2025年，是“十四五”收官之年，也是中國式現代化征程中不確定與新機遇并存的關鍵時刻。面對外部環境的起伏與技術變革的浪潮，上海經信系統主動作為、以變應變，以制度創新激活市場潛能，以技術革新塑造城市韌性，于機遇中開拓新局。

今年的最新數據顯示，上海的技術改造投資跑出逾20%的加速度，“服務包2.0”為2.4萬個企業訴求送上“一鍵回應”，先進能源裝備產業集聚區在閔行落子成勢，智能終端產業劍指三千億規模……一幅新質生產力引領的未來圖景，正在浦江兩岸徐徐展開。

“十四五”規劃收官之際，澎湃新聞推出特別策劃——《2025·“智造上海”——新質生產力的城市躍遷》。系列報道將聚焦先進能源裝備產業集聚區、智能終端產業發展行動方案、重點企業服務包制度2.0版等標志性實踐，呈現上海在新質生產力引領下的躍遷之勢、奮進之姿與時代之光。

2025年12月6日，上海創智學院迎來了首期FDE（Forward Deployed Engineer，前沿部署工程師）專題培訓班。上海創智學院黨委書記、常務副院長丁曉東作為主講人，圍繞AI落地“最后一公里”難題展開深度分享，系統闡釋了FDE的發展脈絡、人才培養現狀與行業挑戰。FDE這一新興職業正式進入公眾視野，也預示著在人工智能深度賦能千行百業的時代，一個連接技術與產業的關鍵角色正在崛起。

圖片由受訪者提供

不止于“工程師”的跨界復合型角色

在人工智能技術爆發式增長的當下，頂尖技術與產業應用之間的鴻溝始終存在。實驗室里精準度極高的AI模型，往往在復雜的工業生產、醫療服務、金融風控等實際場景中“水土不服”；企業迫切需要技術革新，但面對抽象的算法模型卻不知如何轉化為實際生產力。FDE的出現，正是為了填補這一空白。

丁曉東在培訓中明確指出，FDE并非傳統意義上的工程師，也不是局限于實驗室的AI研究者，而是以“讓前沿技術精準扎根產業”為核心使命的跨界實踐者。與傳統產品經理相比，FDE呈現出本質區別：產品經理多是被動接收客戶需求，定期解決問題；而FDE需要深入業務一線，主動挖掘需求、發現痛點，甚至在客戶尚未明確自身需求時，通過對業務場景的深度洞察創造需求。上海交通大學集成電路學院人工智能與微結構實驗室主任李金金教授將FDE形象地稱為“跨界翻譯官”——既要懂AI、大數據等前沿技術的底層邏輯，能根據產業場景調整技術參數；又要深入理解行業核心痛點，從生物發酵的微生物代謝規律到工業建筑的能耗優化需求，皆需了然于心；更關鍵的是具備“技術轉化”能力，能把抽象的算法模型轉化為工程師可操作、產業可驗證的具體方案，避免技術“懸空”。

在實際工作中，FDE的角色呈現出多元化特征。在醫院場景中，他們需要像臨床一線工作人員一樣，熟悉醫生的工作習慣和診療流程，甚至比醫生更了解國家醫療規范和研究文獻，才能將復雜的臨床需求轉化為實用的信息系統；在銀聯的風險防控場景中，他們要架起技術團隊與業務部門的溝通橋梁，讓懂大模型技術的人員理解銀聯的業務數據結構，同時讓業務人員明白AI模型的應用邏輯，實現海量交易數據向風險防控能力的轉化；在上汽集團的建筑施工項目中，他們既是技術部署者，又是“翻譯官”，將企業的進度管理、供應鏈協調等需求精準翻譯為技術方案，高效解決傳統管理模式滯后性強的痛點。

解決AI落地難題，FDE成核心解法

當前，人工智能在各行業的應用落地普遍面臨三大核心痛點：場景碎片化與定制化需求的矛盾、技術與業務的脫節、模型部署后的持續迭代難題。FDE通過其獨特的工作模式和能力結構，為這些痛點提供了有效的解決方案。

場景碎片化是諸多行業面臨的共同挑戰。以上汽集團為例，其下屬建筑施工企業的每個項目都涉及政府審批、工序排期、供應鏈管理等多重復雜環節，需求高度定制化；而工業制造領域中，汽車生產、輪胎制造、橡膠加工等不同行業的場景差異巨大，通用AI模型難以直接適配。傳統的駐場工程師往往只能進行簡單的信息收集，再反饋給原廠制定解決方案，溝通效率低、落地效果差。FDE則采用駐場式工作模式，深入企業一線與業務人員摸爬滾打，甚至駐場數年，針對具體場景搭建數據管道、構建腳手架，實現技術與業務的深度融合。丁曉東強調，現在的本地化部署已不再是簡單的軟件安裝，而是需要根據具體場景個性化搭建中間環節，一套方案在一個企業成功后，經過優化可移植到同類企業，實現“一次優化、多域復用”。

技術與業務的脫節是AI落地的另一大障礙。很多企業引入AI技術時，要么面臨技術團隊不懂業務的困境，要么遭遇業務團隊不理解技術的難題。銀聯在風險防控場景中就曾遇到這樣的問題：技術人員精通大模型訓練，但不懂銀聯的交易數據邏輯；業務人員熟悉風控規則，卻不了解AI模型的工作原理。FDE的介入打破了這種壁壘，他們既懂技術又通業務，能夠將模糊的籠統的業務需求轉化為具體的可實現的AI目標，同時與業務人員共同定義AI應用的成功標準，解決了AI ROI難以計算的行業痛點。在醫療領域，這種脫節問題更為突出，不少軟件廠商的產品經理需要醫院將業務流程拆碎講解，甚至提供初步設計方案才能進行開發，而FDE能夠主動深入臨床一線，用業務語言解讀需求，將其轉化為軟件工具，大大提升了技術落地效率。

模型部署后的持續迭代問題同樣制約著AI的應用價值。傳統IT應用在交付上線后即完成使命，但AI應用具有動態性，需要通過持續的數據反哺實現模型優化。FDE通過建立快速迭代循環，將一線場景中的需求痛點、數據語料反饋給后方的技術團隊或FDR，推動模型訓練和解決方案的迭代升級，再將優化后的能力輸出到客戶現場，形成“部署——反饋——迭代——再部署”的良性循環。上海創智學院為上海考試院開發“大模型輔助命題系統”時，FDE團隊不僅完成了模型訓練與部署，更在駐場過程中持續優化流程，將原本需要數月的命題準備周期縮短40%。

FDE人才培養：構建“實戰導向”的多元化體系

AI產業的快速發展催生了對FDE人才的迫切需求。上海電氣等企業反映，當前AI人才價格高昂，企業難以長期留存，而市場上兼具技術能力與業務洞察力的復合型人才嚴重短缺；醫院、金融、制造等多個行業的從業者均表示，能夠創造性解決問題的FDE類人才“一才難求”。為破解人才瓶頸，上海率先啟動FDE人才培養計劃，以上海創智學院為核心，構建起多元化、實戰化的培養體系。

丁曉東介紹，FDE人才培養的核心是實戰化訓練，而非課堂上的坐而論道。上海創智學院設計的課程圍繞應用場景展開，以解決實際問題為導向，采用“案例教學+真實場景實訓”的模式。首期培訓班主要面向國企和部委的關鍵人員，后續將推出針對實訓工程師的專項培訓，從人工智能企業中選拔合適人員，經過短期理論培訓后，派往需求方場景進行實操訓練，學員需完成實際應用場景的搭建才能通過考核。明年計劃開展輪訓，每季度一期，每期培訓50人左右，全年培訓規模達到200人，通過“一個月理論+兩個月實操”的模式，確保學員具備實戰能力。

為擴大人才培養規模，上海提出了“百千萬”工程目標：鏈接百個模型、打造千個智能體、帶動萬名開發者轉型。這一目標的實現需要政府、高校、企業等多方協同發力。在政府層面，上海已投入資源支持FDE培訓，提供免費課程和算力保障，并計劃將FDE培訓與人社部門的中級職稱掛鉤，提升職業吸引力；在高校層面，教委將于明年6月推出研究生階段的FDE相關課程，未來還可能發展為工程碩士方向，同時通過微課程等形式實現快速迭代，適應行業發展需求；在企業層面，將選拔內部工程師參與培訓，推動傳統軟件工程師向FDE轉型，并鼓勵社會力量參與FDE培訓，形成規模化的人才供給。

培養體系的核心特色在于“產教融合、供需對接”。上海創智學院將聯合高校設計課程，整合企業的真實案例資源，構建案例庫，讓學員在解決實際問題的過程中提升能力。丁曉東強調，FDE的培養不僅是技術知識的傳授，更重要的是思維模式的轉變，要讓學員從“被動接收需求”轉變為“主動挖掘需求、創造價值”。為此，培訓過程中注重培養學員的跨界思維、溝通能力和問題解決能力，通過跨行業場景的實訓，提升學員的跨域遷移能力。

人才培養的另一重點是標準化與規范化建設。多位行業從業者建議，應總結FDE的工作經驗，形成標準的工作流程和操作規范，開發專業的工具平臺和“武器包”，為FDE開展工作提供支撐。上海創智學院正著手構建FDE“跨域遷移”的完整技術體系，將不同領域的調控規則拆解為可復用的“智能模塊”，讓學員能夠快速適配不同場景。同時，通過建立“技術反饋平臺”，實現FDE與FDR的高效協同，縮短模型迭代周期，提升人才培養的效率和質量。

FDE引領AI產業進入“深度落地”時代

隨著人工智能從技術爆發期邁入應用深化期，FDE的重要性將日益凸顯，其發展前景與AI產業的演進深度綁定，呈現出三大趨勢。

從應用范圍來看，FDE將從當前的重點行業向全行業滲透。丁曉東表示，幾乎所有存在高價值場景的行業都適合FDE的介入，目前醫療、金融、制造、智慧城市等領域已率先探索應用，未來將逐步擴展到教育、文旅、農業等更多領域。在醫療領域，FDE將助力醫院實現更多場景的智能化改造，解決上百個深度需求的落地難題；在智慧城市建設中，FDE能將通用大模型能力與具體的城市管理場景結合，推動“盆景式案例”向“風景式普及”轉變；在中小企業中，FDE將通過輕量化工具包和小樣本迭代算法，降低AI應用門檻，讓中小企業以更低成本享受技術紅利。

從職業發展來看，FDE將形成完善的職業體系和發展路徑。隨著“百千萬”工程的推進，FDE將從新興職業逐步走向規范化、專業化，形成從初級到高級的職業階梯。其職業能力將圍繞“技術深度+業務廣度+轉化能力”三個核心維度持續提升，既懂前沿技術又精通多個行業業務的復合型FDE將成為市場稀缺資源。同時，FDE與FDR的協同模式將進一步普及，形成“部署-迭代”的完整職業生態，推動更多技術人員向跨界方向發展。

從產業價值來看，FDE將成為推動AI產業高質量發展的核心力量。通過FDE的橋梁作用，將有效解決AI落地“最后一公里”難題，讓技術創新真正轉化為生產力，助力企業提升效率、降低成本、創造新價值。在制造業中，FDE將推動智能工廠建設提速，實現生產流程的優化和產品質量的提升；在金融領域，將助力風險防控能力升級，保障金融市場穩定；在醫療領域，將提升診療效率和醫療服務質量，惠及廣大患者。正如丁曉東所言，FDE的核心價值在于實現“從產品交付到價值交付的轉變”，最終目標是提升客戶的效率、能力和價值，這正是人工智能大模型落地的終極意義。

上海作為人工智能產業的前沿陣地，率先布局FDE人才培養，不僅是為了解決本地產業的人才短缺問題，更是為全國AI產業的落地提供“上海經驗”。隨著FDE人才儲備庫的建立和培養體系的完善，上海將進一步鞏固在人工智能領域的領先地位，為打造具有全球影響力的人工智能高地注入強勁動能。

在人工智能賦能千行百業的浪潮中，打破技術與產業的壁壘，推動AI從實驗室走向生產一線，已經成為普遍存在的迫切需求。FDE這個新興職業的崛起，不僅將改變人才市場的供需結構，更將重塑AI產業的發展格局，讓人工智能真正扎根產業土壤，綻放出巨大的經濟價值和社會價值。未來，隨著更多FDE人才的涌現和培養體系的成熟，AI落地的“最后一公里”將被徹底打通，人工智能將進入全面賦能產業高質量發展的新階段。