把 6,000 人送進別家公司的微軟
在裁員新聞層出不窮的同時，有一個職缺一年內招募量暴增了 10 倍
前言
7 月 2 日，微軟宣布將投入 25 億美元，成立一個名為「Frontier Company」的獨立組織。做的事情很簡單：把 6,000 名員工送進客戶公司。
就在兩天前的 6 月 30 日，AWS 也為同樣的事情砸了 10 億美元。再往前，5 月份 OpenAI 和 Anthropic 也各自成立了類似的組織。Anthropic 更是直接與 Blackstone、Goldman Sachs 組建了 15 億美元的合資公司。
在「AI 導致裁員」的新聞每天層出不窮的同時，真正賣 AI 的廠商卻在砸下百億級別的資金招募人才，然後把這些人安進客戶公司的辦公室裡。
先說結論。我認為不應該把這件事讀成「AI 時代最終還是需要人」的溫馨反轉。這是供應商對「AI 模型還不是成品」的坦白。而這個坦白打開的，是一扇有期限的窗戶。
📊 FDE：12 個月內招募量暴增 10 倍的職缺
這個職缺的名字叫 FDE[^1]。翻譯成中文大約是「前沿部署工程師」，源自軍事術語。Palantir 在把自家工程師直接派往阿富汗美軍基地時開始使用這個稱呼。微軟商用事業 CEO Judson Althoff 也承認，是 Palantir 讓這個職稱走向大眾的。
核心在於「賣了產品不離開」。供應商的工程師混入客戶團隊，直接拆解該公司的業務流程，然後一起打造符合需求的系統。
從數字就能看出這個趨勢的規模。根據彙整的招聘數據，以 2026 年初為基準，FDE 的求職廣告數量較前一年增長超過 1,000%。薪酬也相當激進。前沿實驗室（OpenAI、Anthropic）的資深 FDE 總薪酬在 45 萬至 55 萬美元之間，Staff 級別則超過 60 萬美元。是 Palantir 傳統 FDSE 的 2 到 3.5 倍。
這裡要特別說明一點。這些薪酬數據基於招聘平台和社群的自報數據，高階部分很可能存在過度取樣。但方向是明確的。市場正在為這個角色支付溢價。
💰 為什麼供應商要自掏腰包派人？
這裡就產生了一個問題：產品好的話，客戶不是會自己用嗎？為什麼要自掏腰包培養工程師，然後免費塞進別人的公司？
答案在於導入失敗率。
MIT 媒體實驗室 NANDA 專案在 2025 年發表的報告，是理解這個趨勢最有用的資料。其要點是：企業生成式 AI 試點專案中，約 95% 未能產生可計入損益的成效。這個數字一度被媒體用作「AI 是騙局」的依據，但仔細看原文，語氣其實不太一樣。
這份報告真正指出的失敗原因，不是模型效能。是「學習落差」（learning gap）[^2]。模型不了解組織的業務流程，組織也不知道如何向模型提供脈絡，而中間缺少能串起兩端的人。等於買了工具，卻讓它在完全不知道公司裡發生什麼事的情況下被擱置。
方法論的侷限也需要一併考量。這項研究彙整了約 300 個公開案例、52 次高層訪談和 153 份問卷，並非經過同儕審查的論文。很難把「95%」這個數字當作精確的統計來看待。不過，供應商的行動確實印證了這個診斷。事實上，微軟的 Althoff 在訪談中提到：「客戶各自站在完全不同的起點上，正在努力摸索該如何運用 AI。」
也就是說，FDE 熱潮並非 AI 正在成功的證據。它是「AI 導入正在失敗」的帳單。 而供應商開始替客戶買單了。
對微軟來說，也有其迫切性。今年股價下跌了 21%，是大型科技股中表現最差的。 Copilot 在企業市場未能達到預期表現，GitHub Copilot 的市佔率也被後進者搶走。「模型很好，為什麼沒人用」——這句話已經不能再推給客戶了。
🔑 但這個職業必須消滅自己才算成功
這裡才是真正的反轉。
AWS 在描述自家 FDE 組織時，明確提出了一項原則。由 5 到 6 名工程師組成的團隊，以約 45 天為週期進入客戶端，目標是在結束時讓客戶達到能獨立運轉（self-sufficient）的狀態。
請再讀一遍這句話。FDE 是一個以「讓自己的存在變得不再必要」為成功條件的職業。
這與傳統顧問服務完全相反。顧問業的獲利模式是透過長期顧問合約（retainer）來延長關係。但 FDE 是為了離開而進入的。
微軟將此設為獨立損益的「公司（Company）」而非「顧問事業部」，也是同一脈絡。這不是為了擴大服務營收，而是為了提升平台採用率的機制。順帶一提，微軟現有的企業與夥伴服務營收約為每季 21 億美元，成長率僅 2.5%。這意味著他們不是要從這裡賺錢。
所以，這波招聘熱潮並非永久的就業機會創造。它是過渡期的基礎建設。 他們是架橋的人，橋架好之後，架橋的人就得去別的地方了。
Oswald 的視角
Oswald 提出的問題——「具備什麼態度和姿態的人能活下來？」——我的回答是這樣的。
能活下來的人，不是擅長使用 AI 的人。是能在 AI 與現實之間做翻譯的人。
仔細拆解 FDE 的求職廣告，會發現所需能力不只是程式碼能力。而是解讀客戶業務流程的能力、掌握哪些數據以什麼狀態堆積在哪裡的能力，以及穿越組織政治、把部署真正推進到位的能力。這就是用人的身體去填補前述「學習落差」的角色。
從建立 Notion 韓國社群、在 Kakao Brain 落地 AI 產品、到在 Gamma 規劃 GTM 策略，我反覆遇到的模式正是這個。幾乎沒有哪次是因為產品好才賣出去的。是當有人在那個產品與客戶組織之間建立起脈絡時，它才賣得出去。瓶頸不是技術，而是脈絡。現在大型科技公司砸下百億資金購買的，正是這種脈絡生產能力。
不過，我想在 Oswald 原本的框架上補充一點。如果把这波招聘熱潮讀成「總歸還是有人類的工作」而鬆一口氣，那就只對了一半。FDE 是一個設計自身消亡的職業。 既然 AWS 把 45 天後的自立設為目標，這個職位從結構上就是暫時的。
所以真正的問題不是「我能不能進入這個職缺」，而是 「在這扇窗戶還開著的期間，我要累積什麼」。工具的使用技巧不算累積。真正能累積的是領域脈絡，以及把脈絡轉化為系統的經驗。這些是你在邁向下一個層級時可以帶走的。
結語
總結起來有三點。
第一，FDE 招聘熱潮不是 AI 正在成功的訊號，而是導入正在失敗的訊號。 供應商開始自掏腰包支付這個失敗的代價了。
第二，瓶頸不在模型效能，而在組織的脈絡。所以現在升值的是翻譯能力，而不是程式碼能力。
第三，這個職位不是永久的。因為它的成功標準就是讓自己變得不再必要。 所以這個時期應該被視為「累積機會」，而不是「求職機會」。
如果這週只想做一件事，我建議你針對目前的工作，用一頁紙寫下 「如果要交給 AI，需要向它說明什麼」。那一頁紙，就是市場現在願意花 45 萬美元購買的東西。
💬 如果你曾在實務中參與過 AI 導入專案，卡住的地方是模型效能，還是組織、數據或流程？歡迎在留言區簡短分享是哪一種。案例累積夠多的話，我會在下一期按類型整理。
📨 如果有同事正在考慮 AI 導入，請把這篇文章轉給他們。
（網頁版）📬 訂閱 · 我每週撰寫一封交叉分析科技、經濟與人文的電子報。
參考資料 & 延伸閱讀
核心來源
- Jordan Novet, “Microsoft commits $2.5 billion and 6,000 employees to new AI implementation unit”, CNBC, 2026-07-02.：Althoff 的訪談就刊載於此。「客戶各自站在不同的起點上」這句話最老實地解釋了這個組織存在的理由。
- Microsoft, “Microsoft Frontier Company: AI engineering that amplifies and protects your intelligence”, Microsoft Official Blog, 2026-07-02.：想看供應商如何包裝這個組織，請閱讀原文。與 CNBC 報導的語調差異很大。
- CNBC, “AWS puts $1 billion into new AI unit to embed engineers with customers”, CNBC, 2026-06-30.：45 天週期、5 到 6 人團隊、結束時客戶自立——這三點是本文最重要的依據。
- MIT Media Lab NANDA, The GenAI Divide: State of AI in Business 2025, 2025.：「95% 失敗」不如「學習落差」這個概念重要。請注意這並非同儕審查論文，閱讀時請留意。
背景知識
- Palantir Technologies, “Form S-1 (2020 直接上市招股說明書)”, SEC.：FDE 這個職缺的由來，可以在 Palantir 自己撰寫的文件中確認。
- Oswald 知識對談第 134 期（Amazon FDE 組織案例）：本文是該趨勢蔓延至微軟的後續篇。
[^1]：FDE（Forward Deployed Engineer，前沿部署工程師）：供應商的工程師駐紮在客戶公司內部，直接將產品對接到該公司的業務需求上。不是交付產品就離開，而是在客戶組織內部一起打造。 [^2]：學習落差（Learning Gap）：指 AI 工具無法學習組織的脈絡，而組織也未能學會如何向 AI 提供脈絡的狀態。NANDA 報告指出，企業 AI 試點專案失敗的真正原因不是模型效能，而是這個落差。
