其他举措作为市场动态，代表估计8500至10000个额外招聘需求，这些需求尚未完全出现在公开的职位发布中。
把这些承诺放在一起，压力显而易见。AWS 和 Microsoft 正在建设需要数千名嵌入式工程师和行业专家的运营体系。即使其中只有一小部分职位需要精英 FDE 经验，它们也会从本已有限的合格人才库中大量抽取人才。Palantir、OpenAI 和 Anthropic 正在追逐同样的候选人，而中型市场 AI 厂商也在组建自己的服务团队。
为什么企业想要自己的人才储备
对这些专家的竞争超出了销售 AI 产品的公司范围。TechCrunch报道称，保险、金融科技、医疗保健和游戏行业的企业也在追逐 FDE，其中一些企业正在组建内部团队，而不是通过供应商或服务公司来承接工作。内部掌控还能保护机构知识。嵌入公司内部的工程师会了解公司如何为产品定价、审批支出、管理风险以及在系统之间传递信息，而这些运营洞察会成为 AI 系统本身的一部分。
将整个部署交给外部模型提供商，对于任何拥有专有工作流程的公司来说都引出了一个单独的问题：外部合作伙伴应该对公司机构知识拥有多大的访问权限？内部人才储备可以将这些专业知识留在公司内部，这为这个已经被超大规模云厂商和前沿实验室拉扯的市场又增加了一大类雇主。
为什么头衔的增长快于人才的增长
这个头衔本身的传播速度超过了其背后实际经验的积累速度。在我们梳理的约17000名美国 FDE 中，只有约12%达到了我们的精英标准，而在这个较小的群体中，近80%的人的职业履历可以追溯到 Palantir。这种集中度产生了一种可预测的招聘模式：雇主从 Palantir 校友、前沿实验室以及少数已经交付过生产系统的企业 AI 团队入手，结果总是面对同一批候选人。培训可以扩大整体人才规模，但来自反复部署工作的判断力需要更长时间才能培养出来。工程师是通过失败的实施方案、安全限制、不可靠的企业数据，以及系统上线后行为发生变化的用户来培养这种判断力的。
推动这股热潮的 ROI 差距
支出正在加速，因为企业 AI已经进入了问责阶段。在我们研究中，只有不到五分之一的公司报告其 Agentic AI 项目带来了有意义的回报。只有约1%的公司拥有在生产环境中创造或保护超过1亿美元价值的系统。
领先模型如今已广泛可得。稀缺的是那些能将这项技术与企业系统对接并产生可衡量财务成果的人才，而这样的业绩记录比又一次试点或一轮模型评测更有分量。
微软为何使用不同的称谓
微软的公告中有一个值得细究的细节。商业业务 CEO Judson Althoff 明确将 Frontier Company 与 FDE 称谓区分开来，写道它“超越了被贴上前沿部署工程（FDE）标签的范畴”。
微软描述的是一种更广泛的运营模式，将嵌入式工程与行业专长、变革管理和持续改进相结合。因此，其 6000 人的组织所涵盖的角色范围比单纯的 FDE 更广。但核心结构依然熟悉：专家深入客户组织内部，共同设计系统、部署系统，并在上线后持续改进性能。
Althoff 的帖子在描述微软与系统集成商（包括 Accenture、Capgemini、EY、KPMG 和 PwC）的合作时，也使用了 FDE 这一称谓。在公告中，微软将这些合作归入该术语之下，同时将 Frontier Company 描述为一种更广泛的运营模式。
短缺会持续多久
持续时间比当前需求更难预测。Jeff Christian 曾表示，AI Agent 最终可能自动化目前由 FDE 承担的工作，而具身 AI 则可能在机器人和自主系统领域催生对同一部署模式的需求。
“也许两年后，一切都实现了自动化，AI Agent 在自动化 AI Agent，”他告诉 TechCrunch，“而不是人类在自动化 AI Agent。”
无论那个时间点会发生什么，今天正在招聘的公司都面临一个紧迫问题：企业 AI 的成败取决于能否有人让它在真实运营中运转起来。
招聘企业现在应该做什么
企业无法仅靠提高招聘目标来解决眼前的短缺。组建内部团队的雇主应按经验层级划分工作。少量资深 FDE 可以主导部署并确立生产标准，并由来自应用 AI、解决方案架构、数据工程和行业专用软件团队的工程师提供支持。
招聘决策应基于证据而非头衔。让候选人复盘一次失败的部署，并量化一次成功部署的成果。然后确切弄清哪些是他们自己亲手构建的。
贴近客户有帮助。但生产交付的所有权才是更稀缺的资历，而一份十亿美元的新闻稿无法在一夜之间制造出这种资历。
常见问题
- 内部 FDE 团队应向谁汇报？
汇报关系取决于谁负责生产部署。团队通常隶属于工程部门或 AI 组织。团队负责人需要对技术决策拥有权威，并能直接对接系统将要部署到的业务部门。
- 什么才算 AI 部署带来的可衡量的业务价值？
证据可以包括有记录的收入、成本降低、规避的风险或消除的处理时间。候选人应说明基线情况、其个人贡献，以及公司在上线后如何衡量结果。
- 经验丰富的软件工程师能成为 FDE 吗？
可以，前提是该工程师能够在客户的约束条件下工作，并对生产环境的结果负责。仅有出色的编码能力，在利益相关者判断、产品采用和部署经济性方面仍存在差距。这些能力需要通过一线实战经验来培养。
- 谁应该领导一个新的 FDE 组织？
领导者应有多次企业级部署的业绩记录，并具备围绕这类工作组建团队的经验。面试官应考察该人选如何选择项目、分配工程师、处理失败的部署实施，以及如何在发布后衡量价值。