打开招聘网站，搜这个词。
海外公开薪资里，这类岗位的基本年薪中位数约 20 万美元。
折合人民币大概 134 万。
国内不少大厂挂出的招聘，月薪开到三五万。
小红书上相关求职贴已经遍地都是。
热得发烫。
也神秘得发烫。
我访谈了 6 个从业者。
聊完才发现，他们每天做的事情几乎都不一样。
这就是这个岗位眼下最真实的样子。
它的全称是前线部署工程师。
也叫前沿部署工程师。
说白了，人被派驻到客户现场。
一边部署系统，一边解决客户的实际问题。
这活并不新。
互联网时代就有部署工程师。
还有实施顾问。
解决方案工程师。
售后工程师。
干的都是类似的事。
当年还被看作脏活累活。
换了个技术背景，它突然成了香饽饽。
一、这个岗位到底在干嘛
经典模式里有两种角色。
一种负责听懂业务，谈需求，出方案。
另一种负责写代码，接数据，把方案落成。
两个人都在前线。
后方还有一群工程师，负责开发标准平台。
一句话能概括两者的区别。
后方做的是一个能力服务很多客户。
前线做的是一个客户解决很多问题。
国内一些招聘已经开始标方向。
这在两个月前还没有。
前线的工作有一大半围绕一张业务地图。
图上有企业里的人。
有部门和订单。
也有谁被允许做哪些操作。
前线要做的，就是把散落各处的信息整理进这张图。
再在图上开发应用。
现在的重心又变了一层。
企业自己都说不清 AI 能用在哪。
前线得先帮客户想明白该做什么。
二、大厂内外长出了两种人
李开复带的团队是个典型。
他们全面转向企业服务。
路径是先找到企业的一号位。
再派前线工程师进场。
梳理完业务地图，最后沉淀成产品。
早期一个项目要派 5 名上前线，再配 5 人做后端。
在他看来，产品已经标准化，也按月收费。
但它不是一个插上就能用的东西。
搭一张完整的业务地图要一到三个月。
在企业里做这活的人，和你想的不一样。
莱拉在一家软件公司做这类工作。
名片上的头衔到今天是产品经理。
她从 2025 年三四月起真正进到客户项目里。
客户都是万人以上的上市公司。
一驻场就是一两个月。
那时还没人这么称呼这个岗位。
后来它火了，她才反应过来，原来是同一回事。
索尼克做的是审核类项目。
财税审核。
广告物料审核。
他从 2025 年起开始研究这套打法。
在他看来最关键的环节就是那张业务地图。
上下游数据拿不全。
老系统没有接口。
项目就卡住了。
他说这一步绕不过去。
交付质量好不好，主要看前面这张图做得怎么样。
也有人基本不驻场。
来自一家硅谷公司的程天舒说，他们的前线工程师很少去现场。
这家公司做推理云，客户把模型放到他们的平台上跑。
来的人几乎都是工程师。
需求也很具体。
原来的接口太贵，想换成开源模型。
选哪个，怎么部署，速度够不够。
这类沟通在线上就能完成。
原因是他们的产品只切客户业务里明确的一段。
耦合度低。
不需要钻进客户的组织肌理。
大厂之外，还有一批人在野蛮生长。
他们不属于任何一家有产品的公司。
自己找客户，自己接单。
代码几乎不要钱了。
一个人也能交付。
号称全网第一的那位，管这叫土前线。
有一位斯坦福在读博士，路子特别野。
今年 4 月开始一个人接企业的活。
银行。
律所。
煤化工。
月子中心。
家政中介。
五个多月做了几十个项目。
交付全是他一个人。
更有意思的是工作重心的变化。
一开始他做的是给客户开发系统。
后来变成了教客户员工怎么用 AI。
第一个客户是一家银行。
几个员工每天要从系统里导数据，做成报表给领导。
他写了个自动生成器。
拖进去，一点就出报表。
东西很快没人用了。
报表规则天天在变，导出的格式也不一样。
写死的程序用几天就崩。
后来他换了做法。
不需要新软件。
直接教员工把脱敏数据交给通用模型去汇总。
把高频流程整理成技能插件，接上现有系统。
员工这才真的用起来。
在他看来，白领工作里的大部分问题，靠一个通用助手加一堆技能就能解决。
另一位独立接单的人，经历类似。
她给一家外贸公司做改造，跟老板聊完，结论是先买一款办公助手。
她负责培训员工上手，再把公司内部的系统接进去。
做久了，这些人的生意开始偏咨询。
和企业的合作有两种方式。
一种是项目制。
另一种是顾问制。
后一种越来越多。
说白了就是教员工用工具。
每出一个新工具，就帮企业想清楚业务怎么跟上。
他把这个角色叫企业外部的首席 AI 官。
还有一位运营着一个人数不少的社群。
办线下交流会和黑客松。
企业报需求。
他从报名的人里挑一两个。
选手进厂 48 小时。
梳理工作流。
做出小样。
打动老板就当场签单。
三、难的从来不是代码
AI工具落地最难的地方，往往不在工具本身。
写代码在这门生意里占的时间并不多。
几位从业者都告诉我。
沟通需求占了七成以上。
开发只占三成。
麻烦也大多出在前面那七成里。
推动系统对接的时候，她要反复找采购，找信息部门，找产品经理。
有些系统没有现成接口。
还得推动企业自己开发。
一个多月过去，仍有不少接口没开放。
她说第二天还得接着去磨。
她也不觉得是有人在故意卡。
只是每个人都有自己的一摊事。
改造这件事在对方那里，未必排得上优先级。
拿不到权限，有时只是流程问题。
但阻力还有更微妙的一层。
过去部署一套软件，很少直接动到谁的位置。
AI 不一样，它可能改掉一个团队原本的工作。
有家企业想开发一套覆盖几十个模块的系统。
那位博士估算自己三四个月能做完。
客户却要求他以顾问身份和对方的团队合作。
签了保密协议，对方仍不愿开放代码库。
领导回了一句，你都用了那款助手，那他们干什么。
这句反问，把真正的难处说透了。
四、它算不算外包，答案在钱上
另一个常被问的问题是，这算不算外包。
至少在那家推理云公司，答案是否定的。
他们的前线工程师和普通工程师一起招聘。
面试流程相同。
拿固定薪水和股票，不靠提成。
服务也不单独收费。
就算搭出了小样，客户最后没上他们的平台，也不用付钱。
他们的前线是为自家产品服务的。
帮客户用起来，再把现场反馈带回去改产品。
在企业里的两位也认为，把经验沉淀回产品才是分界线。
过去判断一个团队是不是外包，看的是它有没有自己的产品。
没有积累，每个项目都从零开始做，被叫外包也没法反驳。
他们现在的做法是把可复用的模块按场景沉淀到一个平台上。
再搭技能库和助手库。
一个垂直领域里，第一个场景从接入到上线要一个月。
后面遇到同类场景，一两天就能接完。
做得越久，速度越快。
沟通成本也在往下走。
但有人给这套逻辑泼了盆冷水。
大家想象的复用，是做出一套半标准软件，到下一家把规则调一调就能上。
他不否认这些积累可以复用。
他只问一件事，这些积累究竟能让下一次交付便宜多少。
AI编程把开发的成本压到了地板。
过去做一套软件，开发花 90 块，给每家客户适配只花 10 块。
开发一次卖给很多家，那 90 块就能一点点摊薄。
现在开发只要 1 块。
适配还是 10 块。
既然如此，给下一个客户做，还不如直接新建一套。
因为做一个软件出来太快了。
代码能复用。
技能和行业经验也能攒。
可每进一家新企业，还是要重新理解需求，重新连系统，重新处理权限。
这部分投入不会跟着代码一起降价。
软件越来越容易复制，这门生意能不能复制，是另一回事。
访谈到最后，我问了几乎每个人同一个问题。
这个岗位会一直存在吗。
程天舒说，这个岗位的最终目的是把自己取消掉。
需要它出手，说明产品和客户需求之间还有差距。
产品做得够好，客户自己就能搞定。
但他也承认，这个目标可以不断靠近，却很难真正抵达。
另一位说得更淡。
他说这件事在 AI 之前就有人在做。
以前叫管理咨询。
也叫信息化外包。
只是这个词最近才火起来。
有人私下里并不喜欢这个称呼。
对外这么说，只是因为大家都熟悉。
她更愿意说自己是创业者。
目标是用 AI 改造外贸。
这三个字母被塞进了太多含义。
软件开发。
咨询服务。
员工培训。
系统对接。
社群撮合。
看着八竿子打不着，却都能往里装。
但不管哪一种，干的都是同一件事。
把 AI 真正用进客户的业务里，并且为此搞定人。
如果一定要说这个老岗位在 AI 时代变了什么，有三点。
过去驻场的人负责把做好的软件装上去。
现在得先帮客户想清楚该用在哪。
过去定制一套系统要一个团队。
现在代码几乎不要钱。
过去难的是技术。
现在难的是人。
岗位还是那个老岗位。
只是它得懂更多。
跑得更快。
也扛得更多。
企业还没想清楚怎么用，分工也来不及跟上。
于是太多能力，被一股脑压在了同一个人身上。
