FDE 行业选择指南
—— 制造、零售、金融、医疗:同一个岗位名,四种完全不同的活
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 | 性质:公开可引用 本文是什么:四篇行业研究(制造 / 零售消费 / 金融 / 医疗健康)的合订与提炼,增加了一套选行业的决策方法。 本文不是什么:不是四篇的简单拼接。四篇各自的数据细节、方法与局限请查原篇。
一、先说一个反直觉的事实
大多数人以为 FDE 是一个岗位。
我们把四家大厂官网实抓的 28 条 FDE 岗位原文、加上招聘平台实抓的近 60 条在招职位拆开看,发现它更像四个岗位共用了一个名字。
| 制造 | 零售/消费 | 金融 | 医疗健康 | |
|---|---|---|---|---|
| 岗位实际叫什么 | Engineer (前线部署工程师) |
Consultant (FDE Consultant) |
策略师 / 架构师 / 负责人 | FDE Lead / AI 业务总监 |
| 它到底卡在哪 | 进不去 集成墙 |
用不透 流程与组织 |
每步要有人负责 合规与审计 |
没资质进不了门 行政许可 |
| 核心能力 | 集成 + 评测 | 沟通 + 需求拆解 + 方案表达 | 合规 + 评测 + 担责 | 私有化部署 + 资质意识 |
| 薪资上沿(我方样本) | 60k 级 | 80k 级 | 120k 级 | 90k 级 |
| 经验门槛 | 中 | 中 | 高(6/10 要求 5 年+) | 两极(入门岗与 10 年+ 并存) |
| 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/医药背景 |
一句话:选错行业,你的存量优势归零;选对行业,你不用从头开始。
二、四个行业的公开数据速览
⚠️ 各行业数据来自不同机构、不同统计口径与年份,只能看方向,不可直接横向做算术比较。
| 行业 | 关键公开数据 | 说明什么 |
|---|---|---|
| 制造 | 167 个落地案例中,生成式 AI 仅 4.8%、AI Agent 3.0%;生产制造环节占 62.3%;中小企业无一自建 AI 基础设施 | 前沿技术还没进厂,战场在车间 |
| 零售/消费 | 电商商家超 95% 已用 AI、60% 每日高频;但 L2+L3 >63%,L4 全链路不足 10% | 工具普及完成,深度应用刚起步 |
| 金融 | 2025 年大模型中标 587 个项目、15.06 亿元(2024 年为 133 个、2.4 亿)—— 项目 +341%、金额 +527%;机构 AI 投入 2025 约 144 亿 | 已过试点期,项目最密、钱最多 |
| 医疗健康 | 医生 AI 熟悉度 99.67%,但拿到三类证的企业不到三成;医疗 AI 大模型市场约 20 亿;医院本地化部署 2025 年底指数级爆发 | 个人普及饱和,机构落地被资质卡住 |
三、⭐ 怎么选:一棵决策树
第一步:看你的存量优势在哪。
你过去 3 年主要在哪个环境里工作?
├─ 工厂 / 产线 / 设备 / 供应链
│ → 【制造】你趟过老系统的浑水,那是 AI 最学不来的部分
│
├─ 门店 / 电商 / 品牌 / 消费品
│ → 【零售】你懂生意怎么转,这条线要的正是这个
│
├─ 银行 / 券商 / 保险 / 金融科技
│ → 【金融】回报最高,而且你的合规直觉是外行补不上的
│
├─ 医院 / 药企 / 器械 / CRO
│ → 【医疗】壁垒最高、竞争最少,你的护城河最深
│
└─ 都不是(纯技术 / 纯互联网 / 应届)
→ 先看第二步
第二步(无行业背景者):按门槛高低排。
| 优先级 | 行业 | 理由 |
|---|---|---|
| 🥇 首选 | 零售/消费 | 技术要求最低(零售样本里 Agent 编排的要求明显低于其他行业,但样本只有 6 条,只能当方向看),场景最容易理解,商家基数最大 |
| 🥈 次选 | 制造 | 技术门槛在集成而非算法,且行业正在扩散(医药/节水/电力都在招) |
| 🥉 谨慎 | 金融 | 回报最高,但 6/10 岗位要求 5 年以上,没有金融背景很难进 |
| ⛔ 不建议起步 | 医疗 | 门槛是行政许可与临床理解,补起来比学技术慢得多 |
第三步:确认你能接受这个行业的"难受点"。
| 行业 | 你必须能忍受 |
|---|---|
| 制造 | 出差去工厂、和二十年前的系统打交道、产线不能停的压力 |
| 零售 | 反复讲方案、推动别人改流程、成果依赖别人执行 |
| 金融 | 冗长的合规流程、每一步留痕、决策要签字担责 |
| 医疗 | 漫长的准入周期、数据一步都不能出院、错误代价不可逆 |
四、四个行业共通的东西(这才是课程要教的)
尽管四个行业差别巨大,我们对 28 条大厂 JD 的六维归类显示,有两项能力在所有行业都排在最前面:
| 顺位 | 能力 |
|---|---|
| 1 | 把模糊需求拆成可落地方案 |
| 2 | 跟客户把话谈明白、讲清价值 |
| 3 | 部署上线、接进客户系统 |
| 4 | 让 AI 自己调工具、连系统 |
| 5-6 | 让 AI 准确回答企业自有资料(RAG)· 说清楚"它到底准不准"并盯住它(评测)—— 这两项同处末位,且两轮标注里互相对调过,顺序不稳定 |
⚠️ 为什么这张表只给顺位,不给百分比 这组"出现频率"是让 AI 逐条读 JD 打标签得出的,不是人工数出来的客观计数。 我们用同一批 28 条原文跑了两轮:前四名排序两轮完全一致,但每一项的具体数字都变了,最后两名还对调了位置。 所以这组数据能支持「哪几件最被需要」,不能支持「占比 96%」这种精度。与其报一个看起来精确、换个跑法就变的数字,不如只报我们真有把握的部分。
两个结论:
-
不管去哪个行业,需求拆解与沟通表达都是第一位的。技术项(Agent 编排、RAG)反而排在后面 —— 这也是为什么 FDE 对有行业经验的人友好,对只会技术的人不友好。
-
评测与监控在 JD 里排在末位,但它在制造、金融、医疗三个行业的实际权重都极高。
🎯 这是全系列最值得记住的一句话:JD 里排位低 ≠ 实际不重要。这个错位,就是差异化机会 —— 大多数人不会,而客户最需要。
五、选定行业之后:先补什么
决策树只回答"去哪",这一节回答"从哪一步开始补"。
5.1 四个行业的补齐优先级
按各行业的实际权重排序,从上往下补,不要平均用力:
| 顺位 | 制造 | 零售/消费 | 金融 | 医疗健康 |
|---|---|---|---|---|
| 1 | 需求拆解 | 客户沟通与方案表达 | 合规与审计留痕 | 私有化部署 |
| 2 | 系统集成(MES/PLC/老 ERP) | 需求拆解 | 评测与监控 | 资质意识(三类证逻辑) |
| 3 | 评测与监控 | 案例库沉淀 | 需求拆解 | 评测与监控 |
| 4 | 客户沟通(对厂长/安全负责人) | 评测与监控 | 系统集成(旁路接入) | 与 HIS/PACS/LIS 对接 |
| 5 | Agent 编排(前瞻储备) | Agent 编排(L4 商家会要) | Agent 编排(上升中) | 需求拆解(需临床专家参与) |
⚠️ 注意每一列第 1 位都不是技术项。这不是我们的偏好,是 28 条大厂 JD 跑出来的结果(需求拆解、沟通表达双双居首,见 §四)。
5.2 三类人的起步动作(选定行业后的第一个月)
| 你的背景 | 你已经有的 | 先补这一件 | 怎么验证补上了 |
|---|---|---|---|
| 有行业无技术 (懂生意/懂产线/懂业务) |
行业理解、客户关系、问题嗅觉 | 把 AI 做出来的能力 —— 不是学写代码,是学指挥 AI 做出可运行的东西并验收它 | 用本行业一个真实场景,独立做出一个能部署、能打开的东西 |
| 有技术无行业 (开发/测试/运维) |
工程能力、系统直觉 | 业务翻译与场景判断 —— 把"我要智能化"问成可验收指标 | 写出一份该行业的 Discovery Doc,含不做清单与 3 条可打勾验收标准 |
| 两头都薄 (应届/转行) |
时间与学习意愿 | 先选一个行业扎进去,而不是做"通用 FDE" | 能用行业术语讲清该行业 AI 落地卡在哪(不是背数据,是能对话) |
🎯 对第三类人最要紧的一句:四个行业的岗位画像差异如此之大,说明市场要的是懂某一行的 AI 交付者,不是通才。 半年内不选定行业,你会一直停在"什么都会一点、哪个都进不去"。
5.3 这些能力,怎么补
上一节列出的缺口,补法其实是同一条链路,顺序不能乱:
| 补什么 | 补到什么程度算过关 |
|---|---|
| 需求拆解 / Discovery | 能把客户一句模糊的话,写成带边界和成功指标的文档 |
| 系统集成 / 打通老系统 | 能接进一个没有文档、数据是脏的真实系统 |
| 评测与监控 | 能用数据说清"它到底准不准",并盯住它别退化 |
| 私有化部署 | 能在数据不出内网的前提下把它跑起来 |
| 客户沟通 / ROI 表达 | 能向不懂技术的人说清楚这件事值多少钱 |
| 案例库 / 可复用资产沉淀 | 下一个客户来时,你不是从零开始 |
补的顺序比补的数量重要。 先能拆需求,再谈集成;没有评测,部署上线只是把风险搬到了线上。 这条链路走完一遍(在你自己行业的一个真实项目上),比在六个方向各学一点管用得多。
六、常见问题
Q:我可以先选一个行业,以后再换吗? 可以,但换行业的成本主要不在技术,在关系与信任。四个行业里,制造与零售之间转换较容易(都偏交付执行),转金融与医疗最难(资质与背景壁垒)。
Q:必须懂算法吗? 四个行业的 JD 里,把模糊需求变成方案排在所有具体技术项前面(见 §四)。代码可以交给 AI 写,判断不行。
Q:哪个行业最缺人? 公开数据无法直接回答"缺口"。能说的是:金融的项目增速最快(中标项目一年 +341%),制造的行业扩散最广(医药、节水、物流、电力都在招),医疗的竞争者最少但门槛最高。
Q:没有任何行业背景,是不是就没戏? 不是。但你需要在半年内选定一个行业并扎进去,而不是做"通用 FDE"。四个行业的岗位画像差异如此之大,说明市场要的是懂某一行的 AI 交付者,不是通才。
七、方法与局限(请连同结论一起引用)
数据基础 - 大厂官网 28 条 FDE 岗位原文(2026-07-21,腾讯/字节/阿里云/蚂蚁/智谱官方招聘站实抓) - 招聘平台在招职位:通用专题页 37 条(2026-08-15)+ 金融定向、医疗定向、能源定向若干(2026-08-16) - 全部招聘平台职位的逐条底账留档、可联系索取:71 条,含每批次的检索方式与是否可用于占比计算 - 四个行业的公开行业数据(见各分篇来源)
局限 - 🔴 金融与医疗的职位样本来自定向关键词检索,不是随机抽样 —— 不可用于计算各行业在 FDE 市场中的占比。唯一可用于比例计算的是通用专题页那 37 条(其中制造与工业能源 7 条 = 18.9%)。 - ❌ 各行业职位样本量小(零售 6 / 金融 10 / 医疗 6),所有跨行业对比只作定性参照,不构成统计推断 - ❌ 六维能力归类是让 AI 逐条读 JD 打标签得出的,不是人工数出来的客观计数(故 §四 只给顺位不给百分比);规则与逐条证据句逐条留档、可联系索取,欢迎逐条推翻 - ❌ 四个行业的公开数据来自不同机构、口径与年份,不可直接横向做算术比较 - ⚠️ 薪资均为公开招聘信息标注区间,不代表实际到手,不构成任何承诺 - ⚠️ §三 的决策树是我们基于上述数据与行业约束给出的建议框架,不是研究结论
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、薪资或投资建议。
八、分篇索引
| # | 分篇 | 核心论点 |
|---|---|---|
| 1 | 《制造业 AI 落地的 FDE 路径》 | 制造业不缺 AI 模型,缺把模型装进工厂的人 |
| 2 | 《零售 · 消费行业 AI 落地的 FDE 路径》 | 同一个岗位,在工厂是工程师,在零售是顾问 |
| 3 | 《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 |
| 4 | 《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 |
四篇均可在伙伴资料库获取,含 A4 PDF 与转发用长图。