医疗健康行业 AI 落地的 FDE 路径
—— 唯一一个"技术做完了还进不去"的行业
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 4 篇(1 制造 · 2 零售消费 · 3 金融) 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
前三个行业的门槛,本质上都是能力问题 —— 能不能接进去、能不能改流程、能不能担责任。
医疗是唯一一个门槛在"资质"上的行业:技术做得再好,没有证,进不了医院。
- 三类 AI 医疗器械注册证:截至 2025 年末累计获批超 270 张;另有统计口径称截至 2026-06-30 累计 127 张人工智能医用软件三类证 —— 两个数字统计范围不同,不可直接相减或比较(见 §六)。
- 但行业侧的判断一致:拿到三类证的企业不到三成,大多数医疗大模型仍处早期。
- 2025 年全年医疗 AI 大模型市场规模接近 20 亿元 —— 对照金融业 2025 年约 144 亿元的 AI 投入,医疗的盘子小得多。
- 医院端本地化部署机构数在 2025 年底呈指数级爆发 —— 数据合规正在驱动医疗 IT 基础设施重构。
我们实抓的 6 条医疗/医药 FDE 在招职位呈现明显的哑铃形:10–20k·13 薪的入门岗与 60–90k、要求 10 年以上的负责人岗同时存在,中间层很薄。
一句话结论:医疗 FDE 的核心竞争力不是模型能力,是"能把 AI 装进一个受监管的封闭环境里"。它对有医疗行业背景的人极度友好,对纯技术背景的人极不友好。
一、医疗 AI 的现状:普及率极高,但机构级落地被资质卡住
1.1 个人使用侧:已经饱和
| 指标 | 数值 |
|---|---|
| 医生 AI 使用熟悉度 | 99.67% |
| 医生人均使用 AI 工具 | 3 款 |
| 每周至少使用一次 | 91% |
| 每日使用 | 50% |
| 美国医疗系统至少用一种 AI 应用 | 75%(2025 年为 59%) |
⚠️ 这些是医生个人使用数据,不等于机构级落地。一个医生用 AI 查文献,和一家医院把 AI 接进诊疗流程,是两件事。本系列前三篇的"落地"指的是后者。
1.2 机构侧:被三类证卡住
- 三类 AI 医疗器械注册证:截至 2025 年末累计超 270 张
- 另一统计口径:截至 2026-06-30 累计 127 张人工智能医用软件三类证
- 行业判断:拿到三类证的不到三成
⚠️ 两个数字为何差这么多:两者的统计范围(是否含影像辅助诊断、是否含软件与硬件组合、是否含续证)不同。我们无法核实其口径差异,故两者并列呈现,不做推断、不做相减。 引用建议:说"三类证累计已超两百张量级(不同统计口径 127–270 张不等)",不要只挑一个数字用。
1.3 市场规模:比想象中小
2025 年全年医疗 AI 大模型市场规模接近 20 亿元。
对照本系列第 3 篇:金融机构 2025 年 AI 类产品投入约 144 亿元。医疗的盘子约为金融的七分之一量级。
1.4 一个正在发生的结构变化:本地化部署爆发
医院端本地化部署机构数在 2025 年底呈指数级爆发,行业将其归因于数据合规需求。
🎯 这条对 FDE 极其重要。它意味着医疗 AI 的主流交付形态不是"接 API",而是把整套东西装进医院内网。 这正是 FDE 的活 —— 而且是难度最高的那种:私有化部署 + 数据不出院 + 与 HIS/PACS/LIS 等存量系统对接。
二、医疗与前三个行业的根本差异:门槛在"证"
| 制造 | 零售 | 金融 | 医疗 | |
|---|---|---|---|---|
| 卡点 | 进不去(集成墙) | 用不透(流程组织) | 每步要有人负责 | 没有资质进不了门 |
| 门槛性质 | 工程能力 | 业务理解 | 责任与合规 | 行政许可(三类证) |
| 出错代价 | 停线、废品 | 转化率下降 | 监管处罚、资金损失 | 患者安全、行医责任 |
| 交付形态 | 现场集成 | 平台/SaaS 为主 | 旁路接入核心系统 | 私有化部署(数据不出院) |
最关键的差别:前三个行业里,做得好就能进;医疗行业里,做得好也未必能进,要先拿到证。
行业公开判断认为,2026 年的政策门槛将清洗掉一批"套壳"大模型企业,未来只有具备深度临床合作能力、且能通过三类医疗器械注册的企业,才能获得医院准入资格。
三、一手岗位证据:6 条医疗 / 医药 FDE 在招职位
3.1 ⚠️ 抽样方式与偏差
抓取方式:2026-08-15 至 08-16,通过本机真实浏览器检索招聘平台公开职位,使用"FDE + 医疗健康"等定向关键词。
🔴 定向检索,非随机抽样。只能回答"医疗业在招的 FDE 长什么样",不能计算医疗在 FDE 市场中的占比。 n=6,所有对比只作定性参照。
3.2 职位明细
| # | 职位 | 公司 | 城市 | 薪资 | 经验 | 备注 |
|---|---|---|---|---|---|---|
| 1 | AI 业务总监(前线部署 FDE Lead / AI 应用落地负责人) | 艾力斯医药 | 上海浦东 | 60–90k | 10 年以上 | 制药 · 科创板上市 |
| 2 | FDE(医疗 AI 营销领域) | 某上海大型医疗器械公司 | 上海 | 40–60k·13 薪 | 10 年以上 | 医疗器械 5000–10000 人 |
| 3 | 前沿部署工程师(FDE) | 斯伯特生物 | 广州海珠 | 25–55k | 经验不限 | 500–999 人 |
| 4 | 前沿部署工程师(FDE) | 斯伯特生物 | 广州海珠 | 20–50k | 2 年以上 | 同上(另一岗) |
| 5 | FDE(前沿部署工程师 / 医药) | 上海秘寻信息科技 | 上海 | 28–35k | — | — |
| 6 | AI 前端部署工程师 / FDE | 皓元医药 | 上海浦东 | 10–20k·13 薪 | — | 医药 |
3.3 三个可读出来的结论
① 结构呈哑铃形,中间层薄。一端是 10–20k 的入门岗(皓元医药),另一端是 60–90k、要求 10 年以上的负责人岗(艾力斯医药)。6 条里 2 条明确要求 10 年以上。
② 高薪岗的命名同样"去工程化"。「AI 业务总监(前线部署 FDE Lead / AI 应用落地负责人)」—— 与金融的"策略师/架构师/负责人"同构,不是招一个写代码的,是招一个能扛落地的。
③ 出现了纯业务向的 FDE。「FDE(医疗 AI 营销领域)」要求 10 年以上、40–60k·13 薪 —— 这个岗位的核心不是临床,是把 AI 用进医药商业化链条。
这提示了一条常被忽略的路径:医药行业的 FDE 不一定在诊疗侧,也可能在营销、准入、医学事务侧。
四、医疗 FDE 的能力画像
| 能力 | 医疗场景权重 | 为什么 |
|---|---|---|
| 私有化部署能力 | 极高 | 数据不出院是硬约束,本地化部署正在爆发 |
| 合规与资质意识 | 极高 | 三类证决定能不能进门;不懂这条会白做 |
| 与存量系统对接 | 高 | HIS / PACS / LIS 都是封闭且老旧的系统 |
| 需求拆解 | 高 | 临床需求要翻译成可验证指标,且要临床专家参与 |
| 评测与监控 | 极高 | 涉及患者安全,错误代价不可逆 |
| Agent 编排 | 低—中 | 当前医疗落地更多是明确边界的辅助任务 |
与前三篇对照:
| 制造 | 零售 | 金融 | 医疗 | |
|---|---|---|---|---|
| 核心能力 | 集成 + 评测 | 沟通 + 方案表达 | 合规 + 评测 + 担责 | 私有化部署 + 资质意识 |
| 岗位命名 | Engineer | Consultant | 策略师/架构师/负责人 | FDE Lead / 业务总监 |
| 市场盘子(2025) | — | — | AI 投入约 144 亿 | 医疗 AI 大模型约 20 亿 |
| 谁最有优势 | 懂产线懂老系统 | 懂生意会讲方案 | 有金融从业背景 | 有医疗/医药行业背景 |
🎯 给转型者的实话:医疗是四个行业里行业壁垒最高、盘子最小、但最不容易被外行抢走的。 如果你在医院、药企、器械公司、CRO 工作过 —— 这是你护城河最深的方向。 如果你没有医疗背景,不建议把它当作第一站 —— 你需要的不只是技术,还有对监管、临床流程和采购逻辑的理解,这些补起来比学技术慢得多。
五、结论
- 医疗 AI 的个人普及率已近饱和(医生熟悉度 99.67%),但机构级落地被资质卡住 —— 拿到三类证的企业不到三成。
- 医疗是四个行业里唯一"技术做完了还进不去"的 —— 门槛是行政许可,不是工程能力。
- 本地化部署正在爆发,这是医疗 FDE 最核心的能力要求:把整套系统装进医院内网,数据不出院。
- 市场盘子较小(医疗 AI 大模型约 20 亿,约为金融 AI 投入的七分之一量级),但行业壁垒最高,竞争者最少。
- 有医疗行业背景的人在这里有四个行业中最深的护城河;没有背景的人不建议从这里起步。
六、方法与局限(请连同结论一起引用)
我们做了什么 - 引用公开报道的医疗 AI 数据(医生使用率、三类证获批数、市场规模、本地化部署趋势、政策方向) - 使用本机真实浏览器实抓招聘平台 6 条医疗/医药 FDE 在招职位(2026-08-15/16)
我们没做什么(局限) - 🔴 三类证数量存在两个差异较大的统计口径(270 张 / 127 张),我们无法核实其统计范围差异,故并列呈现、不做推断。引用时务必说明口径不唯一。 - 🔴 §3 为定向关键词检索,非随机抽样,不可用于计算医疗在 FDE 市场中的占比 - ❌ n=6,含平台匿名发布职位;斯伯特生物两条为同公司不同岗位,可能存在重复发布 - ❌ §1.1 的高普及率数据是医生个人使用,与本系列其他篇的"机构级落地"不是同一概念,不可跨篇直接比较 - ❌ 各项数据来自不同机构、不同口径、不同年份,不可直接横向做算术比较 - ⚠️ §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、投资或医疗合规建议。医疗器械注册与医院准入受严格监管,实际事宜请以国家药监部门规定与持证主体为准。
七、数据来源
- 医生 AI 使用率 —— 2026 医脉通医生 AI 调研报告等公开报道
- 三类 AI 医疗器械获批数、市场规模、本地化部署趋势、政策方向 —— 2026 医疗 AI 大模型场景落地研究相关公开报道
- 在招职位 —— 招聘平台公开职位定向检索(2026-08-15/16,本机浏览器实抓)
- 制造 / 零售 / 金融对照数据 —— 详见本系列第 1、2、3 篇