微軟、字節(jié)、福特都在高薪招人 AI又衍生了一個新崗位

全網都在講AI替代人力，現(xiàn)實是大廠正在瘋狂招人。

微軟這邊剛傳出要裁幾千人，那邊就砸25億美元成立Frontier Company，整合約6000名工程師、技術顧問和銷售團隊，派駐聯(lián)合利華、諾和諾德這些企業(yè)客戶現(xiàn)場。Ford更絕，剛花了大價錢把350個老工程師請回來，因為AI自動化設計系統(tǒng)搞出了一堆錯誤，質量下滑到不得不人工返工。

AI不是來替代人力的嗎？怎么越搞越離不開人？

微軟砸25億，從"賣光盤"變成"上門裝機"

微軟6000人駐場，直接從現(xiàn)有團隊抽調。商業(yè)業(yè)務總裁Judson Althoff六月份就公開承認，"三年前做Copilot時只綁定OpenAI模型是個錯誤"，現(xiàn)在推平臺中立的Frontier Company，幫客戶"靈活切換不同大模型"。

Althoff這的核心意思其實就一個：之前賣Copilot許可證，企業(yè)以為拿回去自己就能用，結果發(fā)現(xiàn)根本用不起來。

軟件公司的理想是"賣光盤"，客戶拿回去自己裝，這也是Saas的傳統(tǒng)思路。現(xiàn)在微軟派人上門安裝、調試、教客戶用，說明AI工具的產品化還沒跑通。客戶不會用、不敢用、用不好，只能廠商把人送過去。25億美元是初始資金，覆蓋薪酬、差旅、平臺搭建和運營，養(yǎng)這支隊伍，規(guī)模量級可觀。

Palantir二十年前就這么干了，但Palantir本來就是咨詢公司基因。微軟這種純軟件巨頭也下場，說明AI產品的自助化程度遠低于預期。企業(yè)發(fā)現(xiàn)不知道怎么嵌入業(yè)務流程，不知道怎么跟遺留系統(tǒng)對接，不知道怎么算回報，提效這個事兒就變成了虛無。許可證成了擺設，續(xù)費的時候自然不續(xù)了。

國內大廠也在往同一個方向走。字節(jié)跳動給"前線部署工程師"（FDE）開月薪3.5到7萬，15薪，最高年薪105萬。阿里云智能FDE月薪2到5萬，16薪。LinkedIn 2026年勞動力報告顯示，2023年至2025年全球FDE招聘崗位增長42倍，統(tǒng)計口徑為職位發(fā)布量，基數(shù)較低，主因是該崗位為新興品類。同期AI工程師僅增長13倍。

大廠搶的不是寫代碼的，是"翻譯官"。FDE的核心能力不是寫代碼，是現(xiàn)場診斷。客戶說"我要上AI"，F(xiàn)DE得先搞清楚：你的數(shù)據(jù)能不能用、業(yè)務流程哪里能切、回報怎么算。必須人到現(xiàn)場，既懂技術棧又懂客戶業(yè)務，能當場把"這個按鈕我要紅色的"翻譯成系統(tǒng)架構。

AWS 6月30日剛宣布投資10億美元成立類似前線派駐工程部，OpenAI、Anthropic此前也成立了各自的部署合資公司。幾家大廠都在干同一件事，企業(yè)買AI的收入大頭已經從接口調用費轉移到了"把人派到現(xiàn)場"的服務費上。

Ford把350個老工程師請回來修AI

微軟是往外派人，F(xiàn)ord不一樣，F(xiàn)ord是在往回找人。

6月25日，F(xiàn)ord高管公開承認，AI自動化設計系統(tǒng)導致質量下滑，不得不重新召回350多名資深工程師修復錯誤。VP Charles Poon的原話是："我們錯誤地以為，只要引入AI就能產出高質量產品。"

老工程師一走，AI繼承的全是空白。那些沒寫在文檔里的經驗，比如"這個焊縫老工程師為什么多焊一圈"，沒進數(shù)據(jù)庫，AI就是個瞎蒙的實習生。Ford同時新增了10萬個AI自動化測試和40人QA團隊，質量排名顯著回升。

Ford沒有放棄AI，它是在補課。AI的效力取決于訓練數(shù)據(jù)的質量，數(shù)據(jù)里缺了老工程師的隱性知識，產出的就是垃圾。AI能寫出完美的代碼，能畫出漂亮的設計圖，但不懂"這個遺留系統(tǒng)不能改"的潛規(guī)則。

說穿了，打井的比賣水的貴

德勤《2026中國制造業(yè)AI落地白皮書》顯示，調研樣本覆蓋200家規(guī)模以上制造企業(yè)，91%未達預期。制造業(yè)是AI落地的硬骨頭，這個比例足夠說明問題。

企業(yè)拿到AI接口就像拿到一把瑞士軍刀，功能很多，不知道先擰哪個螺絲。買了接口之后，要清洗數(shù)據(jù)、要調提示詞、要接內部系統(tǒng)、要改業(yè)務流程、要培訓員工。這些活接口干不了，得靠人。

這也剛好解釋了為什么最近花旗、Adobe等企業(yè)紛紛限制員工使用旗艦大模型。算力成本可以靠降級模型省下來，但落地服務的人力支出，一分錢都省不了。AI的總成本從來不止Token賬單，只是很多企業(yè)之前沒算過這筆賬。

一定會有人說，這只是AI早期的階段性現(xiàn)象，等未來智能體成熟了、產品足夠傻瓜化了，就不需要這么多人了。

這句話只對了一半。標準化、通用化的場景，確實會逐步被產品化解決。但企業(yè)級場景的核心痛點，從來不是模型不夠強，而是每個公司都有自己的遺留系統(tǒng)、業(yè)務潛規(guī)則、沒寫進文檔的歷史經驗。這些東西AI學不完，也標準化不了。

人力崗位會從"執(zhí)行崗"升級成"翻譯崗、調試崗、管控崗"。人永遠是AI和真實業(yè)務之間的最后一公里。

微軟把6000人派到客戶現(xiàn)場，字節(jié)阿里在搶百萬年薪的"翻譯官"，F(xiàn)ord把老工程師請回來修AI。三家隔著十萬八千里，但賬算的是同一本：AI toB按接口調用費算不清，得按"人天"算。

接口本身不值錢，值錢的是打井的人。喊著"AI替代人"的，大多是賣工具的；真正在用AI的，還在忙著招人。