點解新加坡愈來愈需要 Forward-Deployed Engineers？

「Forward」所指嘅，正正係將工程師推近客戶同實際營運環境。呢種貼近現場嘅工作方式好重要，因為企業 AI 必須面對本地數據質素、舊有系統、流程例外，以及由人員負責審批或執行 AI 輸出等現實問題。

點解新加坡需求上升？

最大轉變係企業由「試下 AI」進入「將 AI 用喺日常營運」。企業而家需要嘅唔只係識展示模型功能嘅人，而係能夠將 AI 接駁到具體業務問題、同客戶溝通，並處理部署細節嘅工程師。《海峽時報》2026 年 6 月報道，當地至少有 35 個相關職位空缺。

銀行、醫院、物流、港口同工廠尤其需要呢類人才。呢啲機構通常有專有數據、舊系統、嚴格存取權限，以及涉及責任歸屬、必須由人作最後判斷嘅決策。能夠理解限制之餘又可以親手建構系統嘅工程師，就有機會縮短「睇落好吸引嘅原型」同「真係用得嘅方案」之間嘅距離。

OpenAI 嘅新加坡計劃亦係另一個重要訊號。公司表示會喺當地成立 Applied AI Lab，成為 OpenAI 喺美國以外嘅首個實驗室，並預計未來幾年創造超過 200 個技術職位，令新加坡成為其全球 FDE 樞紐之一。

邊啲公司請緊人？

目前報道及招聘資料顯示，相關職位分布喺大型科技公司、AI 初創企業同企業軟件供應商。被點名嘅公司包括 Google、ByteDance、Singtel、Mistral AI 同 Cognition。

招聘網站亦見到 Okta、Cognition 同 Databricks 等公司嘅新加坡職位；Google Cloud、Cloudera 同 Accenture 就以相近職稱招聘做客戶嵌入式應用 AI 或 agent 部署嘅人才。

OpenAI 同樣有招聘新加坡 FDE。其職位描述指，工程師會同策略客戶合作，並負責前沿模型由需求探索到生產環境嘅完整部署。

要留意嘅係，呢個職位名稱未完全統一。「AI engineer」、「applied AI engineer」、「agent engineer」或者「solutions engineer」都有可能包含相當大部分 FDE 工作。求職者唔應該只係搜尋 FDE 呢三個字，亦要仔細睇工作職責。

新加坡 FDE 人工有幾多？

目前公開薪酬資料只可以當作參考，唔適宜視為統一市場標準。原因包括行業仍然較新、公司對職位命名唔一致，而且部分數字來自招聘網站估算或招聘廣告，而唔係公司正式公布嘅薪酬級別。

• Indeed 列出嘅估算平均基本薪酬為每月 13,417 新加坡元，但只建基於 兩份已申報薪酬，樣本太少，唔足以代表可靠嘅市場平均值。
• 一份招聘資料報告列出 Databricks Staff FDE 年薪化薪酬約 248,000 至 373,000 新加坡元；Camunda AI Process FDE 嘅總現金收入則約 163,000 至 244,000 新加坡元。呢啲係招聘資料中報道嘅數字，唔係所有公司適用嘅基準。
• 新加坡一份 Cognition 應用 AI／FDE 相關職位列出估算薪酬約 180,000 至 225,000 新加坡元。
• 一份區內承包工程師報告指，月薪酬率大約為：初級 2,000 至 3,000 美元、中級 2,800 至 4,500 美元、資深 4,500 至 6,000 美元，主管或首席工程師則為 6,000 美元或以上。承包酬金唔應該同新加坡受僱員工嘅薪酬直接比較。

較穩妥嘅結論係：唔可以話每個 FDE 都有某個固定人工，但能夠將工程、客戶合作及應用 AI 技能結合嘅資深及 Staff 級人才，確實有機會獲得相當可觀嘅薪酬。不過，現有新加坡數據太分散，未足以歸納出單一市場薪酬數字。

銀行、醫院、港口同工廠點樣用 FDE？

FDE 嘅工作唔係簡單「加個 chatbot」。更重要係圍繞 AI 重新設計一套受控工作流程，清楚界定系統可以睇到、建議同執行嘅範圍。

銀行

FDE 可以協助建立內部分析員助理，從已批准嘅政策及獲授權紀錄中檢索資料，草擬個案摘要、標示不確定性，同時記錄資料來源。涉及重要後果嘅審批，仍然由合規或營運人員負責。技術工作可能包括存取控制、檢索質素測試、稽核記錄及升級處理流程。

醫院

部署方案可以支援文件記錄或分流行政工作，並將 AI 系統接入已批准嘅臨床流程。FDE 需要測試本地醫療用語、限制數據存取、評估錯誤個案，並確保作出醫療決定嘅係臨床人員，而唔係模型。

港口或物流樞紐

FDE 可以將時間表、預測資料及營運數據連接起來，協助團隊優先處理受干擾嘅情況。系統必須清楚展示建議，當現場條件改變時亦要保留操作人員覆寫建議嘅權限。

工廠

維修流程可以結合感應器數據、維修紀錄及工作指引，找出設備可能出現嘅問題並建議檢查項目。系統應記錄相關行動，亦要避免未受控制嘅模型決定直接操作機械。

以上係用嚟說明部署模式嘅例子，並非特定項目報告。佢哋反映出 FDE 唔可以淨係識模型：系統仲要配合機構嘅數據、介面、安全規則同人類決策架構。

僱主想要咩技能？

較有競爭力嘅候選人通常具備四大類能力。

生產級工程能力

包括 Python 或其他生產級程式語言、API、雲端及數據系統、前端或後端開發、系統整合及可靠性工程。Google Cloud 一份 Staff 級職位就要求具備豐富軟件開發及數據工程經驗，包括 SQL、Python、Java、Scala 或 Go，以及企業數據建模知識。

應用 AI 能力

候選人要明白生成式 AI 喺現實環境點樣運作，包括檢索、上下文設計、agent 工作流程、評估、失敗分析、模型限制及監察。Google 嘅 FDE 職位強調將原型推進至生產環境；Cloudera 就形容其 FDE 團隊會協助策略企業客戶試驗並將 AI 用例投入實際營運。

負責任部署

當系統處理敏感資料或者影響重要工作時，保安、私隱、治理、測試、可稽核性及人機協作都屬於工程工作一部分。Accenture 新加坡一份招聘資料就提到，職位需要親手交付 agent 系統，同時建立防護規則及治理框架。

客戶及行業能力

FDE 要能夠發掘需求、界定項目範圍、排優先次序、清楚溝通，以及適應資訊未完整嘅情況。同一個部署項目入面，佢可能要同管理層、工程師、合規團隊及前線操作人員一齊工作。

部分職位亦要求相當工作經驗及出差。Google 新加坡 Staff 級職位要求八年軟件開發或數據工程經驗；OpenAI 嘅職位則重點要求工程師主導複雜客戶部署。

想入行，可以點準備？

作品集最好展示一個由頭到尾嘅部署，而唔係淨係一個模型 demo。可以按以下方向準備：

1. 由一個具體工作流程及清晰使用者開始。
2. 將 AI 模型接駁到較貼近現實嘅數據及工具。
3. 喺聲稱成功之前，先訂立可量度嘅評估標準。
4. 記錄私隱、存取控制、失敗模式及升級處理程序。
5. 展示非技術使用者可以點樣安全操作系統。
6. 清楚解釋邊啲工作應該保留人手處理，或者必須經人批准。

軟件工程、數據工程、雲端交付、技術顧問或面向客戶嘅實施經驗，都可以成為入行基礎。真正拉開差距嘅，係你能否喺需求未完整、系統雖然技術上吸引但未必安全或實用嘅情況下，作出合理判斷。

點解 FDE 可能愈來愈重要？

當 AI 系統開始接觸企業數據、連接業務工具，部署就唔再似安裝一套標準化套裝軟件，而更似為某個工作場所設計一套專屬系統。問題唔只係模型單獨回答得好唔好，而係整個工作流程有冇提供正確上下文、權限、評估方法、監察機制及人為控制。

呢個正正係 FDE 所處嘅位置：將研究及平台能力帶入真實機構嘅運作條件，再將現場反覆出現嘅問題帶返產品、工程及研究團隊，推動可重用工具、產品功能同模型改善。因此，FDE 既面向客戶，亦有機會影響產品方向。

新加坡早期招聘數字，以及 OpenAI 計劃喺當地擴充技術團隊，都顯示機構對呢類人才嘅興趣正在增加。不過，數字仍然要小心解讀：職位數量會變、職稱互相重疊，而薪酬資料亦相對有限。 長遠嚟講，較有價值嘅機會會屬於嗰啲既識建構實用 AI 系統，又明白人員、流程同安全措施點樣令系統真正可以部署嘅工程師。