原创 正文
FDE大热背后 “人工智能+”行动走向工程实施
来源: 中国工业新闻网 2026-11-17 21:21
分享到:

■ 中国工业报 刘德炳

最近,一个名词悄然走红——FDE,即前线部署工程师。在人工智能走进千行百业的过程中,如何破解场景与技术匹配失灵难题,以FDE为核心角色的AI应用服务商,正成为打通两者壁垒、弥合供需鸿沟的关键纽带。

日前,工信部办公厅发布《关于开展人工智能应用服务商培育专项行动的通知》(工信厅科函〔2026〕414号,以下简称《通知》)。其中提出,落实《国务院关于深入实施“人工智能+”行动的意见》中“培育人工智能应用服务商”“打造人工智能应用服务链”相关工作安排,现组织开展人工智能应用服务商培育专项行动。

专家表示,人工智能应用服务商是人工智能从“技术”转化为“生产力”的关键载体,需要多措并举,打通人工智能应用服务链的薄弱环节。

从“拼模型”转向“拼交付”

专项行动是“培育应用服务商、打造应用服务链”的施工图,标志政策重心从“拼模型”转向“拼交付”。

北京前沿未来科技产业发展研究院院长陆峰博士告诉中国工业报,人工智能应用服务商是连接技术供给与行业需求的“最后一公里”枢纽:一方面把模型、算力、数据封装成可交付的行业解决方案,破解企业“不会用、用不起、不敢用”的难题;另一方面把场景痛点反馈给技术侧,牵引产品迭代,推动“技术可行”走向“产业可用”。

中国绿色供应链联盟web3.0专委会秘书长王翔向中国工业报表示,人工智能应用服务商培育专项行动,不是一项常规的“企业入库”工作,而是国家在“人工智能+”行动全局下,对新质生产力组织形态作出的系统性安排。

河北雄安创想家孵化器有限公司创始人夏建松告诉中国工业报,专项行动是“培育应用服务商、打造应用服务链”的施工图,标志政策重心从“拼模型”转向“拼交付”。

《通知》提出,到2026年底,全国服务商资源池内服务商数量突破2000家。到2027年底,全国服务商资源池内服务商数量不少于3000家。

北京市石景山区具身智能数据要素产业发展联盟副秘书长巴士广表示,服务商资源池是全国AI应用服务的产业台账、供需对接底座和能力分级体系。第一是摸清底;第二是建立梯队;第三是建立信任背书,为政府、工业企业、场景业主单位遴选服务商提供可信参考。

陆峰表示,资源池的核心作用是将分散的服务主体从“看不见、对不上、管不住”变为“底数清、供需接、政策准”,以“建池”撬动“建生态”。

夏建松认为,2000家与3000家两个台阶先扩量后提质,把指标绑定产业基础与场景密度,避免平均摊派。

交付质量亟待多方共建

要从“卖项目”转向“卖结果”,建立政府、金融、市场三方共担机制,培养驻场交付工程师,推动服务商从集成商升级为运营伙伴。

深入来看,人工智能应用服务商的现状,分化与失衡成为共识。

夏建松通过一线观察发现,近一半“人工智能+”应用场景停留在试点阶段;热闹集中在少数头部主体,场景一换便失灵;中小企业不会选型、不敢投入;服务商数量庞大却水平参差、底数不清、标准不明。

王翔表示,问题出现的原因,主要是六大难题:一是认知不到位,把人工智能窄化为“提效工具”;二是数据“拿不到、不敢用、不会用”;三是复合型人才奇缺;四是真实场景开放不足,验证成本高、周期长;五是交付高度非标,验收标准与效果评估缺失,难以规模化;六是服务链上下游协同弱,单打独斗、重复造轮子。

陆峰表示,当前市场最稀缺的是能将多模型、多数据源与客户业务KPI有效连接的“交付型”服务商,而非单纯做模型接入或系统集成的中间商。具体缺口集中在三类:一是懂行业痛点、能驻场持续调优的前线部署工程师(FDE)团队;二是能牵头串联算力、模型、软硬件上下游的“应用服务团”牵头方;三是能将项目经验封装为“小快轻准”标准化产品的方案商,让服务可复用、可规模化。

王翔表示,当前最缺六类服务商。一是深耕生物科技、智能制造等硬科技主战场的行业型服务商(缺口最大);二是提供数据治理、高质量数据集、可信数据空间的数据型服务商;三是精通模型工程化、评测适配与持续运维的系统集成型服务商;四是能做全链路诊断与生产要素重构的咨询型服务商;五是提供合规、安全、伦理与效果评估的第三方专业服务商;六是面向中小微企业的轻量化、普惠型服务商。

“缺口不只是‘技术缺口’,更是‘认知缺口’。”王翔表示,若服务商把视野局限在消费级红海,低水平内卷便不可避免。而在他看来,提升服务水平更为重要。要从“接项目、做外包”转向“做赋能”,把资源池的场景、FDE的人才、数据侧的制度供给接起来,形成“主体+人才”双轮驱动。

陆峰表示,提升服务水平需双管齐下:能力端,引导服务商聚焦软硬件适配、多模型协同等靶向攻关,并将安全合规内嵌全流程;机制端,以首购首用和风险补偿激活需求,用“算力券”压降成本,同时依托实训基地批量培养“懂业务、通模型、能交付”的复合型人才。

香港技术院新能源学部主任、民革中央企联会副秘书长方俊彦认为,要从“卖项目”转向“卖结果”,建立政府、金融、市场三方共担机制,培养驻场交付工程师,推动服务商从集成商升级为运营伙伴。

把“开放场景”变成可操作的对接机制

场景要“拆细”;对接要“前置”;验证要“闭环”。

专项行动提出,组织开放一批真实场景,积极引入服务商开展落地实践。鼓励服务商搭建前线部署工程师(FDE)团队,扎根用户现场,保障场景落地。

陆峰表示,有效链接的核心在于把“开放场景”从口号变成可操作的对接机制,关键在三个环节:场景要“拆细”;对接要“前置”;验证要“闭环”。

“场景开放的关键是要搭建低成本、可试错、权责清晰的场景对接机制。”巴士广表示,一是政府、园区牵头,梳理可控开放场景。二是设立场景中试枢纽,承接场景需求、统一合规审核、统一数据管理。三是创新合作模式,采用“先试点验证、再小批量部署、最后规模化推广”阶梯模式。四是建立场景成果回流机制,场景运行产生的合规数据反哺模型迭代。

夏建松表示,从实践来看,有三方面值得格外关注,一是验收前置,二是风险共担,三是项目产品化。

“先要明确开放什么样的场景。”王翔认为,应优先开放生物科技与智能制造等中高价值、高复杂度的产业场景,这更能检验服务商的复杂交付能力。具体来看,则要建立“场景开放—服务商揭榜—规模化验证—复制推广”的闭环。

“关键在于‘链接’而非‘对接’。”王翔认为,不是把服务商名单发给场景方,而是让服务商在真实数据、真实流程、真实约束中完成交付并被客观评价,从而避免停留在消费级应用的红海里低水平重复。

以“组团”补链、以“标准”固链

“主体+人才”双轮驱动,是筑牢生态的关键一招。

从政产学研用一体化看,人工智能应用服务链还有一些薄弱环节亟待加强,这也是专项行动的发力点。

“政产学研用有五个基本‘堵点’要解决。”夏建松表示。一是场景开放度评价、首购首用、跨区域资源池互认、试错容错制度等仍在落地中。二是央企与龙头开放场景、数据、工具的溢出机制不足,大中小企业协同融通弱。三是高校成果到场景的“最后一公里”未通,复合型人才短缺、产教协同不深。四是中试验证、概念验证与第三方评测认证供给不足,标准缺失。五是中小企业投入高、人才少、部署难,真实需求难以结构化传导到技术侧。

“链条上最致命的是,缺‘总包—分包’的组织者,以及可审计的交付信用,导致商业闭环不通。”夏建松说。可以考虑把社区定位成“链条最前端的一节”,做政产学研用之间的转换器与组织者。

陆峰认为,应用服务链最薄弱的环节在于中游“集成交付层”的断层,缺少中间能将多模型、多数据源与客户业务KPI真正“焊”在一起的交付主体。“破局的关键在于以‘组团’补链、以‘标准’固链。”陆峰建议,由服务商牵头,联合算力、模型、软硬件上下游协同攻坚。同时,推动服务商将成熟交付经验封装为“小快轻准”标准化产品包,把项目能力沉淀为可复用的服务资产。

方俊彦表示,研用之间缺工程转化层、产学之间缺复合人才、政用之间缺标准。破局在于打造行业AI中试基地、校企共建实训、建立成熟度与安全合规标准、建立数据反哺机制。

巴士广表示,从具身智能来讲主要存在如下薄弱环节:数据要素链条薄弱、服务标准与评价体系缺失、后端持续运营服务缺位及金融配套不足。为此,他建议,一是完善具身数据采集、标注、流转、安全交付规范;二建设中试平台,三是重构服务商业模式;四是组建细分赛道服务联合体;五是完善配套风控和金融工具。

王翔认为,薄弱环节集中在上游数据供给、模型到场景工程化、下游持续运营、标准与验收、合规与安全、人才供给、协同与价值分配等七处,破局的关键是“全链条贯通+五要素同步”:以标准贯通链条,以数据补足上游,以场景牵引中游,以运营与评估补齐下游,以人才与协同机制贯穿全程。“只有‘主体+人才’双轮驱动,才是筑牢人工智能应用服务生态的关键一招。”王翔说。

【编辑:李一诺】