FDE 不是单一岗位，而是一组岗位族。不同公司会根据自己的产品、客户和商业模式做变体——有的偏全栈交付，有的偏 ML/LLM 应用，有的偏数据基础设施。看懂这些差异，比纠结 title 更有用。
一图看懂主要玩家
| 公司 | 岗位名 | 侧重 | 典型要求 |
|---|---|---|---|
| OpenAI | FDE / FDSWE / Technical Deployment Lead | 端到端部署 + 全栈构建 + 沉淀可复用模式 | 5 年+ 工程/技术部署经验，前后端生产代码，Python/JS，最高 50% travel |
| Google Cloud | FDE（GenAI / Conversational AI） | 生产级 Agent / RAG / 企业集成 | 5 年+ Python，云上 AI 架构，向量库、多智能体框架、eval 与 observability |
| Palantir | FDSE + Deployment Strategist | 平台定制部署 + 业务策略 | 强 coding（Python/Java/C++/TS/JS），客户到高管沟通，最高 25% travel |
| Mistral | Forward Deployed ML Engineer | ML/LLM 应用工程 | 复杂 fine-tuning、advanced RAG、agentic use cases、Python、LLM 理解 |
| Scale AI | GenAI FDE | 数据基础设施 + 全栈交付 | 端到端全栈、快速实验、大规模数据与分布式系统、面向 AI lab/政府 |
| 字节 / 火山引擎 | 豆包大模型 FDE（火山方舟 MaaS） | 头部行业客户 Agent 落地 | Python/Java 全栈，Agent/Workflow/多智能体，效果与性能评估，RAG |
逐家拆解
FDE 隶属 Forward Deployed Engineering / Model Deployment for Business 体系，覆盖 discovery、技术定界、系统设计、构建到生产 rollout，并把一线反馈给 Research 和 Product；FDSWE 偏软件工程与抽象能力，为战略客户构建 custom software 并抽象成可复用模式；Technical Deployment Lead 更偏场景识别、系统级理解与高层沟通。说明 OpenAI 的部署组织已不是“一个 FDE 岗位”。OpenAI FDE↗TDL↗
GenAI FDE 要求云上 AI 系统架构、结构化与非结构化数据管道、向量数据库与 RAG。偏好项直接列出 LangGraph、CrewAI、Google ADK、ReAct、自反思、层级委派，以及 tokens/sec、cost-per-request、tracing 等 LLM 指标。职责是把 prototype 转成 production-grade agentic workflows，写连接 AI 产品与客户 legacy data、安全边界和业务流程的 connective tissue。它不是“云解决方案架构师”，而是生产级 Agent / RAG / 企业集成工程师。Google Careers↗
FDSE 强调工程和客户部署，Deployment Strategist（即 Echo）更像 product manager，偏业务策略与客户关系，两者边界会模糊。Palantir 把 FDSE 称为自己的 “blueprint”：嵌入客户现场，处理大规模数据、构建 AI 驱动的关键运营系统、为客户定制应用、从构想推进到部署，并直接与技术团队到高管沟通。Palantir Lever↗Deployment Strategist↗
Applied AI 团队覆盖售前到实施，Forward Deployed ML Engineer 被描述为“像 startup CTO 一样拥有端到端执行”，连接 AI research 与真实企业应用。职责包括部署有业务影响的生产级 GenAI 用例、复杂 fine-tuning、advanced RAG、agentic use cases，并基于客户反馈改进产品和模型。比 OpenAI 的通用 FDE 更偏 ML/LLM 应用工程。Mistral Lever↗
GenAI FDE 面向顶级 AI research labs 和政府机构，强调数据基础设施、客户协作、端到端全栈开发、快速实验、对产品与工程策略的影响，以及云基础设施、大规模数据和分布式系统经验。更接近“AI 数据基础设施 + 全栈交付 + 客户工程”的混合形态。Scale AI↗
国内已出现直接叫 FDE 的岗位，如“豆包大模型 FDE（Forward Deployed Engineer）- 火山方舟 MaaS”：面向头部行业客户、深入理解业务、识别核心痛点、设计实现复杂 Agent 架构与 Workflow、桥接 demo 和业务价值，并把客户反馈转化为产品能力。要求 Python/Java、全栈、大模型效果与性能评估、后训练、RAG、Agent、多智能体。猎聘招聘↗
国内的“同一个岗位，不同名字”
在国内，更多公司不一定直接叫 FDE，而会用这些别名——本质工作高度重叠：
- 大模型解决方案工程师
- AI 应用交付工程师 / 大模型交付工程师
- AI Agent 工程师 / AI Agent/RAG 开发工程师
- 大模型应用架构师
- AI 产品解决方案专家
- 企业 AI 应用开发工程师
判断一个岗位是不是 FDE，不看名字，而看是否同时满足：客户现场 + 真实编码 + 生产落地 + 产品反馈闭环。四者缺一，往往就退化成了售前或咨询。具体怎么逐条核对，见 与相邻岗位的区别。