做 FDE 需要计算机学位吗

这个岗位没有执照、没有统一课程、没有学位门槛。这不是漏洞，是这个职业太年轻的结果：没有人有足够的招聘历史来断言学位能预测这里的表现，所以筛选只能压在「做过」的证据上——而学位给不给这个证据，是另一回事。

真正被筛的三样

按顺序。

你能做出一个给别人跑的东西吗？ 不是 notebook。是一个部署过的服务，带错误率、带重试策略，并且除了你还有第二个人用过。

你能跟非工程师把它讲明白吗？ 面试版本就是面试那篇里说的说服轮。现场版本更难：跟一个车间主任解释为什么模型周二会错，而且不能用「模型」这个词。

你有没有为一个数字负过责？ 一个延迟预算、一个转化率、一个缺陷数。这一条最能区分成功的转行者和卡住的人，而它跟学位毫无关系。

学位能替代什么，不能替代什么

计算机学位给三样东西，在这里价值不均。

系统直觉——队列为什么会堵、超时为什么会级联、凌晨三点为什么总是数据库。没有学位也能学会，但你是从故障里学的，而故障对所有人来说都很贵。这一块值得刻意去学，而不是靠事故吸收。

广度——网络、存储、并发、一点分布式。FDE 在客户环境里全会碰到，而且往往按客户的规矩来，不是云厂商的默认值。

凭证价值——对这一个岗位来说低，而且在下降。当客户是银行或国企、供应商卖的是团队而不是个人时，它才重新值钱。

学位不给你的，恰恰是这份工作的材料：判断该解决哪个问题，以及在一屋子人里只有你懂这个系统、同时你资历最浅时还能坐得住的那种性情。

没有学位会更难的两条路

把这点说清楚，比泛泛的鼓励有用。两条路在没有正规计算机训练时，难度是可测的。

基础设施重的部署——本地安装、物理隔离环境、客户机房里的 Kubernetes。这些奖励上面说的系统直觉，也惩罚即兴发挥，因为一次失误会打掉一个你看不见的东西。

贴着模型的工作——评测设计、微调、推理优化。不是数学不可及，而是这些岗位的招聘门槛由具备这些背景的人设定，他们就会按这个筛。

更容易绕开学位要求的路同样真实：行业知识比技术栈更重要的垂直部署、面向产品的 AI 工作、以及按交付而不是按研究招人的公司。

与其报名，不如先造点东西

如果你还在犹豫，最便宜的实验是两周做一个有真实用户的东西。选一个你已经熟的领域里的工作流，做最窄的那一版，找一个不是你的人连续用两周。然后写四段话的评审材料：它本来该做什么、实际做了什么、哪里崩了、你会怎么改。

这份东西回答的筛选问题比成绩单多，而且和人们怎么成为 FDE里说的作品证据是同一个形状。课程可以替代课程大纲那部分结构；没有任何东西能替代那两周。

诚实的总结

不需要学位。基本功不是可选项。如果你两样都没有，这个缺口是真的，也是可以补的——但它靠你亲手运维过的系统来补，不靠收集来的证书。