FDE-Wiki

主题

#中国市场#团队#安全合规#职业发展

把"FDE"这三个字母放到中国语境里,它不再是 Palantir 在伊拉克沙漠里拆 IED 的浪漫叙事,而是另一套完全不同的游戏规则:信创全栈的硬约束、央国企冗长的决策链、等保与算法备案的合规门槛、私有化部署的执念,以及"关系驱动"胜过"代码驱动"的现场工作方式。本专题把中国 FDE 市场从规模、玩家、客户、合规、工作方式、政策到泡沫,做一次不留情面的拆解。

一、市场规模与增速:42 倍是怎么算出来的 ​

中国 FDE 市场最常被引用的数据来自招聘端的爆发曲线。根据财联社与中新经纬的报道,过去两年"FDE/前沿部署工程师"相关岗位在主流招聘平台的发布量增长了约 42 倍(部分平台口径显示为 800% 增长,差异来自统计窗口与关键词集合的宽窄)。同期海外拉勾、LinkedIn 的同类岗位增速约为 5-8 倍,中国市场是绝对的"超速区"。

岗位数层面,以猎聘、BOSS 直聘、智联招聘 2024-2025 年的公开聚合数据估算,FDE 直接相关 JD(关键词命中"前沿部署工程师 / FDSE / Forward Deployed Engineer / AI 解决方案工程师 / 大模型落地工程师")稳定在岗数量约 1500-2500 个,其中:

  • 云厂商系(阿里云、腾讯云、华为云、百度智能云、火山引擎)合计约占 35-40%;
  • 大模型公司系(字节豆包、智谱、月之暗面、百川、MiniMax、阶跃星辰)合计约占 25-30%;
  • 集成商与行业 ISV 系(神州数码、软通动力、中软国际、太极、东软、用友、金山办公)合计约占 20%;
  • 海外厂商在华团队(Palantir 难入、Databricks 与 Snowflake 主要服务外企在华、Anthropic/OpenAI 通过合作伙伴有限渗透)合计不足 5%;
  • 行业垂直 FDE(金融、医疗、能源、政务专业服务商)约占 10-15%。

薪资带是判断一个岗位"含金量"最直接的标尺。中国 FDE 的薪资分布如下(2024 Q4 - 2025 Q2 公开 JD 与 offer 口径):

雇主类型月薪区间年薪区间(总包)典型雇主
头部大模型公司3.5-7 万·15-16 薪55-110 万字节豆包、智谱、月之暗面
云厂商(一线)20-50K·16 薪45-90 万阿里云、腾讯云、华为云
云厂商(二线)25-40K·14 薪40-65 万百度智能云、火山引擎、京东云
集成商 / 行业 ISV20-35K·13-14 薪30-55 万神州数码、太极、东软
海外厂商在华按全球带宽折算60-120 万Databricks、Snowflake(少)

对比海外:OpenAI / Anthropic 一线 FDE 年薪约 17-20 万美元(约 115-136 万人民币),加上股票后总包可达 200 万人民币以上。中国头部雇主已能逼近现金部分,但股权流动性折价后仍有 30-50% 差距。这一薪资带意味着 FDE 在中国是明确的"高薪新岗位",但并非人人 50 万起——二三线集成商的 FDE 实际只是"加了 AI 标签的资深交付/售前",薪资并不惊艳。

增速的另一面是"水分":42 倍增长中,真正按海外 FDE 定义(嵌入式、对业务结果负责、能独立写代码+改模型+跑现场)招聘的岗位可能只占 20-30%,大量 JD 是把传统"AI 解决方案架构师 / 行业交付经理"改了 title。这一点在第九节泡沫讨论里展开。

二、驱动主体:三类玩家与各自的 FDE 定位 ​

中国 FDE 市场的供给侧由三类玩家撑起,各自基因不同,FDE 的定位也截然不同。

2.1 云厂商:阿里云 / 腾讯云 / 华为云 ​

云厂商是中国 FDE 的"基础设施提供方 + 最大雇主",三家打法分化明显:

  • 阿里云:走"行业解决方案+大模型平台"双轮。FDE 岗位名称正式为"前沿部署工程师(FDE)",以杭州为大本营,核心服务于通义千问在政企客户的落地。阿里云 FDE 的典型客户是政务云、金融云、制造业上云客户,FDE 既要懂 PAI / 百炼 / 函数计算等自研平台,又要懂客户行业的业务流。客户体量决定 FDE 的杠杆——单客户年消耗算力可达千万级,FDE 的价值在于"把模型用对、把 token 省下来、把场景钻深"。
  • 腾讯云:走"产业互联网+C2B"路径,FDE 在 CSIG(云与智慧产业事业群)体系内,服务腾讯会议、腾讯文档、企业微信的 AI 化,以及金融、医疗、文旅行业的私有化大模型部署。腾讯 FDE 的特色是"产品+交付一体",很多 FDE 同时背靠腾讯混元大模型与腾讯生态(微信小程序、视频号)做场景嫁接。
  • **华为云":走"全栈信创+盘古大模型"路线,是央国企和政务客户的首选。华为的 FDE 与"鲲鹏+昇腾+欧拉+盘古"全栈深度绑定,客户主要是国网、南网、三大运营商、四大行、部委信息中心。华为 FDE 的现场权重最高,因为昇腾算力栈的适配工作量大、客户私有化诉求最强。

此外,百度智能云(文心一言+昆仑芯)、火山引擎(豆包大模型+字节算法工程化能力,在推荐/广告/电商场景极强)、京东云(零售与供应链场景)各有侧重。

2.2 大模型公司:字节豆包 / 智谱 / 月之暗面 / 百川 ​

大模型公司是 FDE 岗位增速最快的一类,原因是它们要从"卖 API"升级到"卖解决方案",必须补齐现场交付能力:

  • 字节豆包:FDE 编制在火山引擎,但实质服务豆包大模型的 To B 落地。字节算法工程化能力(推荐系统、AB 实验、数据飞轮)是其 FDE 的护城河,薪资也是市场最高档(3.5-7 万/月)。客户偏互联网、电商、内容平台。
  • 智谱 AI:GLM 系列大模型厂商,FDE 服务金融、政务、科研客户。智谱 FDE 的特点是"技术深度高",很多 FDE 本身是研究背景,能和客户的研究院做联合建模。
  • 月之暗面(Kimi):FDE 偏长文本与知识工作场景(法律、咨询、研究院),客户付费意愿强但单笔体量小,FDE 要做"高密度小客户"运营。
  • 百川智能 / MiniMax / 阶跃星辰:各有行业侧重(百川偏医疗/政务、MiniMax 偏内容/出海、阶跃偏多模态),FDE 团队规模较小但增速快。

2.3 集成商:政务与央国企项目的真正操盘手 ​

在中国做 FDE,绕不开集成商。政务、央国企的招标规则决定了项目主体往往是神州数码、软通动力、中软国际、太极股份、东软、用友、中国电科系、中国电子系这类总集,FDE(无论来自云厂商、大模型公司还是集成商自雇)都要嵌入到总集的交付框架里。这一层是中国 FDE 与海外最大的结构性差异:海外 FDE 直接面对客户业务方,中国 FDE 70% 以上的时间要先搞定总集关系、再触达真正的业务痛点。

三、典型客户画像:谁在为 FDE 买单 ​

中国 FDE 的客户高度集中,呈现"五个行业吃掉 80% 预算"的格局:

3.1 政务(中央部委 + 地方政府) ​

  • 典型客户:省级大数据局、城市运行中心、"一网通办"运营方、12345 政务热线、各级政务云。
  • 典型场景:政务大模型问答、政策文件智能检索、12345 工单智能分派与质检、城市治理辅助决策。
  • 决策特征:决策链最长(业务处室→信息中心→大数据局→分管领导→招投标),周期 6-18 个月,FDE 要扛"反复调研、反复 PoC、最后才落单"的耐心考验。

3.2 央国企(能源、电信、金融、交建) ​

  • 典型客户:国家电网、南方电网、三大运营商(移动/电信/联通)、四大行+股份制银行、中石油/中石化、中铁/中建。
  • 典型场景:设备智能运维(电网巡检图像识别、变压器故障预测)、客服与坐席辅助、合同与招投标文件审查、知识库与员工助手。
  • 决策特征:信创合规是硬门槛(详见第五节),预算体量大(单项目数百万到数千万),但内部 IT 能力参差,FDE 的"现场陪伴"价值极高。

3.3 三甲医院 ​

  • 典型客户:北上广及各省 top 三甲、区域医疗集团、国家区域医疗中心。
  • 典型场景:电子病历智能质检、影像辅助诊断、科研文献检索、门诊预问诊、随访电话机器人。
  • 决策特征:数据合规极严(医疗数据不能出院区,FDE 必须驻场私有化部署),医生时间宝贵(需求挖掘要在查房、病例讨论间隙完成),付费决策要过医务处+信息处+院领导三方。

3.4 城商行与股份制银行 ​

  • 典型客户:头部城商行(如北京银行、江苏银行、宁波银行)、股份制银行(招商、平安、兴业)。
  • 典型场景:对公尽调报告生成、信贷审批辅助、反洗钱与反欺诈、智能客服、投研报告生成。
  • 决策特征:模型可控性要求高(偏好私有化部署开源模型如 Qwen / GLM / DeepSeek),合规审查严(模型输出要可追溯、可解释),单场景价值高(一个对公尽调场景可省数十人力)。

3.5 大型制造集团 ​

  • 典型客户:比亚迪、三一重工、海尔、美的、宁德时代、宝武钢、上汽。
  • 典型场景:工艺知识沉淀、设备预测性维护、质检视觉、供应链协同、研发知识库、销售配置器。
  • 决策特征:场景碎片化(FDE 要做"工厂里的 N 个小场景"而非一个大平台),数据质量差(FDE 50% 工作是数据治理而非建模),现场环境恶劣(车间、产线、仓库)。

四、信创全栈:中国 FDE 不可绕开的硬约束 ​

"信创"(信息技术应用创新)是中国 To B 交付绕不开的全栈约束,直接决定 FDE 能不能进场、能不能结项。完整信创栈的"PKS 体系"+ "国产中间件"通常表述为:

层次国产替代选项对 FDE 的影响
CPU鲲鹏(华为)、飞腾、海光、龙芯算力栈要重新编译/适配,模型量化与算子要针对非 x86 优化
GPU / NPU昇腾(华为)、寒武纪、海光 DCU推理与训练框架要适配(CANN、CUDA 兼容层),性能与精度需重新基线
操作系统麒麟(银河/中标)、统信 UOS、欧拉部署脚本、依赖库、容器镜像要重打
数据库达梦、OceanBase、人大金仓、GaussDB、TiDBSQL 方言、存储过程、迁移工具要适配
中间件东方通、宝兰德、中创API 网关、消息队列适配
大模型通义千问、文心、盘古、混元、GLM、豆包、DeepSeekFDE 必须熟练至少 2-3 个国产模型的能力边界
应用层WPS、用友、金山办公、致远互联集成接口与单点登录适配

昇腾适配是当前 FDE 最痛的环节。由于英伟达 H100/A100 对华出口受限,大量央国企客户只能用昇腾 910B/910C、寒武纪思元、海光 DCU 替代,FDE 要在 PyTorch + CANN + MindSpore 的混合栈上跑通推理、做量化(INT8/INT4)、做算子替换、处理精度回退。一个典型的"昇腾适配 PoC"往往要消耗 FDE 2-4 周,远超英伟达栈的 1-2 天。这就是中国 FDE 与海外 FDE 工作内容最实在的差距:海外 FDE 调 prompt 和 agent,中国 FDE 一半时间在和异构算力栈搏斗。

全栈信创的"PKS 体系"(飞腾 CPU + 麒麟 OS + 中国电子生态) 与华为的"鲲鹏+昇腾+欧拉+盘古"体系是两套并行的国产化方案,FDE 常常要同时支持两套,工作量翻倍。这也是为什么华为云、中国电子系(中电互联、中电莱斯)能拿下大量央国企订单——它们手里有最完整的信创栈。

五、合规四件套:等保 / 个保 / 数安 / 备案 ​

合规是中国 FDE 的"准生证",任何场景都要先过四道关:

5.1 等保 2.0(网络安全等级保护) ​

  • 适用范围:几乎所有政企信息系统,核心系统定级三级及以上。
  • FDE 影响:大模型应用作为新增子系统要纳入等保定级,FDE 要配合做安全边界、访问控制、日志审计、漏洞扫描;三级等保要求"双活/容灾+集中审计",直接推高部署成本。

5.2 个人信息保护法(个保法,2021 年施行) ​

  • 适用范围:处理个人信息的全部活动。
  • FDE 影响:训练数据中的个人信息要脱敏/去标识化;客服、影像、病历类场景要取得单独同意;FDE 要做"数据可用不可见"的方案(联邦学习、隐私计算、可信执行环境),这一层在金融、医疗场景几乎是硬性要求。

5.3 数据安全法(数安法,2021 年施行) ​

  • 适用范围:所有数据处理活动,重点行业有"重要数据"目录。
  • FDE 影响:政务、能源、电信客户的"重要数据"出境受到严格限制,跨境调用海外模型 API 几乎不可行;数据分类分级、数据全生命周期管理要写进方案;私有化部署成为默认选项。

5.4 算法备案与大模型备案 ​

这是 2023 年以来最新的合规增量,也是中国独有的监管设计:

  • 算法备案:依据《互联网信息服务算法推荐管理规定》(2022 年施行),具有舆论属性或社会动员能力的算法服务需向网信办备案。
  • 大模型(生成式 AI 服务)备案:依据《生成式人工智能服务管理暂行办法》(2023 年 7 月发布,8 月 15 日施行),面向公众提供生成式 AI 服务必须向网信办履行备案手续,并开展安全评估。
  • 备案数量增长:2024 年 4 月首批约 117 个大模型完成备案;2024 年 8 月已备案上线大模型超 190 个;截至 2025 年底累计 748 款生成式 AI 服务完成备案;到 2026 年初北京一地累计 218 款、浙江累计 70 款。
  • 地方激励:无锡等地对首次完成国家级大模型备案的企业给予最高 50 万元一次性奖励,叠加按应用落地企业数的分档奖励(每个最高 30 万元)。

对 FDE 的实操影响:To C 或面向公众的大模型应用必须用已备案模型(否则无法上线);To B 私有化部署虽不强制备案,但客户合规部门通常要求"模型本身已备案"作为采购前置条件。这意味着 FDE 在选型时,模型是否在 748 款备案清单里,是硬门槛。同时,内容安全(价值观对齐、敏感词过滤、拒答机制)是 FDE 在中国场景必须默认开启的能力,海外开源模型裸跑基本不可用。

六、中国 FDE 的本土化工作方式:驻场、关系、长链、私有化 ​

把海外 FDE 的工作方式(轻装上阵、两周冲刺、远程协作、对工程负责人汇报)平移到中国,基本会失败。中国 FDE 的工作方式有四个鲜明特征:

6.1 驻场重:人在现场才有信任 ​

中国客户对"远程交付"天然不信任,尤其是政务、央国企、三甲医院。FDE 平均每月驻场天数在 10-20 天,部分重点项目连续驻场 3-6 个月。驻场不仅是技术需要,更是关系需要——客户信息中心的人员要在工位上看到你、食堂里跟你吃饭、下班后跟你聊天,才肯把真实需求和真实数据交出来。这点和 Palantir 早期"把工程师塞到客户工位上"的 Echo-Delta 模式神似,但中国 FDE 的驻场强度往往更高、周期更长。

6.2 关系重:技术之外的"软功夫" ​

中国 To B 决策中,技术方案的权重可能只有 40-50%,关系、品牌、合规背书、过往案例占另一半。FDE 不只是工程师,还要兼任"客户关系的第二接触面"(主销售之外的信任锚点):要能陪客户领导讲清楚 ROI、要能在内部协调资源争取优先级、要能在客户的内部会议上帮客户"背书"。Echo-Delta 的 Echo 角色在中国被放大——很多 FDE 60% 的时间在做关系勘探与需求框定,只有 40% 在写代码和调模型。

6.3 决策链长:6-18 个月的耐心战 ​

中国政企客户的决策链典型层级为:业务部门提出需求→信息中心立项→采购走招投标→总集中标→分包到 ISV→FDE 进场。一个千万级项目从首次接触到签约平均 6-12 个月,大型央国企可能 12-18 个月。FDE 要在漫长的"立项-招标-中标-进场"周期里持续提供技术陪伴(免费 PoC、方案评审、标书撰写支持),这部分"售前 FDE 工作"在中国占 FDE 总工时的 30-40%,远高于海外。

6.4 私有化优先:数据不出域是底线 ​

中国客户对公有云调用大模型 API 的接受度低,政务、金融、医疗、能源四大行业几乎 100% 要求私有化部署。这直接影响 FDE 的技术栈:必须熟悉 K8s + 国产 OS + 国产 GPU 的离线部署、模型量化、本地向量库、本地知识库、本地内容安全模块。海外 FDE 写一段 LangChain 调 OpenAI API 就能 demo,中国 FDE 要先把整套基础设施在客户机房装起来,这一步经常吃掉前两周。

七、政策驱动:数字中国、新质生产力、AI+ 行动、数据要素 ​

中国 FDE 市场的爆发,一半是技术推动,一半是政策推动。四条政策主线是市场的"水位线":

  • 数字中国建设整体布局规划(2023 年):把数字化作为国家级战略,明确"2522"框架(两大基础、五位一体、两大能力、两大环境),直接催生政务云、城市大脑、行业云的海量项目,FDE 是这些项目的执行末端。
  • 新质生产力(2024 年起高频政策表述):把 AI、新能源、生物制造等列为新质生产力代表,央国企被要求"带头用 AI",直接转化为大模型采购预算。国家电网、中石油、中国移动这类客户的大模型招标,本质是新质生产力政策的落地。
  • "AI+"行动(2024 年政府工作报告首次提出):推动 AI 与千行百业深度融合,催生"AI+医疗""AI+教育""AI+制造""AI+农业"等专项行动,每个行动背后都是 FDE 团队。
  • 数据要素市场化(数据二十条 + 国家数据局):把数据列为生产要素,推动数据交易所、数据资产入表、公共数据授权运营。FDE 在"数据要素×大模型"的交叉场景(如公共数据训练大模型、医疗数据合规流通)中扮演关键角色。

政策的另一面是地方 AI 算力券与算力补贴:北京、上海、杭州、成都、深圳等地对使用本地算力或本地备案大模型的企业发放算力券(单企业数十万到数百万),直接降低 FDE 项目的客户付费门槛。FDE 在报价时要会"叠补贴",这是海外 FDE 完全不需要考虑的本土技能。

八、中国 vs 海外 FDE 市场:一张对比表 ​

维度海外(美)FDE中国 FDE
起源Palantir(2003,军方/反恐)云厂商+大模型公司(2023 起,政策与技术双驱动)
典型雇主Palantir、Databricks、OpenAI、Anthropic、Snowflake阿里云、腾讯云、华为云、字节、智谱、集成商
客户结构财富 500、政府、军方、金融、医疗政务、央国企、三甲、城商行、制造集团
薪资(总包)17-20 万美元+股权(约 115-200 万人民币)45-110 万人民币,股权流动性折价
部署模式公有云 API + SaaS 为主私有化优先,数据不出域
算力栈英伟达 CUDA 主导昇腾/寒武纪/海光 DCU 与英伟达并存,适配成本高
合规GDPR、HIPAA、SOC2、欧盟 AI Act等保 2.0、个保法、数安法、算法/大模型备案
决策周期数周到数月6-18 个月(政企)
工作方式远程协作、轻驻场、工程驱动重驻场、重关系、售前工程一体
内容约束相对宽松,模型裸跑可用价值观对齐+内容安全+备案模型为默认
FDE 含义Forward Deployed Engineer,对结果负责"前沿部署工程师",但内涵被泛化(含售前、交付、解决方案)

核心差异可总结为一句话:海外 FDE 是"工程师上前线",中国 FDE 是"工程师上前线 + 还要懂政治、懂关系、懂国产栈、懂备案"。门槛更高,但一旦跑通,壁垒也更深。

九、机会与泡沫:别被 42 倍增长骗了 ​

中国 FDE 市场机会真实存在,泡沫也同样真实。冷静看:

9.1 真实机会 ​

  • 央国企 AI 化的存量市场:数百万亿资产规模的央国企,正从"信息化"走向"智能化",未来 3-5 年是大模型落地窗口,FDE 是稀缺执行资源。
  • 国产算力栈的工程化红利:昇腾、寒武纪、海光 DCU 的生态尚不成熟,谁能跑通"国产 GPU + 国产模型 + 行业场景"的端到端工程化,谁就拿到溢价。这是中国 FDE 独有的工程师红利。
  • 垂直行业 know-how 的复利:医疗、法律、能源、制造的领域知识深,FDE 沉淀的行业模型资产具有不可替代性,5 年后这部分人会成为行业 AI 的"头部专家"。
  • 政策稳定托底:数字中国、新质生产力、AI+ 行动是中长期国策,预算不会突然消失,市场天花板有保障。

9.2 真实泡沫 ​

  • Title 通胀:42 倍增长里,大量 JD 是把"解决方案架构师 / 行业交付经理 / 售前"改名为 FDE,实际工作内容没变。求职者要警惕"挂着 FDE 名号干售前"的陷阱。
  • 能力错配:海外 FDE 要求"会写代码+会改模型+懂客户",中国很多挂着 FDE title 的岗位实际只要"懂客户+能写方案",技术深度被稀释。真正既懂昇腾算子又懂客户业务的全栈 FDE,市场上不超过 1000 人。
  • 同质化内卷:大模型公司扎堆做政务大模型,集成商扎堆投标,场景高度重叠(政务问答、合同审查、客服辅助),FDE 在同质化项目里反复做 PoC,价值难沉淀。
  • 价格战:云厂商和大模型公司为了市场份额压低项目报价,FDE 团队人效被压缩,"高薪 + 高强度 + 低杠杆"成为常态,部分团队实际人均产值低于薪资成本。
  • 合规套利风险:部分 FDE 项目靠"未备案模型 + 打擦边球"快速上线,一旦监管收紧(尤其内容安全与数据出境),项目可能被叫停,FDE 个人要承担职业风险。

9.3 给从业者的判断标准 ​

一个 FDE 岗位是否"真 FDE",看三件事:一是否对业务结果(KPI/ROI)负责,而不只是交付系统;二是否有写代码和调模型的硬技术要求,而不只是写方案;三是否能积累可迁移的行业 know-how,而不只是在一家公司内部做协调。三项都满足,是真机会;只有 title 满足,是泡沫。

十、中国 FDE 市场的三个判断 ​

把市场拆到底,对中国 FDE 市场可以给出三个不那么温和的判断:

判断一:中国 FDE 市场规模被低估,但人才质量被高估。 真实岗位需求在未来 3 年会继续翻倍,但真正符合海外 FDE 标准的人才供给严重不足。市场缺的不是"FDE",而是"能同时搞定国产算力栈 + 国产大模型 + 行业业务 + 客户关系"的复合型 FDE。这类人现在的年薪上限不止 110 万,头部雇主愿意给到 150 万+。

判断二:集成商会成为中国 FDE 的最大雇主,但能力天花板最低。 政务与央国企的招标结构决定了集成商是项目主体,集成商会大量自建 FDE 团队。但集成商的商业模式(人天计费、毛利率薄)决定了它给不了最高薪,也难吸引顶尖技术人才,FDE 在集成商的成长曲线会偏"关系+管理"而非"技术+创新"。

判断三:信创适配能力是中国 FDE 唯一不可被海外复制的护城河。 海外 FDE 来中国做不了昇腾适配、过不了大模型备案、搞不定央国企决策链;中国 FDE 走出去,这套能力又没有出口市场。这意味着中国 FDE 是一个"封闭市场里的稀缺资源",短期内议价权会持续走高,长期看(3-5 年)随着工具链成熟,工程化门槛下降,溢价会被削平。现在是入场的最佳窗口。

本专题小结 ​

  • 中国 FDE 市场招聘需求两年增长 42 倍,薪资带 45-110 万,头部大模型公司(字节豆包)可达 3.5-7 万/月、年包 55-110 万。
  • 供给侧三类玩家:云厂商(阿里云/腾讯云/华为云,信创全栈优势)、大模型公司(字节/智谱/月之暗面/百川,从卖 API 转向卖解决方案)、集成商(神州数码/太极/东软,政务与央国企项目真正操盘手)。
  • 客户集中度高:政务、央国企、三甲医院、城商行、大型制造五大行业吃掉 80% 预算。
  • 信创全栈(CPU 鲲鹏/飞腾/海光 + GPU 昇腾/寒武纪/海光 DCU + OS 麒麟/统信 + DB 达梦/OceanBase + 国产模型)是不可绕开的硬约束,昇腾适配是当前 FDE 最痛的环节。
  • 合规四件套:等保 2.0、个保法、数安法、算法/大模型备案(截至 2025 年底累计 748 款生成式 AI 服务备案)是 FDE 项目的准生证。
  • 工作方式本土化:重驻场(月均 10-20 天)、重关系、决策链长(6-18 个月)、私有化优先。
  • 政策驱动:数字中国、新质生产力、AI+ 行动、数据要素四条主线撑起市场水位。
  • 机会真实(央国企 AI 存量、国产算力工程化、垂直 know-how 复利),泡沫也真实(title 通胀、能力错配、同质化内卷、合规套利)。
  • 中国 vs 海外 FDE:中国门槛更高(国产栈+合规+关系+驻场),壁垒也更深;但市场封闭,3-5 年内工具链成熟后溢价会被削平,现在是入场最佳窗口。

本专题来源 ​

本站由原始 Markdown 调研报告自动构建 · 原文未改动

FDE 调研报告 (2026)