过去两年，AI 行业最耀眼的人，似乎一直都是模型工程师。
谁训练出了更强的大模型，谁做出了更长上下文，谁把推理、代码、多模态做到新高度，谁就站在聚光灯下。人们谈论的，往往是模型排行榜、参数规模、推理能力、产品演示，仿佛 AI 产业的核心矛盾只有一个：模型够不够强。
但如果你把视角从发布会和实验室移到企业现场，就会发现另一种完全不同的现实。今天企业最缺、也最贵的人，很多时候已经不是继续把模型往上推一点的人，而是那些能把模型真正塞进企业流程、系统和组织里的人。 Reuters 在 2026 年 2 月的一篇报道里直白地写道：当下 AI 领域最热的岗位之一，就是 Forward Deployed Engineer。这种岗位最早由 Palantir 打出名声，如今 OpenAI、Anthropic 等公司都在大规模需要这类人。他们不是单纯写模型的人，也不是普通售前，而是一种混合型角色：既能写代码、接系统、管部署，又能直接和客户业务团队坐在一起，把 AI 从 demo 变成真实可用的生产力工具。Reuters 报道称，这类岗位从 2023 年到 2025 年需求增长了 42 倍，全球新增大约 9000 个相关岗位；在顶级公司里，基础年薪可达 40 万美元，总包可能超过 50 万美元。
这个变化其实非常值得玩味。因为它说明，AI 竞争的重心已经悄悄变了。
前两年，行业最焦虑的是"模型能力不够"；现在越来越多企业发现，真正的问题根本不是模型不够聪明，而是模型太聪明了，却进不了自己的系统。一个企业内部有 ERP、有 CRM、有财务系统、有客服工单、有代码仓库、有权限体系、有合规要求、有一堆历史包袱，还可能有十几年没动过的老系统。你给它一个再强的大模型，如果这个模型看不懂企业数据、接不上业务流程、进不了权限边界、也不知道哪一步该停手，那它最后就只能停留在演示层面：看起来很先进，真正落地却困难重重。
这就是为什么，今天真正稀缺的能力，不再只是"把模型做出来"，而是"把模型放进去"。
很多公司做 AI，最容易犯的错误，是把它理解成一款软件采购。好像买了模型、买了 API、给员工开个账号、做几个试点项目，转型就算开始了。但企业现实远比这复杂。模型能不能接进客服系统？能不能理解工单历史？能不能调用内部知识库？能不能在法律、金融、医疗这些高监管场景里留痕、审计、回滚？能不能跟现有软件开发流程、销售流程、审批流程真正衔接起来？这些都不是"模型聪不聪明"能解决的问题，而是落地工程问题、组织改造问题、流程重构问题。
也正因为如此，OpenAI 最近的动作特别有代表性。Reuters 2 月 23 日报道，OpenAI 发起了一个名为 Frontier Alliance 的新合作计划，与 BCG、麦肯锡、埃森哲、凯捷等咨询巨头深化合作，目标不再只是帮企业做几个 AI 试点，而是把 AI 嵌入销售、客服、软件开发等核心业务流程。报道提到，OpenAI 的 forward-deployed engineers 会与这些咨询公司的团队协作，帮助客户训练员工、整合系统、推进 AI 实施；同时，OpenAI 的 Frontier 平台还提供一个"context layer"，把分散在企业内部的文档、系统和工作流连接起来，让 AI agents 能跨越组织孤岛真正运行。
这背后的意思非常清楚：OpenAI 也已经意识到，企业 AI 的真正战场，根本不在模型演示，而在"最后一公里"。
更准确地说，甚至不是最后一公里，而是"最难的一百米"。因为越靠近企业核心流程，事情就越麻烦。你不只是要让 AI 会回答问题，还要让它知道哪些数据能看、哪些不能看；不只是要让它会调用工具，还要让它在合规范围内调用；不只是要让它写得出代码，还要让它进得了 CI/CD 流程、过得了审核、留下完整日志。企业不是实验场，更不是聊天窗口。企业要的是一个能被接入、被治理、被审计、被追责的系统能力。
所以，今天最值钱的，不是那个单纯会把 benchmark 再抬高一点的人，而是能走进客户现场，把一团乱麻真的理顺的人。
这种人为什么贵？因为他们处在最难的位置上。
往上，他们得理解最前沿的模型能力，知道模型适合什么、不适合什么；往下，他们得理解客户那些真正脏、真正乱、真正复杂的现实场景。一个模型工程师可以在理想环境里调优，一个传统咨询顾问可以做流程梳理，但 forward-deployed engineer 这类角色必须两头都懂。他既要和产品团队说得明白模型边界，也要和客户说得明白业务约束；既要能在白板上讲清方案，也得能在电脑前亲手接接口、写脚本、排权限、修流程。Reuters 对这类岗位的描述就很到位：他们远不只是支持人员，而是在真实部署中写代码、管理上线、直接与客户业务部门打交道。
换句话说，他们不是卖 AI 的人，而是把 AI 真正"安进去"的人。
这也是为什么，咨询公司会在这一轮 AI 浪潮里重新变得关键。过去很多人觉得，AI 时代最容易被边缘化的可能就是传统咨询，因为模型好像已经能做分析、写方案、出报告。但现实恰恰相反：当企业进入大规模部署阶段，越复杂的组织越需要一群既懂业务、又懂技术、还能推动组织变化的人。OpenAI 选择和 BCG、麦肯锡、埃森哲、凯捷这些公司深度合作，本质上就是在承认一个事实：企业不是靠买到最先进的模型完成转型，而是靠有人把模型嵌进组织。
而且这件事越到大公司越明显。
小团队做 AI，可能十个人里有两三个工程师就能狠狠干起来；大企业做 AI，牵一发而动全身。数据归谁管？预算谁出？IT 谁批准？业务部门愿不愿意改流程？员工愿不愿意学新工具？合规部门能不能接受？如果一个 Agent 能访问多个系统，权限怎么划？如果出了错，算系统问题、模型问题，还是操作问题？你会发现，企业 AI 最后的瓶颈，常常不是技术上做不到，而是组织上推不动。
这也是为什么，很多 AI 项目做着做着就停在"试点"阶段。试点很容易成功，因为它天然避开了最麻烦的地方：权限先放宽一点，流程先简化一点，部门先协调一下，先找一小群积极用户来配合。可一旦要从试点走向规模化，所有真正的困难就都来了。系统要打通，角色要重分，责任要明确，培训要跟上，成本要算账。到了这一步，模型本身反而不再是最难的部分。
从这个角度看，Forward Deployed Engineer 的爆红，其实不是一个招聘市场的小趋势，而是整个 AI 产业进入新阶段的信号。它意味着行业开始从"技术可行性"转向"组织可实现性"。前一个阶段，赢家是把模型做出来的人；后一个阶段，赢家会越来越多地属于那些把模型送进企业心脏地带的人。
这甚至会改变我们对"AI 人才"的理解。
过去大家以为 AI 人才主要是算法科学家、训练工程师、研究员。但现在越来越明显的一件事是，最有价值的人才，未必站在研究最前沿，而可能站在客户现场。他们不一定发论文，不一定做 foundation model，但他们决定了 AI 究竟是停留在 PPT 里，还是能真正改变一家公司的销售效率、客户体验、研发流程和成本结构。
这也是为什么，这个岗位的高薪一点都不奇怪。因为企业愿意为"确定性"付钱。一个再强的模型，如果只能做 demo，它的商业价值是有限的；一个没那么炫、但能真正进企业系统并持续创造价值的解决方案，才是企业真金白银愿意买单的东西。Reuters 报道里提到，这类岗位尤其活跃在金融、医疗等高监管行业。原因很简单：越是复杂、越是高价值、越是难落地的场景，越需要这种跨界角色。
再往大一点看，这个趋势也意味着 AI 产业的利润分配会发生变化。过去，大家以为最大的钱会集中在模型层；但随着企业部署成为核心战场，实施层、集成层、治理层、培训层、组织改造层的价值都会快速上升。模型公司想吃到更多企业价值，就必须往下走；咨询公司、系统集成商和懂业务的工程团队，则会重新成为这场浪潮里的关键节点。OpenAI 与咨询巨头绑定，就是最清晰的例子之一。
所以，今天再看 AI 行业，真正值得记住的一句话可能不是"模型越来越强"，而是：模型已经不再稀缺，把模型变成组织能力，才稀缺。
未来几年，企业最抢手的人，可能不是那个把参数再多堆几个数量级的人，而是那个能走进一家传统公司，面对一堆老系统、老流程、老组织，最后把 AI 真正接进去、跑起来、留下来的人。
因为 AI 的上半场，赢在实验室；AI 的下半场，赢在现场。
而现场最贵的人，从来不是只会讲技术的人，而是能把技术安进现实的人。