起源：黄金行情还能好吗作者： 钱家琦：

独家解读丨日薪高达17万：华尔街为何疯抢「AI落地官」？

“狂招FDE岗，硅谷AI巨头们在怕什么？”

作者丨徐晓飞

编纂丨麦广炜

“大模型落地的真相在被揭开
。”硅谷AI投资基金合资人Jerry Lu对雷峰网坦言
。他的这一感伤，源于近日两则看似不有关、但在硅谷AI圈引发热议的新闻
。

一则是华尔街天价账单：两位AI征询师的日薪高达2.5万美元（折合人民币约17万元），且客户预约已排到两个月后
。

另一则是科技巨头Meta被曝组建“Enterprise Solutions”新部门，打算向大客户派驻工程师，提供定造化AI服务
。

在Jerry看来，两则看似不有关的新闻，其实反映的是统一件事：在进入企业时，大模型从API到业务逻辑之间，仍存天堑
。

天价账单买的，正是可能解除这条天堑的“欠缺溢价”
。

事实上，这险些成了近期硅谷AI圈最热点的一件事
。

谷歌、OpenAI、Anthropic等巨头不仅大量设立FDE（前列部署工程师）岗位，甚至不惜成立专门的子公司或合伙公司，并大手笔收购，来急剧补充FDE人员
。

而国内AI云大厂们，近期也在“疯狂抢人”，某大厂甚至直接从表部挖来一位副总裁级别高管，掌管FDE有关团队工作
。更多黑幕详情，可增长作者微信xf123a相识
。

天价日薪、巨头抢人、本钱并购……这些华尔街金融巨鳄和AI科技巨头们，到底在焦虑什么？

天价日薪背后，藏着什么套利窗口？

2.5万美金，折合人民币约17万元
。即便在华尔街，这个数字也足以令人咋舌
。

而这仅仅是两位AI照拂Felipe Sinisterra和Dave Wang一天的工资
。

这两人都是前对冲基金买卖员
。去年，他们创办了一家专门教华尔街精英们若何使用AI的公司，目前日服务费已经飙升到2.5万美金，金融机构客户相继而来
。

他们在教什么？为什么这么贵？

一些参与过的基金经理们回顾，他们会教授若何利用Gemini分析创业者的路演视频，用ChatGPT和Claude，对财报电话会进行感情分析，找出能左右市场走势的关键舆论
。

“一天2.5万美元，表表看是AI培训很贵，实则反映的是金融机构的焦虑：工具已经买了，但不会用到主题业务里
。”前AWS首席架构师费良宏通知雷峰网
。

“用AI分析路演视频、财报电话会感情，这些不是单一‘提问技巧’，而是把AI，真正嵌入到投资钻延注风险判断和买卖决策流程里
。企业此刻最缺的是能把AI造成业务了局的人
。”

“性质上是FOMO感情，好多传统企业不是持久泡在硅谷AI圈里，所以他们面对AI大模型的冲击，会有一种震惊、焦虑与迷
；旌系母星椤潜籄I成效震惊到了，但却看不太懂，也不太会用
。”观测云CEO蒋烁淼暗示
。

一家总部位于丽江的贸易银行的技术高管通知雷峰网，作为技术落地的“顶级金主”，金融机构往往最有钱、也最有动机去尝试新技术，因而也最舍得花大价值请“表援”
。

由于AI技术迭代的速度太快了，快到这些公司们有点跟不上了
。而这正是AI征询师Dave和Felipe抓住的套利窗口
。

这个窗口有多大？看看这些排着长队、焦虑不胜的华尔街巨头们就知路了
。

华尔街为什么自己搞不定AI？

华尔街的金融机构不缺钱、不缺数据、更不缺利用场景，唯独缺“用好AI”的能力
。

这并非孤例，而是绝大无数企业在AI落地时遭逢的“系统性困境”
。

“不能只看科技巨头
。目前大无数企业对AI的使用依然偏浅，还停顿在会议纪要、PPT以及写一部门代码上
。”费良宏诠释路
。

“但真正难而重要的，是让AI进入企业内部数据、业务系统和决策流程
。”

在他看来，好多AI项目不是败在AI能力上，而是败在企业自己的数据、流程和组织协同上
。

“企业在AI上‘用不好、用不深’，有四大主题原因：数据分散，流程没有重构，短缺既懂业务又懂AI的人，以及组织内部没有形成明确的责任和ROI机造
。”更多其他见解，迎接增长作者微信xf123a探求
。

好比最主题的流程重构问题
。

分歧于C端业务的尺度化，B端企业业务往往复杂得像一团乱麻
。

好比丽江一家跨境电商曾尝试用 Agent 代替人为处置大促退换货
。理论上，当 Agent 监控到批量退货，能自动联动仓库，实时调整库存，助企业躲避损失
。

其时他们的设法是：“放权给 Agent 行不能？”

但跑了一套流程下来发现，现有供给链流程是给“人”设计的，Agent用不了
。

让 Agent 跑老流程意味着：AI 算出了规划，但依照传统内控流程，它得先发给客服主管，主管登录内网点击确认，再上报仓储经理扫码二次授权，最后还要靠人类员工把双方对不上的商品编码，手动复造粘贴到物流系统里
。

新车跑在旧铁轨上，Agent 的优势根基无从阐扬
。

“AI工具和原有的业务系统之间的融合和买通，目前还不够充分，以至于AI落地过程中不服水土，这也是企业和服务商们接下来要重点解决的问题
。”达观数据CEO陈运文补充路
。

而暗藏在流程背后的还有一个更大的“疙瘩”：数据碎片化问题
。

以银行场景为例，一家银行的客户数据，可能散布在CRM、邮件系统、买卖系统、合规系统等四五个相互隔离的平台
。

AI要想跑通一个“客户风险评估”的自动化流程，先得买通这4到5个数据孤岛
。买通一个，通常必要几周的数据洗濯和接口开发
。全数买通，则要按月推算
。

正如陈运文所言：“企业用不好AI，主题是企业的数据基础设施幽微，汗青数据负债太多
。好多企业的数据算帐、规定梳理、数据碎片化等老问题，在AI时期露出得越发充分了，限度了AI利用的深刻
。”

企业数据“横七竖八”，孤岛林立，再严害的AI模型进来，也未免迷途，以至于模型不意识你的业务，更进不去你的系统
。

此表，面对AI这种一日千里的新技术，不少公司短缺既懂业务又懂AI的人
。

“眼下，不少企业都短缺既懂先进AI系统、又精通业务的‘双栖人才’
。”陈运文通知雷峰网，AI人才代表的是一套全新的技术组合，如模型评估、流程重塑、提醒词工程、数据权限治理和幻觉节造等，但这类人才在企业原有的传统人才库里险些是空缺
。

就像20年前企业买完SAP系统后，还必要照拂团队花半年功夫进行执行能力投入使用，技术落地的“最后一公里”还必要工程执行来补足
。

“大模型技术只是第一步，后续长周期的利用落地，好比模型的选型、人员的培训，都是用好AI并让它在业务中真正沉淀下来的关键
。”蒋烁淼补充路
。

而在这种“不会用”的狼狈摸索中，企业内部正面对空前的“价值焦虑”
。

此前，Uber COO Andrew Macdonald 在科技会议上直言，AI支出的管控“越来越难合理化”，由于看不见投入与出产力之间的直接关系
。Uber 的算力与 Token 亏损指数级增长，在短短四个月内就烧光了整个年度的AI预算，但用户感知到的职能改进却微乎其微
。

这种“高投入、低产出”的骨感现实，在全行业引发巨大的争议
。大模型泡沫论的旗手 Gary Marcus 随即发文忠告：“若是足够多的公司都出现同类情况，泡沫就会分裂
。”

一面是极端巴望用AI降本增效，另一面是旧系统的重重围剿与高昂的Token账单，这种凶残的倒逼机造，最终把压力给到了大模型厂商这一端
。

AI巨头们想出的解法：用FDE填平天堑

客户的AI焦虑，大模型公司们知路吗？

答案是注定的
。不然它们也不会疯狂招聘FDE（Forward Deployed Engineer，前列部署工程师）
。

最近，一场萦绕 FDE的抢夺战在硅谷打得火热
。

谷歌为了加大 FDE 的招聘，将口试流程压缩到短短两天
；OpenAI 颁发成立估值高达140亿美元的“OpenAI Deployment Company”，专门下沉做企业级AI落地，并闪电收购了占有150名 FDE 的英国公司 Tomoro
。

同时，Anthropic 联手黑石、高盛组建独立AI服务公司，把Claude接入“各行各业中型企业”的关键业务流
；Meta 组建 Enterprise Solutions 部门，派驻工程师助客户洗濯数据并直接将AI工具嵌入其工作流
。

巨头们终于不得不认可一个现实：光靠卖 API 躺赚的美梦实现了
。

“FDE岗位的火爆，正是由于科技巨头们发现：仅仅卖API和AI模型还不够，客户必要有人助他们把AI真正跑起来
。”前AWS首席架构师费良宏诠释路
。

在他看来，Meta组建Enterprise Solutions部门，向大客户派驻工程师，性质上就是把AI公司从“产品供给商”造成“落地服务商”
。关于国内FDE岗位最新情况，可增长作者微信xf123a互换
。

FDE的价值，不只是写代码，而是深刻客户现场，理解业务流程，买通数据系统，急剧做出可用规划，并把PoC推到出产环境
。

“企业AI落地的主题矛盾已经变了
。从前各人比的是谁的AI模型更强
；接下来比的是谁能更快把模型造成客户的效能、收入和利润
。真正稀缺的不是AI工具，而是“业务理解 + 工程实现 + 组织推动”三种能力合一的那种人
。”他强调路
。

达观数据CEO陈运文同样以为，FDE 爆火意味着 AI 较量正式进入下半场——从卷模型转向了拼落地
。

“FDE 的主题价值就是充任技术与业务之间的‘翻译官’，他们既懂 AI 能力又懂业务场景，能把产品进化驱动的关环真正跑通
。这现实上是思想方式的转变，从技术思想走向业务价值思想，也是 AI 走向落地的关键一步
。”

天价日薪，是产业重塑的阵痛

回到最初的问题：2.5万美金日薪是泡沫信号，还是产业必经的阵痛？

结论很明确：这不是泡沫，而是供给瓶颈的价值信号
。

真正的泡沫是什么样的？是虚伪需要
。

好比1999-2000年互联网泡沫期间，.com公司烧钱的逻辑是“各人都在烧”
。但今天的市场分歧，企业对于利用 AI 优化流程、提升出产力的需要是真刀真枪的
。

当下的狼狈在于：大模型技术能力到位了，但产品落地的最后一公里还没到位
。

大模型在基准测试上碾压人类
。但它的能力被封装在API里，想要造成企业系统里能丝滑运行的齿轮，中央必要填平无数由旧数据、旧流程组成的深沟
。

而填这条沟的人，如Dave Wang、Felipe Sinisterra，以及越来越多的FDE团队，就是当下全球科技市场定价最高、最被渴求的一批人才
。

这拨人很贵，这条落地之路很疾苦，但很难绕得开
。

本文作者持久追踪海表AI巨头动态、前沿技术和幕后故事，迎接增长作者微信 xf123a 互通有无
。