金融行业 AI 落地的 FDE 路径
—— 钱最多、项目最密、门槛也最高的那个战场
出品:北京常温教育科技有限公司 · FDE 实战营教研组 版本:v1 · 2026-08-16 | 系列:行业 FDE 路径研究 第 3 篇(第 1 篇制造业 · 第 2 篇零售消费) 性质:公开可引用。所有数字标注口径与来源;凡我们自己抓的数据,均说明抓取方式与抽样偏差。
摘要
如果说制造业的 AI 问题是"进不去"、零售是"用不透",那么金融的问题是:东西已经进去了,而且规模不小,但每一步都要有人负责。
- 2025 年金融行业大模型中标 587 个项目、披露金额 15.06 亿元;而 2024 年是 133 个项目、2.4 亿元 —— 项目数一年 +341%,金额 +527%。
- 机构侧投入:2025 年约 144 亿元,预计 2030 年 579.2 亿元;其中 80.6% 投在应用层数智化改造,真正投基础大模型的只有 52.8%。
- 单家体量已经很大:中国平安 2025 年超 23 万员工使用智能体平台、开发超 7 万个应用、模型调用 36.5 亿次;众安保险全年大模型调用超 20 亿次、健康险自动化审核比例超 45%。
而承接这些项目的岗位,画像与前两个行业明显不同。我们实抓的 10 条金融/保险 FDE 在招职位显示:
| 维度 | 金融 FDE 的特征 |
|---|---|
| 薪资上沿 | 90–120k·15 薪、70–100k、45–75k·14 薪 —— 显著高于制造业同类 |
| 经验门槛 | 10 条里 6 条要求 5 年以上,出现 7 年以上、8 年以上、10 年以上 |
| 岗位命名 | 出现「策略师」「架构师」「负责人」,而非单纯"工程师" |
| 薪数 | 出现 24 薪、15 薪、14 薪 |
一句话结论:金融是 FDE 三个行业里回报最高的战场,但它不是入门战场。它要的不是"会做",是"敢签字"。
一、金融 AI 的现状:已经过了试点期
1.1 项目数量:一年翻近 4.4 倍
| 年份 | 大模型中标项目数 | 披露金额 |
|---|---|---|
| 2024 | 133 个 | 2.4 亿元 |
| 2025 | 587 个 | 15.06 亿元 |
| 增幅 | +341% | +527% |
这是本系列三篇里最硬的一组落地证据 —— 中标项目是真金白银签过合同的,不是意向、不是试点。
1.2 投入结构:钱主要花在"用起来"
2025 年金融机构 AI 类产品投入约 144 亿元,预计 2030 年增至 579.2 亿元。投入方向:
- 80.6% → 应用层数智化改造
- 77.8% → 算力基础设施
- 52.8% → 基础大模型
80.6% 投在应用层,意味着这个行业买的不是模型,是把模型用起来的工程与服务。这正是 FDE 的价值区间。
1.3 场景效果:三大场景都有可量化产出
| 场景 | 案例 | 效果 |
|---|---|---|
| 智能风控 | 百融智能 硅基质检专员 | 违规风险检出率提升至人工抽检的 3 倍以上;复杂问题意图识别准确率超 95% |
| 智能理赔 | 众安保险 | 健康险自动化审核比例超 45% |
| 智能理赔 | 中国平安 | 9 个 AI 产品入选国家级创新应用典型案例 |
| 智能投顾 | 百融智能 × 财通证券 | 产能覆盖率超 80%,投产比达人工 11 倍,客户投诉率下降 90% 以上,触客半径扩展 300% |
1.4 规模化程度
- 中国平安:23 万+ 员工使用智能体平台,7 万+ 应用,模型调用 36.5 亿次(2025)
- 众安保险:全年大模型调用超 20 亿次
- 蚂蚁数科 Agentar:已在银行、证券、保险等机构落地超 300 个金融专业智能体
- 云厂商份额:阿里云金融智能体市场份额 32.4%,百度智能云生成式 AI 12.2%
二、金融与前两个行业的根本差异:责任在谁
| 制造业 | 零售/消费 | 金融 | |
|---|---|---|---|
| 卡点 | 进不去(集成墙) | 用不透(流程与组织) | 每一步都要有人负责 |
| 具体约束 | 数据不出厂、产线不能停 | 流程要改、组织要动 | 合规、审计留痕、可解释、责任归属 |
| 出错代价 | 停线、废品 | 转化率下降 | 监管处罚、客户资金损失、声誉事件 |
| 因此需要的人 | 工程型 | 顾问型 | 能承担责任的资深型 |
金融的 AI 不缺预算也不缺场景,它缺的是"敢在方案上签字的人"。这解释了 §三 里那组反常的经验门槛。
三、一手岗位证据:10 条金融 / 保险 FDE 在招职位
3.1 ⚠️ 抽样方式与偏差(务必连同数据一起读)
抓取方式:2026-08-16,通过本机真实浏览器检索招聘平台公开职位,使用"FDE + 金融"等定向关键词,记录职位名、公司、城市、薪资、经验与学历要求。
🔴 这是定向检索,不是随机抽样。 因此绝不能说"某某比例的 FDE 岗位来自金融业" —— 本节只能回答"金融业在招的 FDE 长什么样",不能回答"金融占 FDE 市场多大比例"。 (作为对照:本系列第 1 篇中"37 条在招职位里制造与工业能源占 18.9%"取自未加行业词的通用 FDE 专题页,那个比例才可用。)
3.2 职位明细
| # | 职位 | 公司 | 城市 | 薪资 | 经验 | 学历 |
|---|---|---|---|---|---|---|
| 1 | AI FDE 现场部署工程师 - 金融投资方向 | 某北京云计算/大数据公司 | 上海 | 90–120k·15 薪 | 3 年以上 | 统招本科 |
| 2 | FDE Echo(前沿部署策略师·保险类金融方向) | 某北京计算机软件上市公司 | 北京 | 70–100k | 5–10 年 | 本科 |
| 3 | 前沿部署架构师 FDE(AI 架构师) | 上海暖哇科技 | 深圳福田 | 45–75k·14 薪 | 10 年以上 | 本科 |
| 4 | FDE 现场部署工程师(金融投资方向)- 火山引擎 | 字节跳动 | 北京海淀 | 40–60k·15 薪 | 7 年以上 | 统招本科 |
| 5 | FDE 现场部署工程师(金融投资方向)- 火山引擎 | 字节跳动 | 上海杨浦 | 40–60k·15 薪 | 7 年以上 | 统招本科 |
| 6 | 需求分析与 FDE 负责人 | 众安信科 | 上海黄浦 | 25–40k·15 薪 | 5 年以上 | 统招本科 |
| 7 | 知己智投(兴业证券交易服务系统)FDE | 某上海基金/证券/期货上市公司 | 上海 | 25–40k | 3–5 年 | 学历不限 |
| 8 | 知己智投 FDE | 某上海基金/证券/期货上市公司 | 上海浦东 | 20–30k·24 薪 | 3–5 年 | 硕士 |
| 9 | 火山引擎 FDE(AI 全系产品·金融投研行业) | 字节跳动 | 北京海淀 | 15–30k | 5–10 年 | 统招本科 |
| 10 | FDE 前沿部署工程师(金融 AI 方向) | 上海常春藤投资控股 | 上海浦东 | 15–25k | 1–3 年 | 本科 |
3.3 四个可读出来的结论
① 经验门槛显著偏高。10 条里 6 条要求 5 年以上,并出现 7 年以上(2 条)、10 年以上(1 条)。对照制造业样本中大量 3 年以上、1–3 年的岗位,金融明显更看资历。
② 岗位命名去"工程化"。出现「前沿部署策略师」「前沿部署架构师」「需求分析与 FDE 负责人」。与零售的「Consultant(顾问)」不同,金融用的是策略、架构、负责人 —— 强调的是判断与担责,不是执行。
③ 薪资上沿最高,但下沿也不低。上沿 90–120k·15 薪、70–100k;下沿 15–25k(1–3 年)。且出现 24 薪这种少见的薪数结构。
④ ⭐ 做出成果的公司,正在招这个岗位。§1.3 里众安保险的"健康险自动化审核超 45%"是公开披露的成果,而 众安信科(众安体系)正在招「需求分析与 FDE 负责人」;暖哇科技(同属众安系健康险科技)在招「前沿部署架构师 FDE」。
这是本文最值得注意的一条交叉验证:公开数据里跑出成果的机构,和在招 FDE 的机构,是同一批。
四、金融 FDE 的能力画像
结合 §1 的约束与 §3 的岗位特征:
| 能力 | 金融场景下的权重 | 为什么 |
|---|---|---|
| 合规与审计留痕 | 极高 | 每一次模型决策都可能被监管问到"依据是什么" |
| 评测与监控 | 极高 | 风控/理赔一旦漂移就是资金损失,不是体验问题 |
| 需求拆解 | 极高 | 业务方说"降低不良率",要翻成可验收的指标 |
| 系统集成 | 高 | 核心系统改造窗口极小,多为旁路接入 |
| 客户沟通 | 高 | 要面对风控、合规、审计三方,不只是业务方 |
| Agent 编排 | 中(上升中) | 蚂蚁 Agentar 已落地 300+ 金融智能体,趋势明确 |
与本系列前两篇对照:
| 制造业 | 零售/消费 | 金融 | |
|---|---|---|---|
| 核心能力 | 集成 + 评测 | 沟通 + 需求拆解 + 方案表达 | 合规 + 评测 + 担责 |
| 岗位命名 | Engineer(工程线) | Consultant(咨询线) | 策略师 / 架构师 / 负责人 |
| 经验门槛 | 中 | 中 | 高(6/10 要求 5 年以上) |
| 薪资上沿(我方样本) | 60k 级 | 80k 级 | 120k 级 |
| 适合谁切入 | 懂产线、懂老系统的人 | 懂生意、会讲方案的人 | 已有金融从业背景的人 |
🎯 给转型者的实话:金融是三个行业里回报最高、也最不适合从零切入的。 如果你已经在银行、券商、保险、金融科技公司工作,这是你存量优势最大的方向; 如果你完全没有金融背景,建议先从制造或零售切入,而不是直接冲这里 —— 那里的经验门槛会把你挡在外面。
五、结论
- 金融 AI 已过试点期。中标项目一年从 133 个涨到 587 个(+341%),金额涨 527%,这是三个行业里最硬的落地证据。
- 钱主要花在"用起来" —— 80.6% 投应用层改造,而非基础模型。这正是 FDE 的价值区间。
- 金融 FDE 的差异是"担责"而非"技术"。岗位名从 Engineer 变成策略师/架构师/负责人,经验门槛 6/10 要求 5 年以上。
- 合规与评测监控是金融 FDE 的核心能力,权重高于集成 —— 因为出错代价是监管处罚与资金损失。
- 有金融背景的人在这条路上有巨大存量优势;没有的人,建议先从其他行业切入。
六、方法与局限(请连同结论一起引用)
我们做了什么 - 引用公开报道披露的金融 AI 数据(中标项目统计、机构投入预测、三大场景效果、平台调用量) - 使用本机真实浏览器实抓招聘平台 10 条金融/保险 FDE 在招职位(2026-08-16)
我们没做什么(局限) - 🔴 §3 是定向关键词检索,不是随机抽样,不可用于计算金融在 FDE 市场中的占比 - ❌ n=10,且含平台匿名发布职位(以"某某公司"呈现);未做去重与真实性核验 - ❌ 薪资为公开招聘信息标注区间,不代表实际到手,更不代表任何承诺 - ❌ §1 各项数据来自不同机构、不同口径、不同统计年份,不可直接横向做算术比较 - ❌ 我们未获取任何金融机构的内部数据,§1.3 全部为公开报道 - ⚠️ §4 的"能力权重"是我们基于岗位描述与行业约束的判断,非统计结果
利益披露:本文由 FDE 实战营教研组撰写,我们从事该方向的职业教育。本文不构成任何就业、薪资、投资或合规建议。金融业务受严格监管,任何实际落地请以持牌机构与监管要求为准。
七、数据来源
- 金融行业大模型中标项目统计、机构 AI 投入预测、投入结构占比 —— 2026 年金融科技发展洞察相关公开报道
- 三大场景效果(百融智能、众安保险、中国平安、财通证券)、平台调用量、云厂商份额 —— 2026 金融 AI 应用报告相关报道
- 蚂蚁数科 Agentar 落地 300+ 金融智能体 —— 公开报道
- 在招职位:招聘平台公开职位定向检索(2026-08-16,本机浏览器实抓)
- 制造业 / 零售对照数据 —— 详见本系列第 1、2 篇