劝财务人转行做 AI 落地,这行正缺人

PART 01

一、政策端 国常会改口了

据证券时报 10 月 18 日报道，国务院常务会议 10 月 16 日听取人工智能加行动进展汇报，会议强调要突出赋能应用，以实体经济为重点强化供需衔接，鼓励联合研发，推进中试验证，加大场景培育力度。

三个词值得逐字看。

落地应用牵引，技术方向由应用现场定义，不再由实验室指标定义。

算电协同，推理占比上升之后电费在总成本里权重变大，数据中心的选址逻辑从靠近用户转向靠近电源。

因业分级分类施策，医疗 AI 和工业质检 AI 的风险阈值本来就不该用同一把尺子量。一个质检模型误判可能意味着一批零件返工，一个辅助诊断模型误关乎一个人的生命。

对做落地服务的同行，这几处是实打实的利好。政策注意力从供给侧投入端挪向需求侧效率端，中试验证被写进文件，跑中试的苦活会被计入评价体系。

PART 02

二、标准端 政务大模型有了第一把丈量人工智能交付的尺子

据华中科技大学新闻网 10 月 17 日报道，推荐性国家标准 GB/T 48324-2026《人工智能 政务大模型系统技术要求》获批发布，计划 2027 年 4 月 1 日起实施。这是我国政务大模型领域第一个推荐性国家标准，由中国电子技术标准化研究院牵头，华为、浪潮云、阿里云、百度、讯飞智元、金山办公等 60 余家政企单位参与。

标准的分量不在"首个"这两个字，在管的对象。标准名称用的是政务大模型系统，不是政务大模型。系统这个用词需要认真对待，它指的不只是预训练模型本身，而是模型与算力、存储、网络等基础设施，资源调度中间件，知识库，内容审核模块以及交互界面共同构成的可运行整体。

过去几年政务大模型项目最容易被追问效果怎么证明，常见答法是现场演示，问几个问题、生成一份公文、看响应速度。演示能说明能力存在，却说明不了系统可用。标准把评价对象从模型答得好不好移到系统建得全不全，等于给验收换了一把尺子。

对企业的三个提醒。

会调模型只是入场，能出文档、能配合测评、能长期运维才算交付。

补齐四项标配，知识库治理、内容审核与拒答、权限与身份鉴别、运行日志与审计。

做符合性对照，标准实施前立项的项目现在就能按国标编需求规格和验收条款，别等到实施日再补课。

推荐性标准本身不构成法定义务，约束力取决于招标文件和验收规范引用到什么程度。但一旦被招标文件引用，对当次采购就有约束力。

PART 03

三、落地端 山东车间里模型开始算账

据山东省工业和信息化厅 10 月 17 日报道，全省培育的卡奥斯天智、浪潮海若等工业垂域大模型进入一线车间，给出一批可核对的数字。

卡奥斯创智物联工厂的换产时间从最快 40 分钟压到 12 分钟，单条产线日产能提升 5%，人均产出提升 30% 以上。无人值守空压站由六个智能体协同完成巡检、调度、优化，全站只需 1 人值守，人工成本下降 70%。

鲁南制药用自研的鲁南智擎大模型和 AI 辅助药物发现系统，把候选化合物发现周期从 36 个月压到 20 个月以内，研发成本降低 40% 以上。系统确定靶点和参考分子后能生成上千个类似分子，再从成药性、可合成性、分子对接等维度筛选。

浪潮在济南的人工智能工厂累计完成 300 多个模型训练，落地近千个智能体，帮助链上企业生产成本降低 30%。这座工厂把模型开发从手工作坊改成了流水线。

还有一个数字值得注意。山东一家头部玻纤企业在原料配比、窑炉熔化、拉丝成纤三个关键环节分别配了专业模型和智能体，部分项目交付周期从 15 个月压缩到 5 个月。

中小企业怎么抄。整套集群做不了，挑一个高频工序先组队。更要紧的是把老师傅的经验写进知识库，数据清洗的工作量往往超过模型微调本身。做落地之前先定指标，没有指标的环节，验收时说不清值不值。

PART 04

四、人才端 全球够格的 FDE 只有两千人

据 CIO Dive 与 CNBC 10 月 15 日报道，云厂商正在批量培养前沿部署工程师。

Gartner 高级总监分析师 Mukul Saha 测算，目前全球符合 FDE 岗位描述的工程师仅约 2000 人，行业可吸纳的需求约为其四倍。AWS 前沿部署工程副总裁 Asa Kalavade 称这类人才是独角兽。他还提到一个细节，基础 AI 能力通常只能满足客户约一半需求，剩余部分涉及智能体行为安全、成本效益模型选型、版本适配与安全管控。

Anthropic 推出获 1 亿美元初始资金支持的 Claude 前沿学院，目标 2027 年底前培养 1 万名前沿部署工程师，首批学员来自埃森哲、贝恩、凯捷、德勤、麦肯锡五家咨询公司，还有摩根士丹利和诺和诺德。AWS 同步推出两项 FDE 技术认证与三条免费培训路径。Lightcast 的数据可以对照看，美国 FDE 职位空缺从 2023 年不足 200 个，涨到 2026 年前三季度超过 7300 个，同期中位数广告薪酬约 19.5 万美元。

对财务人来说这个缺口有实际意义。你的优势在需求侧，拆得清业务问题比会写代码更值钱。AWS 高管那句话是反过来的说法，基础能力能满足一半需求，剩下那一半才是 FDE 的价值域。补上技术那一层，会调模型、能搭智能体，位置就出来了。

PART 05

五、风险端 Gartner 说七成项目会被弃用

据 Gartner 9 月 29 日新闻稿、CIO Dive 10 月 15 日转载报道，到 2028 年 70% 的企业将放弃由厂商驻场工程师搭出来的智能体 AI，原因是成本飙升且自身无法迭代演进。

同一份报告还有两个数字。不到 20% 的 FDE 项目会把重复性需求沉淀为供应商核心产品里的能力，其余是一次性定制。报告还提醒了一个现象，"FDE washing"，把普通咨询换个标签叫 FDE。

Gartner 分析师 Mukul Saha 的判断是，FDE 项目的失败往往先是结构失败，然后才是技术失败。死因写在两处，成本飙升对应的演进权没谈，只能靠续约往前走。无法自主演进对应的知识没转移，人走了，能力没留下。

代码归谁。建议白纸黑字写知识产权归属或项目共担，从第一天写清。

知识怎么留。不是安排几次培训，而是结构性混编，让驻场工程师和内部领域专家、工程师、最终用户一起工作，关键知识在交付过程中就流出去。

撤走谁接手。退出方案提前定，不要因为内部团队还没准备好就续约。验收标准不是实施完成，而是企业能独立管理、优化、扩展这项技术。

Gartner 给的三阶段原则，翻译成商业语言就是三份合同，签约前谈对结构，交付中做好验证，退出时证明独立。

PART 06

六、财税端 一个会计从 100 家做到 3000 家

据南方日报 10 月 18 日报道，畅捷通总裁杨雨春在采访中给出一组数字，郑州财律一个代账会计过去最多服务 100 家小微企业，接入易报税后一人可服务 3000 多个账套，人效提升 20 到 30 倍。

这套系统融合通用大模型与自研财税垂直模型，叠加 40 多个行业深度规则库，驱动票据采集、科目匹配、凭证生成、纳税申报的全流程智能化。目前财税垂直模型记账准确率已超过 95%，正向 99% 逼近。

同篇报道还提到几组行业数据。税友股份发布财税 Agentic 2.0 系统，预计 AI 驱动收入将占整体营收约 50%。云帐房实现 80% 基础财税业务全流程 AI 自动化。百望股份上半年交付超 50 万个 AI 数字员工。在济南，AI 大模型与智能财税系统在头部代账机构的渗透率已超 75%，AI 财税机器人单台月处理效率可达 160 至 200 套，票据识别准确率 99.8%，凭证生成准确率超 98%。

事务所那一端也在变。天扬君合作为一家让税务师自己动手做 AI 工具的事务所，通过 AI 轻量化应用，把分散在从业人员个体里的实操经验与审核标准，转成标准化的税务规则库、案例库和知识库。

这一条跟想转型的财务人最贴近。重复劳动被机器接走，会计的时间才腾得出来放到税务筹划、风险防控和经营决策上。往哪里走这件事，答案已经比较清楚了。

现在就能用的四步

第一步 定指标　从换产、单据审核流程中里挑一个能够量化的环节，先小范围试点。

第二步 治数据　把数据清洗与知识库当正事，模型再强也绕不过脏数据的处理。

第三步 写合同　代码归属、知识转移、退出方案提前写清。

第四步 分人工机　规则清晰的给系统，难判断的留给人。

四条红线别踩

① 不承诺百分百准确，智能体输出必须有复核环节与责任边界；

② 不做无授权的数据接入，客户数据不出域，敏感字段先脱敏；

③ 不用国家级认证等表述，证书须人社备案机构发放，可官网查；

④ 补贴与技改资金口径各省市不同，一律以当地当期文件为准。

壹家人咨询

FDE 能力体系建设 · AI 落地实施陪跑
财务人转型财税咨询师 · 全国城市合伙人招募