獨(dú)家解讀丨日薪高達(dá)17萬：華爾街為何瘋搶「AI落地官」？

本文作者：徐曉飛

2026-06-03 14:53

導(dǎo)語：狂招FDE崗，硅谷AI巨頭們在怕什么？?

“大模型落地的真相正在被揭開。”硅谷AI投資基金合伙人Jerry Lu對雷峰網(wǎng)(公眾號：雷峰網(wǎng))坦言。他的這一感慨，源于近日兩則看似不相關(guān)、但在硅谷AI圈引發(fā)熱議的新聞。

一則是華爾街天價賬單：兩位AI咨詢師的日薪高達(dá)2.5萬美元（折合人民幣約17萬元），且客戶預(yù)約已排到兩個月后。

另一則是科技巨頭Meta被曝組建“Enterprise Solutions”新部門，計劃向大客戶派駐工程師，提供定制化AI服務(wù)。

在Jerry看來，兩則看似不相干的新聞，其實反映的是同一件事：在進(jìn)入企業(yè)時，大模型從API到業(yè)務(wù)邏輯之間，仍存鴻溝。

天價賬單買的，正是能夠消除這條鴻溝的“短缺溢價”。

事實上，這幾乎成了近期硅谷AI圈最熱門的一件事。

谷歌、OpenAI、Anthropic等巨頭不僅大量設(shè)立FDE（前線部署工程師）崗位，甚至不惜成立專門的子公司或合資公司，并大手筆收購，來快速補(bǔ)充FDE人員。

而國內(nèi)AI云大廠們，近期也在“瘋狂搶人”，某大廠甚至直接從外部挖來一位副總裁級別高管，負(fù)責(zé)FDE相關(guān)團(tuán)隊工作。更多內(nèi)幕詳情，可添加作者微信 xf123a 了解。

天價日薪、巨頭搶人、資本并購……這些華爾街金融巨鱷和AI科技巨頭們，究竟在焦慮什么？

天價日薪背后，藏著什么套利窗口？

2.5萬美金，折合人民幣約17萬元。即便在華爾街，這個數(shù)字也足以令人咋舌。

而這僅僅是兩位AI顧問Felipe Sinisterra和Dave Wang一天的工資。

這兩人都是前對沖基金交易員。去年，他們創(chuàng)辦了一家專門教華爾街精英們?nèi)绾问褂肁I的公司，目前日服務(wù)費(fèi)已經(jīng)飆升到2.5萬美金，金融機(jī)構(gòu)客戶接踵而來。

他們在教什么？為什么這么貴？

一些參加過的基金經(jīng)理們回憶，他們會教授如何利用Gemini分析創(chuàng)業(yè)者的路演視頻，用ChatGPT和Claude，對財報電話會進(jìn)行情緒分析，找出能左右市場走勢的關(guān)鍵言論。

“一天2.5萬美元，表面看是AI培訓(xùn)很貴，實則反映的是金融機(jī)構(gòu)的焦慮：工具已經(jīng)買了，但不會用到核心業(yè)務(wù)里。”前AWS首席架構(gòu)師費(fèi)良宏告訴雷峰網(wǎng)。

“用AI分析路演視頻、財報電話會情緒，這些不是簡單‘提問技巧’，而是把AI，真正嵌入到投資研究、風(fēng)險判斷和交易決策流程里。企業(yè)現(xiàn)在最缺的是能把AI變成業(yè)務(wù)結(jié)果的人。”

“本質(zhì)上是FOMO情緒，很多傳統(tǒng)企業(yè)不是長期泡在硅谷AI圈里，所以他們面對AI大模型的沖擊，會有一種震驚、焦慮與迷茫混雜的情緒——他們被AI效果震驚到了，但卻看不太懂，也不太會用。”觀測云CEO蔣爍淼表示。

一家總部位于深圳的商業(yè)銀行的技術(shù)高管告訴雷峰網(wǎng)，作為技術(shù)落地的“頂級金主”，金融機(jī)構(gòu)往往最有錢、也最有動機(jī)去嘗試新技術(shù)，因此也最舍得花大價錢請“外援”。

因為AI技術(shù)迭代的速度太快了，快到這些公司們有點跟不上了。而這正是AI咨詢師Dave和Felipe抓住的套利窗口。

這個窗口有多大？看看這些排著長隊、焦慮不堪的華爾街巨頭們就知道了。

華爾街為什么自己搞不定AI？

華爾街的金融機(jī)構(gòu)不缺錢、不缺數(shù)據(jù)、更不缺應(yīng)用場景，唯獨(dú)缺“用好AI”的能力。

這并非孤例，而是絕大多數(shù)企業(yè)在AI落地時遭遇的“系統(tǒng)性困境”。

“不能只看科技巨頭。目前大多數(shù)企業(yè)對AI的使用仍然偏淺，還停留在會議紀(jì)要、PPT以及寫一部分代碼上。”費(fèi)良宏解釋道。

“但真正難而重要的，是讓AI進(jìn)入企業(yè)內(nèi)部數(shù)據(jù)、業(yè)務(wù)系統(tǒng)和決策流程。”

在他看來，很多AI項目不是敗在AI能力上，而是敗在企業(yè)自己的數(shù)據(jù)、流程和組織協(xié)同上。

“企業(yè)在AI上‘用不好、用不深’，有四大核心原因：數(shù)據(jù)分散，流程沒有重構(gòu)，缺少既懂業(yè)務(wù)又懂AI的人，以及組織內(nèi)部沒有形成明確的責(zé)任和ROI機(jī)制。”更多其他見解，歡迎添加作者微信 xf123a 探討。

比如最核心的流程重構(gòu)問題。

不同于C端業(yè)務(wù)的標(biāo)準(zhǔn)化，B端企業(yè)業(yè)務(wù)往往復(fù)雜得像一團(tuán)亂麻。

比如深圳一家跨境電商曾嘗試用 Agent 替代人工處理大促退換貨。理論上，當(dāng) Agent 監(jiān)控到批量退貨，能自動聯(lián)動倉庫，及時調(diào)整庫存，幫企業(yè)規(guī)避損失。

當(dāng)時他們的想法是：“放權(quán)給 Agent 行不行？”

但跑了一套流程下來發(fā)現(xiàn)，現(xiàn)有供應(yīng)鏈流程是給“人”設(shè)計的，Agent用不了。

讓 Agent 跑老流程意味著：AI 算出了方案，但按照傳統(tǒng)內(nèi)控流程，它得先發(fā)給客服主管，主管登錄內(nèi)網(wǎng)點擊確認(rèn)，再上報倉儲經(jīng)理掃碼二次授權(quán)，最后還要靠人類員工把兩邊對不上的商品編碼，手動復(fù)制粘貼到物流系統(tǒng)里。

新車跑在舊鐵軌上，Agent 的優(yōu)勢基本無從發(fā)揮。

“AI工具和原有的業(yè)務(wù)系統(tǒng)之間的融合和打通，目前還不夠充分，以至于AI落地過程中水土不服，這也是企業(yè)和服務(wù)商們接下來要重點解決的問題。”達(dá)觀數(shù)據(jù)CEO陳運(yùn)文補(bǔ)充道。

而隱藏在流程背后的還有一個更大的“疙瘩”：數(shù)據(jù)碎片化問題。

以銀行場景為例，一家銀行的客戶數(shù)據(jù)，可能分布在CRM、郵件系統(tǒng)、交易系統(tǒng)、合規(guī)系統(tǒng)等四五個相互隔離的平臺。

AI要想跑通一個“客戶風(fēng)險評估”的自動化流程，先得打通這4到5個數(shù)據(jù)孤島。打通一個，通常需要幾周的數(shù)據(jù)清洗和接口開發(fā)。全部打通，則要按月計算。

正如陳運(yùn)文所言：“企業(yè)用不好AI，核心是企業(yè)的數(shù)據(jù)基礎(chǔ)設(shè)施薄弱，歷史數(shù)據(jù)負(fù)債太多。很多企業(yè)的數(shù)據(jù)清理、規(guī)則梳理、數(shù)據(jù)碎片化等老問題，在AI時代暴露得更加充分了，限制了AI應(yīng)用的深入。”

企業(yè)數(shù)據(jù)“橫七豎八”，孤島林立，再厲害的AI模型進(jìn)來，也難免迷路，以至于模型不認(rèn)識你的業(yè)務(wù)，更進(jìn)不去你的系統(tǒng)。

此外，面對AI這種日新月異的新技術(shù)，不少公司缺少既懂業(yè)務(wù)又懂AI的人。

“眼下，不少企業(yè)都缺少既懂先進(jìn)AI系統(tǒng)、又精通業(yè)務(wù)的‘雙棲人才’。”陳運(yùn)文告訴雷峰網(wǎng)，AI人才代表的是一套全新的技能組合，如模型評估、流程重塑、提示詞工程、數(shù)據(jù)權(quán)限管理和幻覺控制等，但這類人才在企業(yè)原有的傳統(tǒng)人才庫里幾乎是空白。

就像20年前企業(yè)買完SAP系統(tǒng)后，還需要顧問團(tuán)隊花半年時間進(jìn)行實施才能投入使用，技術(shù)落地的“最后一公里”還需要工程實施來補(bǔ)足。

“大模型技術(shù)只是第一步，后續(xù)長周期的應(yīng)用落地，比如模型的選型、人員的培訓(xùn)，都是用好AI并讓它在業(yè)務(wù)中真正沉淀下來的關(guān)鍵。”蔣爍淼補(bǔ)充道。

而在這種“不會用”的尷尬摸索中，企業(yè)內(nèi)部正面臨空前的“價值焦慮”。

此前，Uber COO Andrew Macdonald 在科技會議上直言，AI支出的管控“越來越難合理化”，因為看不見投入與生產(chǎn)力之間的直接關(guān)系。Uber 的算力與 Token 消耗指數(shù)級增長，在短短四個月內(nèi)就燒光了整個年度的AI預(yù)算，但用戶感知到的功能改進(jìn)卻微乎其微。

這種“高投入、低產(chǎn)出”的骨感現(xiàn)實，正在全行業(yè)引發(fā)巨大的爭議。大模型泡沫論的旗手 Gary Marcus 隨即發(fā)文警告：“如果足夠多的公司都出現(xiàn)同類情況，泡沫就會破裂。”

一面是極度渴望用AI降本增效，另一面是舊系統(tǒng)的重重圍剿與高昂的Token賬單，這種殘酷的倒逼機(jī)制，最終把壓力給到了大模型廠商這一端。

AI巨頭們想出的解法：用FDE填平鴻溝

客戶的AI焦慮，大模型公司們知道嗎？

答案是肯定的。否則它們也不會瘋狂招聘FDE（Forward Deployed Engineer，前線部署工程師）。

最近，一場圍繞 FDE的爭奪戰(zhàn)在硅谷打得火熱。

谷歌為了加大 FDE 的招聘，將面試流程壓縮到短短兩天；OpenAI 宣布成立估值高達(dá)140億美元的“OpenAI Deployment Company”，專門下沉做企業(yè)級AI落地，并閃電收購了擁有150名 FDE 的英國公司 Tomoro。

同時，Anthropic 聯(lián)手黑石、高盛組建獨(dú)立AI服務(wù)公司，把Claude接入“各行各業(yè)中型企業(yè)”的關(guān)鍵業(yè)務(wù)流；Meta 組建 Enterprise Solutions 部門，派駐工程師幫客戶清洗數(shù)據(jù)并直接將AI工具嵌入其工作流。

巨頭們終于不得不承認(rèn)一個現(xiàn)實：光靠賣 API 躺賺的美夢結(jié)束了。

“FDE崗位的火爆，正是因為科技巨頭們發(fā)現(xiàn)：僅僅賣API和AI模型還不夠，客戶需要有人幫他們把AI真正跑起來。”前AWS首席架構(gòu)師費(fèi)良宏解釋道。

在他看來，Meta組建Enterprise Solutions部門，向大客戶派駐工程師，本質(zhì)上就是把AI公司從“產(chǎn)品供應(yīng)商”變成“落地服務(wù)商”。關(guān)于國內(nèi)FDE崗位最新情況，可添加作者微信 xf123a 交流。

FDE的價值，不只是寫代碼，而是深入客戶現(xiàn)場，理解業(yè)務(wù)流程，打通數(shù)據(jù)系統(tǒng)，快速做出可用方案，并把PoC推到生產(chǎn)環(huán)境。

“企業(yè)AI落地的核心矛盾已經(jīng)變了。過去大家比的是誰的AI模型更強(qiáng)；接下來比的是誰能更快把模型變成客戶的效率、收入和利潤。真正稀缺的不是AI工具，而是“業(yè)務(wù)理解 + 工程實現(xiàn) + 組織推動”三種能力合一的那種人。”他強(qiáng)調(diào)道。

達(dá)觀數(shù)據(jù)CEO陳運(yùn)文同樣認(rèn)為，F(xiàn)DE 爆火意味著 AI 競賽正式進(jìn)入下半場——從卷模型轉(zhuǎn)向了拼落地。

“FDE 的核心價值就是充當(dāng)技術(shù)與業(yè)務(wù)之間的‘翻譯官’，他們既懂 AI 能力又懂業(yè)務(wù)場景，能把產(chǎn)品進(jìn)化驅(qū)動的閉環(huán)真正跑通。這實際上是思維方式的轉(zhuǎn)變，從技術(shù)思維走向業(yè)務(wù)價值思維，也是 AI 走向落地的關(guān)鍵一步。”