FDE与AI落地:制造业现场的样本案例

先说一件事：FDE是什么，以及它为什么突然火了

AI落地这件事，大家喊了好几年。但真正在企业现场跑过一圈的人都知道——买了模型、建了平台、开完启动会，然后呢？

据MIT Project NANDA调查逾500家企业后发现，高达95%的生成式AI项目无法对损益产生可量化的影响。问题不在技术本身，而在“最后一公里”：谁能让这些强大的模型真正在企业的日常流程里跑起来？

Forward Deployed Engineer（前端部署工程师），简称FDE，正是为了回答这个问题而生的角色。

Palantir最早让工程师进驻客户现场，OpenAI、Anthropic随后跟进。它不是顾问，交付的是跑起来的系统，需要工程能力、业务理解与独立推进的定力。

行业热度

工信部明确鼓励搭建FDE团队，中国信通院称其已进入政策部署阶段。

但人才缺口超500万，供需比仅1:10。

AI越智能，FDE越缺人。

本周五，我们请来四位从现场来的人

他们不聊大模型参数，不谈Token消耗，不追Agent和Vibe Coding。他们只回答一个问题：现场那个具体的、重复的、靠人扛了很久的环节，能不能换一种做法？

他们不在PPT里讲趋势，而是把踩过的坑、跑通的闭环、量化的结果摊开聊。

刘永超谈产教融合与政策信号，汤维维拆解制造业AI案例，张华海讲轨道车辆研发数字化，邱宇带来电商FDE落地全过程。

她从产教融合的一线来。过去几年，在和企业打交道时反复看到同一个问题：学校教的东西和企业现场要的东西，中间隔着一道看不见的墙。这道墙在株洲、在湖南的制造业里，尤其明显。

作为人社局的就业指导师，她还会带来一个容易被忽略的视角——政策端正在发生什么变化。人社部门、工信部门对相关岗位的表述和标准，已经在调整。这些调整背后，是“FDE”这类角色从边缘走向正式的信号。

最后她会回到自己。一个教育工作者，怎么用AI解决自己的工作业务问题？又怎么指导和参与企业的改造？她的答案，可能比理论更值得听。

她明确说：这场分享不聊大模型、Token、Agent、Skill、Vibe Coding。她只聊真实工作流。

怎么发现现场那些还没被数字化的痛点？怎么把一句模糊的需求，拆成可验证的问题？怎么让传统视觉、深度学习和本地部署的大模型协同起来，逐步替代原本高度依赖人工经验的流程？

AI落地不是“用AI替代一切”，而是从真实业务结果出发，为每个环节选择最合适的技术，最终形成可使用、可量化、可追溯的方案。

他长期做轨道车辆研发，参与过多次国家级科研项目，牵头车体研发数字化转型。湖南省小荷科技人才、株洲市高层次人才、中车“十大杰出青年”——这些头衔背后，是一个在重工制造现场待了很久的人。

他讲两个方向：AI+产品催生的课题研究，和AI+研发如何促进工作效率提升。不是概念推演，是从研发中心真实长出来的应用范畴。

他的履历有点特别：湖南师范大学毕业，做过长沙公办幼儿园园长，拿过雨花区优秀班主任。之后进入电商行业，五年电商从业，两年AI应用落地经验。

教育管理让他重视沟通、协作与执行；电商实践让他盯着流程里的重复劳动和业务结果。他把这两样东西带进FDE工作：理解一线需求，把AI与自动化嵌入日常流程，让团队有更多精力做好业务与经营。

他带来的案例，是一个电商企业的AI落地项目。从收资料、整理图片，到商品上架与日常跟进——原来每天300个商品，人工耗时45小时。改进后，15小时。

FDE不是新概念。它只是在说一件事：懂业务的人，学会用AI；懂AI的人，走到业务现场去。

本周五，四个从现场来的人，聊他们跑通的案例。

不性感，但真实。

欢迎你，带着你的问题来。