Forward Deployed Engineer（FDE，前線部署工程師）是 2026 年 AI 產業薪資成長最快、職缺增幅最猛的工程師職位。根據 The New Stack 與 Lightcast 數據，FDE 全球職缺從 2024 到 2025 年暴增 800%，前線總薪資（TC）落在 USD 350,000–630,000區間。2026 年 5 月那個短短一週內，OpenAI、Anthropic、Google Cloud 三大 AI 實驗室同步成立或擴編 FDE 部門，業界共同承認一件事：AI 落地，不是模型問題，是部署問題。
這份指南拆解 FDE 是什麼、為什麼三大實驗室同時下注、薪資結構長怎樣，以及想跨進這個職位需要哪一套混合能力。
Answer Target：90 秒看懂 FDE
| 項目 | 內容 |
|---|---|
| 角色定位 | 工程師駐進客戶辦公室、工廠或機房，現場把 AI 系統做出來並上線 |
| 起源 | Palantir 約 2010–2012 年內部代號「Delta」，搭配「Echo」分析師 |
| 2026 三大事件 | OpenAI 砸 40 億美元成立 Deployment Company；Anthropic 與 Blackstone、Goldman Sachs 合資 15 億美元；Google Cloud 開出 59 個 FDE 職缺 |
| 薪資區間 | Palantir 平均 USD 238,000；OpenAI／Anthropic 中高階 USD 350,000–550,000；Palantir Staff 級 USD 630,000+ |
| 地理 | 美國 FDE 職缺 35% 在紐約，11% 在舊金山（紐約反超灣區） |
| 核心技能 | Python／SQL／雲端基礎、LLM／向量資料庫／LangGraph、企業溝通與 ambiguity 處理 |
為什麼 AI 實驗室突然全部跑去搶這個職位
過去十年，矽谷最聰明的工程師都想去做模型。前沿在模型、薪資跟著模型、聲望也跟著模型。2026 年，那個前沿移動了。
MIT 媒體實驗室的 Project NANDA 在 2025 年 7 月發布《The GenAI Divide: State of AI in Business 2025》報告，分析 300 多個企業 AI 部署、訪談 52 個組織、回收 153 份高階主管問卷，得出一個讓 AI 圈震動的結論：95% 的企業生成式 AI 試點沒有產生可量化的損益影響。投入金額是 USD 30,000,000,000 到 40,000,000,000。問題不在模型，模型已經夠強了，瓶頸在部署。
註：影片素材原本援引「MIT 與 RAND 的 80%」這個數字，但我們追溯到原始來源後確認，這個 95% 失敗率出自 MIT Project NANDA 報告，並無 RAND 的同等研究。本文採用原始正確數字。
Google Cloud CEO Thomas Kurian 在 2026 年 4 月底的 Google Cloud Next 大會上講了那句被反覆引用的話：「The era of the pilot is over. The era of the agent is here.」試點時代結束，代理時代開始。這句話的弦外之音很直接：客戶不缺模型 API，缺的是把 API 串進他們那台跑了 20 年的 ERP 系統、再讓現場員工願意每天用的人。
於是 2026 年 5 月那一週，三件事接連發生：
- 5 月 11 日：OpenAI 宣布成立 OpenAI Deployment Company，由 19 家投資機構共同注資 40 億美元，TPG 領投，Advent、Bain Capital、Brookfield 為共同主導合夥人，估值約 140 億美元。OpenAI 保留多數股權與控制權。同步併購英國 AI 顧問公司 Tomoro，將約 150 名 FDE 與部署專家併入新公司。
- 5 月中旬：Anthropic 宣布與 Blackstone、Goldman Sachs 成立 15 億美元合資企業，把 Claude FDE 嵌入金融服務客戶。同期 FIS 公布與 Anthropic FDE 共同開發的 agentic 反洗錢平台，Bank of Montreal 與 Amalgamated Bank 為首批採用機構。
- 同週稍晚：Google Cloud 在內部 Go-To-Market 團隊下成立新的 AI 專責組織，公開 59 個 FDE 職缺，分布於美國（紐約、亞特蘭大）、倫敦、巴黎、香港。CRO Matt Renner 直接說：「我們不會再派一堆業務人員，而是用更多技術資源接觸客戶。」
當全球前兩大 AI 實驗室在同一個月成立獨立法人的 FDE 業務，這個職位就從戰術性招募變成戰略類別。
Palantir 的 Echo／Delta 雙人組：FDE 模式的鼻祖
FDE 不是 2026 年的新發明。早在 2003 年成立的 Palantir，因為客戶是無法清楚講出需求、又不能分享原始資料的情報機構，索性把工程師直接派到客戶現場。這個模式在 2010 年代初期被系統化，內部代號「Delta」。這個名字來自 Palantir 早期 Business Development 部門以 NATO 字母順序命名各小組的傳統。
Palantir 公開部落格描述兩個角色的搭配：
- Echo（策略師）：負責挖掘客戶真正的問題、解讀組織政治、理解工作流程現實
- Delta（工程師）：寫產品級程式碼、處理破損資料、在客戶現場把方案做出來
兩者的張力確保產品功能性與策略對齊都到位。直到 2016 年 Palantir 推出 Foundry 之前，公司的 FDE（Delta）人數一直多於傳統軟體工程師。
更關鍵的是「gravel road to paved highway」回饋迴圈：FDE 在客戶現場做出來的客製碎石路，會被反饋回核心產品團隊，提煉成下一代平台的標準功能。每一次部署都讓平台更聰明，下一個客戶導入更快。Palantir 前 FDE Nabeel Qureshi 在 Palantir 工作近八年，做過 COVID-19 應變、新藥探索，以及 Airbus 飛機製造優化。他現場待過 A350 的最終組裝線。同期另一位前 FDE Anjor Kanekar 也提到，他與許多同事在客戶端的工作環境包括隔離網路（air-gapped）的工廠車間。
這個模式的商業驗證在 Palantir 2026 年 Q1 財報：年化營收成長 85%、美國商業部門年增 133%、全年指引 71% 成長。FDE 模式從「太貴、規模不起來」的質疑聲中走出來，變成 AI 時代每家實驗室都在抄的 playbook。
FDE 跟一般軟體工程師到底差在哪
| 維度 | 傳統軟體工程師（SWE） | Forward Deployed Engineer（FDE） |
|---|---|---|
| 工作地點 | 公司總部、遠距 | 駐點客戶辦公室、工廠、機房 |
| 最佳化目標 | 抽象百萬使用者的產品 | 單一客戶的營運成果 |
| 資料 | 乾淨、標準化、產品內建 | 客戶私有、格式混亂、有合規限制 |
| 規格 | 產品經理寫好 PRD | 客戶連自己要什麼都說不清，FDE 要去挖 |
| 客戶互動 | 幾乎零 | 從現場分析師到 CTO、CIO 都得對話 |
| 程式碼壽命 | 多年迭代 | 從原型到生產，迭代以週為單位 |
| 評量標準 | 程式碼品質、系統效能 | 客戶營收／成本指標 |
| 起始月薪（美國中位） | USD 12,000–18,000 | USD 17,000–25,000+，含股票更高 |
FDE 的日常工作節奏比較像 startup 的 CTO，而不是傳統工程師。早上跟客戶 VP 釐清商業問題、下午寫資料管線、晚上跟核心產品團隊回報部署過程中發現的平台缺陷。
真實案例：OpenAI 把工程師派到 Iowa 玉米田，Palantir 派到 Airbus 組裝線
OpenAI 在自家網站描述與 John Deere 的合作：FDE 團隊與 John Deere 的領域專家合作，部署 AI 動力的播種季建議系統。他們審閱了數百個真實田間案例、建立客製評估系統測量準確度、快速迭代改善模型表現。結果是 John Deere 協助農民減少高達 70% 的化學品使用，客戶互動提升六倍。
實際的 See & Spray 技術用 36 顆相機加上機器學習，在時速 12–15 英里（約 20–24 公里）下辨識雜草、只對雜草噴藥。Iowa State University 的獨立研究在 415 英畝測試田顯示，平均除草劑減量 76%，最高達 90.6%，每英畝省下約 USD 15.7 的化學品成本。
Palantir 與 Airbus 的合作更早，從 2015 年開始。Skywise 平台目前已有超過 100 家航空公司加入，獨立第三方分析估算 Skywise 創造的年營收機會超過 USD 850,000,000。2026 年 2 月 Palantir 與 Airbus 宣布延長多年合作協議。實際的 FDE 部署地點包括 Hamburg（A350 後段機身組裝廠）與 Toulouse（最終組裝廠）。在沒有標準網際網路、嘈雜的工廠車間寫尖端 AI 程式，這就是 FDE 真實的辦公室。
薪資地圖：紐約反超灣區，金融與監管產業推升價格
依據 Exponent、jobsbyculture、Levels.fyi 整合的 2026 年 5 月資料：
| 公司 | 中高階 TC 範圍（USD） | 中高階 TC 範圍（NTD） | 結構備註 |
|---|---|---|---|
| Palantir | 205,000–486,000（Staff 級 630,000+） | 6,560,000–15,552,000（Staff 級 20,160,000+） | RSU 為主，上市公司流動性高 |
| OpenAI | 350,000–550,000 | 11,200,000–17,600,000 | 私募估值股權 PPU |
| Anthropic | 350,000–550,000 | 11,200,000–17,600,000 | PPU（利潤參與單位）為主 |
| Google Cloud | 238,000（平均）；資深可達 700,000 | 7,616,000；資深 22,400,000 | L5+ Band，RSU 為主 |
| Databricks | 約 250,000–400,000 | 8,000,000–12,800,000 | 後期私募股權 |
地理分布也跟著變動。Tryexponent 與 The New Stack 整理的職缺資料顯示：
- 紐約市：35%（FDE 美國職缺第一）
- 舊金山：11%
- 倫敦：第三大 hub
- 印度：以 Bangalore 為首，後續 Hyderabad、Gurgaon、Mumbai
紐約反超灣區的原因很實際：華爾街銀行、Fortune 500 總部、受嚴格監管的金融機構大多在東岸，這些客戶需要 FDE 在現場做大量資料整合與合規處理，遠距 OK，但要常飛或駐點。Paraform 的市場資料補充：83% 的 FDE 職缺集中在 SF 或 NYC，Founding FDE（第一個 FDE 角色）的薪資溢價比未指定資歷的職缺高 29%。
T 型能力：FDE 的「獨角獸」profile 長這樣
各家 AI 實驗室開 FDE 職缺時都在找同一種人：技術深度足以解決客戶端整合難題、商業敏感度足以跟 CIO 對話。Anthropic 的 FDE 職位明確要求：
「具備 LLM 生產經驗，包含進階提示工程、agent 開發、評估框架、規模化部署。」
T 型 profile 的三個支柱：
第一支柱：核心工程能力（縱深）
- Python、SQL、雲端基礎架構（AWS／GCP／Azure）
- 資料管線（Airflow、dbt、Spark）
- API 整合、SSO／SAML、VPC 部署、IAM、SOC 2／HIPAA／FedRAMP 等合規框架
- 5 到 8 年以上產品工程經驗，能在 ambiguity 下做架構決策
第二支柱：AI 與 agent 專業（縱深）
- 進階 prompt engineering，能寫出可重現的評估集
- LangGraph、LangChain、CrewAI、DSPy 等 agent 框架
- 向量資料庫、RAG 架構、檢索品質調校
- 模型微調、LoRA、評估迴歸測試
- 多步驟工具呼叫鏈（agent 呼叫 API → 讀資料庫 → 寫回內部系統）
第三支柱：策略與溝通（橫向）
- 高自主性（high agency）：面對企業內部政治、組織抗拒、unclear 要求時仍能推進
- 商業敏感：能把技術 tradeoff 翻譯成 CFO、CIO 聽得懂的營收／成本影響
- 顧問氣質：discovery 訪談、stakeholder mapping、跟 VP 級主管討論優先順序
- 抗壓性：能在 6–12 週 timebox 內交付可用原型
這就是為什麼薪資被推到 USD 350,000 起跳。同時擁有深度工程與顧問氣質的工程師本來就稀少，FDE 的需求曲線直接撞上人才供給上限。
Tenten 觀察：在台灣與東亞，這個職位的本地化版本
我們從 2024 到 2026 年間協助金融服務、製造業、Shopify D2C 品牌做生成式 AI 試點與導入，看到的台灣版 FDE 需求有三個特徵：
- 客戶不要顧問報告，要可用系統：傳統 SI 提案書 + RFP 流程在 AI agent 場景失效太快，客戶通常希望 6 週內看到能跑的東西，再來決定要不要規模化
- 法規與資料主權是頭號技術約束：金管會、PDPA、ISO 27001 三重要求下，FDE 必須懂如何把 LLM 推論放在 Azure OpenAI Taiwan region 或自架 vLLM，而不是直接打 OpenAI 公開 API
- 多模型路由變成核心技能：客戶不再買單「all-in Claude」或「all-in GPT」，FDE 要能在 Claude Opus、GPT-5、Gemini 之間做成本／延遲／品質的 routing
延伸閱讀：FDE 前線部署工程師：從客戶端工程師到企業戰略樞紐的角色演化、FDE 部署戰開打：Anthropic 與 OpenAI 砸 55 億美元搶企業 AI 部署市場、OpenAI DeployCo 上線：140 億美元估值的企業 AI 部署軍團、AI 智能體完全指南：從概念到營收的實戰藍圖、Claude Code 2.0 神級攻略
FAQ：關於 Forward Deployed Engineer 的常見問題
Forward Deployed Engineer 跟 Solutions Architect、Sales Engineer 有什麼差別？
Sales Engineer 賣夢想（pre-sales demo），Solutions Architect 設計藍圖（架構規劃），核心軟體工程師建立工具箱（產品本身）。FDE 拿那個工具箱、在客戶混亂的工地上蓋出客製的成品，並且擁有那個交付成果的成敗責任。FDE 通常比 SE／SA 更深入核心產品，會把現場發現的問題反饋給產品工程團隊改進平台。
2026 年要進 FDE 職位，最低門檻是什麼？
公開職缺多數要求 5–8 年產品級工程經驗（Python／SQL 為主）、雲端基礎架構實戰經驗，以及 LLM 應用開發經驗（prompt engineering、RAG、agent 框架）。Google Cloud 的 FDE 職缺也接受較資淺人選（FDE II 起），但起步薪資通常落在 USD 180,000–250,000。新鮮人比較難直接拿到頂尖實驗室的 FDE 職缺，建議先進大型 FDE 培訓計畫（Google Cloud、Deloitte、Salesforce）累積客戶端實戰經驗。
Palantir、OpenAI、Anthropic 的 FDE 股權結構差很多嗎？
差很多。Palantir 是上市公司，RSU 流動性高、可即時變現。OpenAI 給的是私募估值下的股權（PPU 變體），定期 refresh，但目前無法在公開市場交易。Anthropic 用 Profit Participation Units（PPU），結構特殊，需要仔細看 vesting 與 liquidity 條件再評估真實價值。談薪時，TC 數字只是天花板而不是 floor。
紐約為什麼變成 FDE 第一大 hub？
兩個原因。一是 Fortune 500 總部與華爾街銀行集中在東岸，這些客戶需要 FDE 駐點處理嚴格的監管環境與大量遺留系統整合。二是 OpenAI、Anthropic、Google Cloud 在 2025–2026 年集中擴張紐約辦公室，2026 年 5 月後 Anthropic 與 Blackstone、Goldman Sachs 的 15 億美元金融服務 JV 更把 FDE 需求拉到全市最高密度。Tryexponent 整理的數字：紐約 35%、舊金山 11%。
FDE 是好的創業跳板嗎？
是的，且明顯比一般 SWE 強。FDE 同時被迫精通端對端產品開發 + 高密度客戶對齊，這兩件事正是早期創業最缺的能力。Palantir 校友裡誕生過大量 AI 創業者（包括 Anduril 創辦人 Palmer Luckey、Addepar 的 Joe Lonsdale 等）。一位前 Palantir FDE 在 Lenny's Newsletter 訪談中直接說：FDE 是「最頂級的創業訓練營」，因為你學會在客戶站在旁邊評斷的狀況下，把對方真正需要的東西做出來。
高 DA 引用來源
- MIT Sloan Management Review — The GenAI Divide: State of AI in Business 2025（Project NANDA 報告原文）
- The New Stack — Why OpenAI and Anthropic are hiring forward deployed engineer teams
- The Pragmatic Engineer — The Pulse: Forward deployed engineering heats up again
- OpenAI — Forward deployed engineering at OpenAI（官方）
Author Insight
過去 18 個月，我們在台灣與東亞市場做了超過 20 個生成式 AI 導入專案，從金融客服、製造業預測維修，我們在現場確認過為什麼。失敗不是模型不夠強，是沒人願意在客戶機房裡花六週把 LLM 接進那台 IBM AS/400。
Palantir Delta 模式的關鍵不是「派工程師駐點」這個動作，是 gravel road 回饋迴圈：每次客戶端發現的整合限制、失敗模式、未明說的工作流程，都會被反饋回核心產品。這才是 FDE 真正的競爭護城河，遠比薪資數字重要。台灣企業在評估自家 AI 導入策略時，更該問的不是「要不要請一位 FDE」，而是「我們的 AI 平台供應商，有沒有把 FDE 在我們現場學到的東西，內化成下一版產品功能」。
如果你正在評估如何把生成式 AI 與 agent 從試點推到全公司營運，歡迎跟 Tenten 團隊預約諮詢。
