如果你最近有在關注國際科技圈的人才動態，應該會發現一個原本很少人聽過的職位，突然變成OpenAI、Anthropic、Google這些頂尖AI公司搶著要的對象，那就是FDE（Forward Deployed Engineer，前線部署工程師）。
FDE是什麼？簡單來說，就是AI公司直接派進客戶公司裡的工程師，他會先分析客戶遇到的狀況，再一路把AI系統做到真的上線，直到使用者滿意為止。
最近這幾個月，美國科技公司都砸大錢招募FDE。2026年6月底，AWS宣布投入10億美元（約新台幣323億元），成立一個專門的FDE組織；微軟在7月2日宣布投入25億美元（約新台幣806億元）成立新事業體「Microsoft Frontier Company」，投入約6,000名工程師與產業專家，其中一部分由內部調動、一部分對外招募。兩大雲端巨頭在兩天之內合計砸下約35億美元（約新台幣1,129億元），目標要把自己的工程師直接放進客戶的公司裡。
緊接著在7月8日，OpenAI控股的部署公司（OpenAI Deployment Company）宣布同意收購Northslope。Northslope大部分的人可能沒聽過，不過它是由前Palantir FDE創辦的公司，這是該部署公司2026年5月成立以來的第二起收購（第一起是Tomoro）。事實上，Northslope從2024年成立到這次被收購，前後大約才兩年，2025年營收更是成長了近7倍。一家這麼年輕又還在爆發成長的公司卻直接被OpenAI收下，正說明頂尖的FDE團隊如今有多搶手。
而根據《Business Insider》引用的人才市場分析，FDE在一年內（2025年4月至2026年4月），職缺數由643個增至5,330個，年增率達729%。除了OpenAI、Anthropic、Google Cloud、Palantir、Stripe等AI與雲端公司積極招募外，企業端也開始招募了。另一份由獵頭公司Christian & Timbers進行、《TechCrunch》取得的研究則指出，2026年初僅5％至10％的受訪公司計畫聘用FDE，且多半只準備小規模試辦，但到了第二季末，比例已升至70％。AI產業的競爭重點，正從尖端模型競賽，轉向誰能讓企業真正買單並用起來。
一個乍看之下只是「派工程師到客戶現場」的角色，為什麼會站在整個AI產業中最搶手的位置？
「FDE」到底在做什麼？
如果要理解FDE為什麼現在這麼紅，我想跟這兩年企業都在部署AI這個風潮有關。麻省理工學院（MIT）的NANDA計畫，在《The GenAI Divide: State of AI in Business 2025》報告中調查逾500家企業後指出，高達95%的企業生成式AI試辦專案，最後無法對損益（P&L）產生任何可量化的影響，意思就是說，企業花大錢導入AI但成果不如決策者預期。
那真正的原因會是在模型本身或是算力不夠嗎？我想絕對沒有那麼單純，現在大型語言模型的能力已經相當成熟，答案並不在模型端，而在前線：AI到底要怎麼接上既有系統？怎麼符合權限與法遵要求？這些都是會改變員工工作流程的地方，卻沒有相關資源進駐。今年大家終於發現FDE的重要性，雖然客戶懂自己的系統，AI公司有模型，兩邊各懂一半，但只有FDE能站在中間，讓系統真的可以進到每個人的工作裡。
但這個職位特別的地方，是他一天到晚在做的事。
傳統顧問會坐在會議室裡，聽完需求後做報告，告訴你「你應該這樣做」，至於執行面往往是公司要煩惱的事情。但FDE直接坐進客戶的辦公室，可能要去問那個每天在跑這個流程的員工「這一步為什麼要這樣做？」「哪裡最卡？」先快速丟出一個能動的版本，然後根據現場反應一直修改，改到系統真的能用為止。
假設六個月後系統上線、半夜出包，當初畫出問題架構的人，就是會被call起來處理的那一個，他一邊解問題，一邊把現場學到的東西帶回去，讓系統也變得更好。
很多企業導入AI的第一關，卡在文件又亂又舊，再往下走還有更難的：當你讓AI去呼叫公司內部系統，誰有權限做什麼、哪些資料不能碰，這些全都要一個一個接起來。而這些問題在展示（demo）階段永遠看不到，只有真的走進公司，問題才會浮出來，這正是FDE存在的意義。
把這套做法變成一門可規模化生意的一開始是Palantir。2011年，Palantir將原本分開的解決方案工程師與整合工程師合併為單一職能，稱為前線部署工程師。當年很多人覺得這套太貴、沒辦法像純軟體那樣規模化，是個昂貴的顧問服務，直到這兩年，OpenAI、Anthropic、Google這些公司想要進到企業端賺錢，才發現光是把工具丟給客戶自己用是行不通的，於是也大量開發這樣的職位。
「前線工程師」這個概念，硬體業其實早就有了
看到這波FDE熱潮，我一直很想回應這個議題，因為對做過硬體的人來說，這不是什麼新發明。
在半導體、硬體產業裡，一直有一類角色稱為FAE（Field Applications Engineer，現場應用工程師）。FAE會貼近客戶的產品與工程團隊，從零組件選型、設計導入到測試、除錯及量產爬坡，提供不同階段的技術支援。
要做一支手機，裡面有記憶體、面板等各種零組件。供應商的FAE不只負責把零組件賣給客戶，也會深入客戶的研發與測試現場，協助產品一路走到量產導入。晶圓代工也有相近的客戶支援機制。以台積電為例，團隊會在設計支援、光罩、製造與新產品導入等環節和客戶協作，讓晶片設計順利銜接製程並進入量產。
最經典的例子是聯發科。它早年針對白牌手機推出turnkey（一站式）解決方案，把晶片、參考設計、軟體、開發工具與測試支援整合成套提供。買方幾乎只要貼上自己的牌子就能出貨，而讓這套模式跑起來的關鍵，正是那一群深入使用者現場的FAE工程師，可以說，是FAE這套「陪客戶一路做到成功」的打法，把聯發科的生意撐了起來。
所以，當我看到近年矽谷AI公司擴大招募FDE時，我的第一個反應是：「這不就是硬體業協助客戶快速完成導入的模式，換到另一個戰場重演嗎？」
AI是通用型技術，但愈通用，企業愈需要有人深入既有系統、資料與工作流程，完成最後一段導入。FAE與FDE的職責不完全相同，但核心邏輯相近：不是交付產品就結束，而是和客戶一起把技術真正用進工作流程。
FDE、FAE這麼有效，為什麼不是每家軟體公司都做？
既然這套模式這麼有效，為什麼不是每家公司都在做呢？
因為它跟很多軟體公司的商業模式是衝突的。軟體公司最理想的生意，是做出一套標準產品，然後賣給最多的客戶，最好買了自己就會用，這樣邊際成本才會趨近於零。要他們派工程師長時間蹲在現場一家一家客製，這在財務模型上看起來就是不划算。
於是有些軟體公司會選擇另一條路，做一套針對特定產業的產品，專門去服務那個產業，這在對的場景下也很有效。不過只要有一個新的技術冒出來，你就一定得跟著產業需求一起變化。
SaaS的成功建立在標準化，FDE的價值卻來自深入不同需求。但AI導入的複雜度，正把標準化的邊界往回推，也迫使許多軟體公司重新思考這個平衡。
從矽谷的浪潮回到台灣，會帶來什麼影響？
值得一提的是，AWS在宣布投入FDE時，特別強調他們跟傳統顧問的差別：傳統顧問做的是評估、給建議，把每個案子當成一次性的專案，而FDE留給使用者的，不只是一套跑得起來的系統，還有能自主運作、持續創新的團隊與能力。
其實台灣有大量的製造業與硬體業，FAE那套「走進客戶現場、陪客戶做到成功」的精神，本來就是我們最熟悉、也最擅長的事。矽谷的浪潮到了亞洲，往往會長出不一樣的樣貌，但對我來說，這波FDE熱潮只是再一次驗證了硬體業老早就懂的事：真正的價值，永遠在客戶現場。我也很期待，這件事會為台灣的軟體業帶來什麼樣的改變。
