FDE Wiki

深色模式

机构与行业报告 ​

给需要用数字说话的人：向客户高管提案、向老板申请预算、判断要不要入行时，这一页给你可查证的机构报告。每份都标了机构、日期、链接、核心数字与统计口径，以及对 FDE 工作的含义。口径比数字重要——同一个「企业 AI 失败率」，不同报告能差出几十个百分点，全在于怎么定义「失败」。

学术研究见 academic-research.md，术语定义见 ../00-start/glossary.md。

怎么读这一页 ​

这是一页查阅用的索引，不必从头读到尾。六个小节：一、企业 AI 落地状况（MIT NANDA、McKinsey、BCG、Deloitte、Gartner）｜二、市场规模与资金流向（Menlo、a16z、Bain）｜三、能力与行业全景（Stanford AI Index、Anthropic、OpenAI）｜四、Palantir 财报中与 FDE 模式相关的披露｜五、中文机构与行业报告（腾讯研究院、信通院、艾瑞、阿里云）｜六、按角色的报告精选。只想拿几个能用的数字就直接跳到第六节；要判断某个数字能不能引用，看该条目的「核心数字与口径」与「方法与局限」。

行业报告和学术论文不是一回事。绝大多数报告是自我报告的高管问卷，样本来自愿意参加调研的组织，且发布方往往有商业立场——咨询公司的报告会指向「你需要转型咨询」，VC 的报告会指向「这个赛道值得投」，厂商的报告会指向自家产品。这不意味着它们没用，而是意味着要看三件事。

  1. 谁在回答。 是 CIO 还是一线员工，是「已经在做 AI 的公司」还是随机抽样，结论会完全不同。
  2. 成功和失败怎么定义。 「有 ROI」可以指进了财报，也可以指高管觉得有用。MIT NANDA 的 95% 和 McKinsey 的 37% 看起来矛盾，其实测的是两件事。
  3. 是不是同行评议。 这一页几乎所有材料都不是。引用时应当说明这一点。

还有一条阅读约定：每份报告下标着「对 FDE 的含义」的那一段，是本 Wiki 的推论，不是报告本身的主张。除腾讯研究院那一份外，本页其余报告都不是研究 FDE 这个岗位的。报告条目的前半段（机构、日期、数字、口径、方法与局限）是报告实际说了什么，可以直接引用；后半段转述时请注明是推论。

下图是本页几份关键报告的口径对照，同一个问题的答案取决于问法。

一、企业 AI 落地状况 ​

MIT NANDA《The GenAI Divide: State of AI in Business 2025》 ​

机构：MIT Project NANDA（Networked Agents And Decentralized Architecture）。作者：Aditya Challapally、Chris Pease、Ramesh Raskar、Pradyumna Chari。日期：2025 年 7 月。报告 PDF 有多个镜像，例如 cloudelligent 镜像，摘要页见 aigl.blog。媒体首发报道见 Fortune, 2025-08-18。

核心数字与口径（引自报告原文）：

  • 「Despite $30–40 billion in enterprise investment into GenAI, this report uncovers a surprising result in that 95% of organizations are getting zero return.」报告紧接着说明：只有 5% 的整合型 AI 试点在提取百万美元级价值，其余「remain stuck with no measurable P&L impact」。
  • 报告自己在第 6 页给出的定义：「We define successfully implemented for task-specific GenAI tools as ones users or executives have remarked as causing a marked and sustained productivity and/or P&L impact」——判定依据是用户或高管的主观陈述，不是财务数据。
  • 漏斗口径：60% 的组织评估过企业级 AI 工具，20% 进入试点，5% 到生产。这是那个 95% 的来源。
  • 通用聊天工具是另一条曲线：超过 80% 的组织探索或试点过 ChatGPT/Copilot 一类工具，近 40% 报告已部署，且通用 LLM 聊天工具的试点转实施率约 83%。
  • 「影子 AI 经济」：只有 40% 的公司购买了官方 LLM 订阅，但受访公司中超过 90% 的员工报告经常用个人 AI 工具处理工作任务。
  • 对 FDE 最重要的一个数字：「external partnerships with learning-capable, customized tools reached deployment ~67% of the time, compared to ~33% for internally built tools」——外部合作伙伴（购买并与厂商共同开发）的部署成功率约 67%，纯内部自建约 33%。报告随即自我限定：「these figures reflect self-reported outcomes and may not account for all confounding variables」。
  • 成功买家的行为特征，报告的原话是他们「act like BPO clients, not SaaS customers」——要求深度定制、由一线驱动采纳、用业务指标约束供应商。
  • 速度差：中位表现最好的中型公司从试点到全面实施平均 90 天，大企业（年收入 1 亿美元以上）需要九个月或更久。
  • 核心归因：失败主因不是模型质量、基础设施、监管或人才，而是「学习」——多数 GenAI 系统不保留反馈、不适应上下文、不随时间改进。

方法与局限（报告自述）： 研究期 2025 年 1–6 月；方法为 300 多个公开披露的 AI 项目的系统性回顾、52 场结构化访谈、在四个行业大会上收集的 153 份高管问卷。报告封面标注为「Preliminary Findings」，作者在方法论章节自陈样本可能不代表所有企业细分和地理区域、参与意愿本身可能造成选择偏差、各组织成功指标差异大导致难以直接比较。

争议： 这份报告不是同行评议成果，95% 这个数字受到了方法论质疑。批评的核心是访谈产生的是叙述性数据而非测量数据，分析单元是高管对「这个试点管不管用」的判断，而不是试点的实际财务表现。有评论者主张要么公开完整支撑数据、要么撤回。截至 2026 年 9 月未见撤回。代表性批评见 Futuriom, 2025-08。

对 FDE 的含义： 这是目前 FDE 商业论证被引用最多的一份材料，也是最需要小心引用的一份。它对 FDE 的支持很直接——67% vs 33% 这个差距，加上「像 BPO 客户而不是 SaaS 客户那样采购」和「深度定制 + 一线驱动 + 业务指标问责」这三条成功特征，几乎就是 FDE 交付模式的定义。同时，中型公司 90 天、大企业九个月的对比，也是 FDE 谈交付节奏时的现成参照。但引用时必须同时说清三件事：口径是主观判断而非财务核算，样本是 153 份问卷加 52 场访谈，报告自己标注为初步发现。把 95% 当成经过验证的行业事实来讲，会在懂行的听众面前失分。这份报告在 essential-reading.md 第 22 条另有一条阅读向的索引，两处口径以本条为准。相关失败模式分析见 ../05-practice/anti-patterns.md。

McKinsey《The State of AI: Global Survey 2026》 ​

机构：McKinsey QuantumBlack。日期：2026 年 8 月。链接：mckinsey.com。媒体解读见 The Register, 2026-08-25、FM Magazine, 2026-09。

核心数字与口径： 样本为全球各行业 1,719 名专业人士与企业领导者（据 The Register 报道）。

  • 认为 AI 已对组织 EBIT 产生影响的受访者占 37%，与一年前持平。
  • 「AI 高绩效者」（把至少 5% 的 EBIT 归因于 AI，且认为影响「显著」）约占全部受访者的 6%，同样持平。
  • 年收入 10 亿美元以上组织中，40% 报告已在规模化 AI agent，上一年为 27%（据 The Register 报道）。另有约 62% 的受访者称其组织至少在试验 AI agent——注意「试验」与「规模化」是两个口径，不要混用。
  • 近三分之一（约 32%）的受访者报告其组织因为可以用 agentic coding 工具自建，而放弃采购某些软件产品或功能。
  • 八成受访者称 AI 提高了自己的生产力。

本条部分数字来自 The Register 与 FM Magazine 对该报告的转述，未逐条在 McKinsey 原页面核实（该页在本次核实中请求超时）。

对 FDE 的含义： 「个人生产力八成说有提升，组织 EBIT 只有 37% 说有贡献，高绩效者仅 6%」这组对比，是 FDE 提案时最有说服力的开场——它把问题从「AI 行不行」转到「怎么让个人收益转成组织收益」，而后者正是 FDE 的职责范围。另外那个 32% 值得单独注意：agentic coding 工具正在替代一部分软件采购，这既是 FDE 交付定制系统的成本优势来源，也意味着「买现成 SaaS」这个选项在客户那里的吸引力在下降。注意这是自我报告的高管调研，且 McKinsey 有咨询业务立场。

BCG《AI at Work 2025》与《AI Radar 2026》 ​

机构：Boston Consulting Group。

《AI at Work 2025》，2025 年 6 月 26 日，报告页、新闻稿。样本覆盖 11 个国家和地区、10,600 多名领导者、管理者和一线白领。核心数字：四分之三以上的领导者和管理者每周多次使用生成式 AI，而一线员工只有 51% 经常使用，报告称之为「硅顶」（silicon ceiling）；在有强力领导支持的情况下，对 GenAI 持正面态度的员工比例从 15% 升到 55%，但只有约四分之一的一线员工报告得到过这种支持；约三分之一的员工接受过像样的 AI 培训；约一半的公司正在从基础的生产力部署走向端到端重塑工作流。报告的主论点是真正的价值被少数「不止部署工具、而是彻底重设计工作流」的公司拿走。（另有二手来源引用「72% 常用」及印度 92%、中东 87% 的国别数字，未在该报告页核实到，本页不采用。）

《AI Radar 2026》，2026 年 1 月 15 日，报告页、PDF。第三年度调研，样本 16 个市场的 2,360 名高管，其中 640 名 CEO。核心数字：企业 AI 支出占收入比例从 2025 年的约 0.8% 升到 2026 年的约 1.7%；报告称「几乎所有 CEO」都相信 AI agent 能在 2026 年产生可测回报；94% 的组织表示即使 AI 在 2026 年没有带来回报也会继续投入；82% 的 CEO 对 AI 的投资回报比去年更乐观；72% 的 CEO 认为自己是本组织 AI 战略的主要决策者。

对 FDE 的含义： 「一线员工只有 51% 在用、只有四分之一得到领导支持」这组硅顶数字，和「领导支持能把正面态度从 15% 拉到 55%」放在一起，是 FDE 做采纳设计的直接依据——干系人管理不是软技能，是效应量最大的杠杆之一（方法见 ../05-practice/stakeholders-and-data-access.md，上线采纳见 ../04-methodology/deployment-and-adoption.md）。AI Radar 的 94% 则说明市场短期内不会因为个别项目失败而萎缩，预算窗口仍然开着；但反过来看，几乎所有 CEO 都期待 2026 年就看到可测 ROI，意味着 2026 到 2027 年会是一次集中的兑现检验。

Deloitte 企业 AI 系列报告 ​

机构：Deloitte AI Institute。《State of Generative AI in the Enterprise》季度系列的第四期，样本为 2024 年 7–9 月调研的 2,773 名 AI 相关业务与技术领导者，覆盖 14 个国家、6 个行业，新闻稿。核心数字：26% 的组织在较大程度上探索自主 agent 开发。

后续的《State of AI in the Enterprise 2026》，全球页、美国新闻稿，以及配套的《Business and IT leaders report AI agents are scaling faster than their guardrails》（2026 年 4 月 24 日），链接。样本为来自美洲、亚太、欧洲和中东 24 个国家的 3,235 名 IT 与业务领导者。核心数字：到 2027 年，74% 的受访者预计其公司将至少「中等程度」使用 AI agent，其中 23% 预计「广泛」部署、5% 预计将其整合为核心业务组成部分；只有 21% 的受访者称已有成熟的 agentic AI 治理模型，即约 80% 的组织尚不具备清晰的决策边界、实时监控和审计轨迹。

对 FDE 的含义： 「agent 扩张速度快过护栏」是 FDE 在 2026 年最容易切入的具体缺口，而且 Deloitte 把缺什么写得很具体——清晰的决策边界、实时监控、审计轨迹，约 80% 的组织三样都没有。治理、审计、失败降级、权限边界这些工作，客户普遍知道要做但没人做，而这些恰好需要同时懂业务流程和系统实现的人——参见 ../05-practice/security-procurement-legal.md。

Gartner 关于 agentic AI 项目取消率的预测 ​

机构：Gartner。日期：2025 年 6 月 25 日。链接：Gartner 新闻稿。

核心数字与口径： 预测超过 40% 的 agentic AI 项目将在 2027 年底前被取消，原因是成本攀升、业务价值不清晰、风险控制不足。Gartner 高级总监分析师 Anushree Verma 表示，目前多数 agentic AI 项目是「早期实验或概念验证，多由炒作驱动，且常被误用」。同期引用的 2025 年 1 月 Gartner 网络研讨会投票（3,412 名参会者）显示：19% 称组织已在 agentic AI 上做了重大投入，42% 为保守投入，8% 没有投入，31% 观望或不确定。

该新闻稿页面对自动化抓取返回 403，上述数字来自搜索引擎对该页的摘要，未逐字比对原页面，引用前建议手动打开链接确认。

对 FDE 的含义： 注意这是预测而非观测，且投票样本是「参加 Gartner AI 网络研讨会的人」，代表性有限。真正有用的是那三个取消原因——成本、价值不清、风险控制——没有一个是模型能力问题，全都是管理与治理问题。这既是 FDE 的市场论证，也是一份现成的项目自检清单：如果你的项目在这三条上说不清楚，它就在那 40% 里。

二、市场规模与资金流向 ​

Menlo Ventures《2025: The State of Generative AI in the Enterprise》 ​

机构：Menlo Ventures（风险投资机构，投资了 Anthropic，引用时应知悉其立场）。日期：2025 年 12 月 9 日。链接：报告页、PDF、新闻稿。

核心数字与口径： 企业 AI 支出从 2023 年约 17 亿美元增长到 2025 年近 370 亿美元；基础设施层占 180 亿美元，其中基础模型 API 为 125 亿美元；企业 LLM API 市场份额上，Anthropic 约 40%（一年内翻三倍），OpenAI 降至 27%，Google 为 21%；编码是一个约 40 亿美元的品类。

对 FDE 的含义： 这份报告最有价值的是支出结构——大头在基础设施与模型 API，而应用与交付层的钱分布更散。对想做 AI 交付生意的人（见 ../08-career/solo-and-freelance.md），这说明「卖模型能力」的通道已经被三家占住，可竞争的空间在把模型接进具体业务流程这一层。注意这是 VC 自行估算的市场规模，方法未公开到可复核的程度。

a16z《How 100 Enterprise CIOs Are Building and Buying Gen AI》 ​

机构：Andreessen Horowitz。日期：2025 年 6 月 10 日。链接：a16z.com/ai-enterprise-2025/。样本：25 位以上企业采购方的访谈，加上 15 个行业 100 名 CIO 的问卷。

核心数字与口径： 企业领导者预计未来一年 AI 支出平均增长约 75%；创新预算在 LLM 支出中的占比从上一年的 25% 降到 7%，即 AI 支出从「创新试验」转为核心 IT 与业务部门的常规预算科目；37% 的受访者在生产环境中使用五个或以上模型，上一年为 29%。（另有二手来源引用「企业 LLM 支出从 450 万升至 700 万美元、2026 年底达 1,160 万美元」以及「81% 编排三个以上模型家族」，未在该页核实到，本页不采用。）

对 FDE 的含义： 「创新预算占比从 25% 掉到 7%」是这份报告最值得记住的一句——它意味着 FDE 现在面对的不是创新部门的实验预算，而是要跟现有 IT 项目抢常规预算，评审标准会严得多。多模型并用比例的上升则说明模型选型与编排能力（见 ../06-toolbox/models-2026.md）是 FDE 的必备项而非加分项。样本只有 100 名 CIO，且来自 VC 的关系网络，代表性有限。

Bain 全球技术报告 ​

机构：Bain & Company。第六期全球技术报告，2025 年 9 月 23 日，新闻稿、系列页、2025 年报告 PDF。

核心数字与口径： 到 2030 年，满足预期 AI 需求所需的算力，每年需要 2 万亿美元的新增收入来支撑；即使企业把 AI 应用带来的 IT 节省全部转投资本开支，全球仍有约 8,000 亿美元缺口。报告同时估计到 2030 年全球增量 AI 算力需求可达 200 吉瓦，美国约占一半。在受访的 280 名北美与欧洲高管中，四分之三预计至少 5%–10% 的技术支出投向 AI/ML；零售、机构银行和油气行业中有相当比例的受访者表示超过 20% 的技术预算投向 AI。Bain 另有一份关于技术服务商的调研，指出客户要的是 AI、数据、云与安全的整合能力，新闻稿。

对 FDE 的含义： 「客户要的是整合而不是单点工具」是技术服务市场的结构性判断，正好对应 FDE 相对于纯模型厂商和纯 SaaS 的位置。2 万亿美元缺口那个数字则是宏观风险提示——如果算力投资的回报兑现不了，2027 年之后的预算环境会明显收紧。

三、能力与行业全景 ​

Stanford HAI《2026 AI Index Report》 ​

机构：Stanford Institute for Human-Centered AI（HAI）。日期：2026 年 4 月。链接：hai.stanford.edu/ai-index/2026-ai-index-report。

核心数字与口径（以下为报告官方页面所列）： 组织采纳率达到 88%；SWE-bench Verified 上的成绩在一年内从 60% 升到接近 100%；2025 年美国私人 AI 投资 2,859 亿美元，中国为 124 亿美元；2025 年超过 90% 的前沿模型来自产业界；生成式 AI 在三年内触达全球 53% 的人口；美中模型能力差距基本闭合，排名第一的 Anthropic 模型仅领先 2.7%；美国有 5,427 个 AI 数据中心，是任何其他国家的十倍以上；有记录的 AI 事故升至 362 起，2024 年为 233 起。报告的主线是能力加速与治理滞后之间的张力。（另有二手来源引用「全球企业 AI 投资 5,817 亿美元、同比增长 130%」，未在官方页面核实到，本页不采用。）

对 FDE 的含义： 「SWE-bench Verified 一年内从 60% 到接近 100%」这一条对 FDE 有双重意义。一方面，编码类基准的头部空间已经用尽，选模型时看这个榜单的边际价值趋近于零，必须靠自己的领域 Eval（方法见 academic-research.md 第五节）。另一方面，它说明模型能力不再是多数企业项目的瓶颈——这直接支持了「瓶颈在落地」这个 FDE 的核心论点。AI Index 是本页少数由学术机构编纂、方法公开、逐年可比的材料，可信度相对高。

Anthropic Economic Index ​

机构：Anthropic。系列页：anthropic.com/research/team/economics。2026 年各期：1 月「Economic primitives」、3 月「Learning curves」、6 月「Cadences」。

核心数字与口径： 该指数基于 Claude 的真实使用数据追踪生成式 AI 进入经济的路径。2026 年的报告引入「经济原语」（economic primitives）——衡量任务复杂度、自主性、成功率等特征的指标。已披露的发现包括：API 平台上客服类工作流的自动化程度明显上升，商业销售和自动交易类 API 工作流在 2025 年 11 月至 2026 年 2 月之间翻倍；对 8.1 万名 Claude 用户的访谈（2025 年 12 月）显示受访者报告了较大的生产力提升，同时表达了对岗位被替代的担忧；编码任务持续从 Claude.ai 上的辅助型使用迁移到 API 上更自动化的工作流。

对 FDE 的含义： 「从辅助型使用迁移到自动化工作流」这条趋势线是 FDE 岗位需求的先行指标——它意味着企业正在从「员工用 AI 帮忙」走向「把流程交给系统」，而后者必须有人做设计、Eval 和治理。局限很明确：这是单一厂商的自家流量数据，只反映 Claude 用户的行为，不能代表整个市场，且第三方无法复核。

OpenAI 相关经济类材料 ​

需要区分两类。《How People Use ChatGPT》 是与 NBER 联合发表的使用研究，学术性较强，详见 academic-research.md 第一节，链接 NBER WP 34255。《OpenAI's Economic Blueprint》 系列则是政策倡议文件而非使用数据研究，包括美国版、欧盟版、日本版、韩国版，主张的是产业政策，不含可用于落地判断的调研数据。引用时不要把后者当成经济指数报告。

四、Palantir 财报中与 FDE 模式相关的披露 ​

Palantir 是 FDE 模式的源头（脉络见 ../01-lineage/README.md），它的公开财报是唯一能用审计过的数字检验「FDE 模式经济性」的材料。

来源：Palantir Technologies Inc. FY2025 Form 10-K，投资者关系页 PDF，SEC EDGAR 版本 pltr-20251231。

FY2025 关键数字（均引自该 10-K）：

项目FY2025FY2024
收入45 亿美元（同比 +56%）29 亿美元
毛利37 亿美元23 亿美元
毛利率82%（剔除股权激励为 84%）80%（剔除股权激励为 83%）
营业利润14 亿美元3.104 亿美元
全职员工（截至 12 月 31 日）4,429 人—

关于成本结构的原文披露： 「Cost of revenue primarily includes salaries, stock-based compensation expense, and benefits for personnel involved in performing O&M and professional services, as well as subcontractor expenses, field-service representatives, third-party cloud hosting services, hardware costs, and other direct costs.」专业服务被定义为「支持客户使用软件，按需包括随需支持、用户界面配置、培训，以及持续的 ontology 与数据建模支持」。

在解释「贡献毛利」这一非 GAAP 指标时，10-K 写道：「Our software engineers working with existing customers often manage the deployment and operation of our platforms as well as identify new ways that those platforms can be used.」——这是财报中最接近描述 FDE 工作内容的一句，但没有使用这个岗位名称。

一个值得注意的核实结果： 在 Palantir 的 FY2025 10-K 全文中，「forward deployed」一词出现 0 次（本页作者对该 PDF 全文检索的结果）。相比之下，2020 年 IPO 的 S-1 招股书中确实出现过这一表述，在讨论客户扩大部署的影响因素时提到「the ability of our forward-deployed engineers to assist our customers in identifying new use cases, modernizing their data architectures, and achieving success with data-driven initiatives」，S-1/A 全文。Palantir 官方招聘页至今仍在使用 Forward Deployed Software Engineer 和 Forward Deployed AI Engineer 这两个职位名称，见 jobs.lever.co/palantir。

对 FDE 的含义： 三点。第一，82% 的毛利率直接反驳了「重服务模式必然低毛利」这个常见假设——把交付人力算进 cost of revenue 之后，Palantir 的毛利率仍在优质 SaaS 区间。第二，45 亿美元收入对 4,429 名全职员工，人均创收约 100 万美元，这是 FDE 模式在规模化后的人效参照点。第三，也是最重要的：财报里没有 FDE 这个词。这说明「FDE」是对外沟通和招聘用的品牌化岗位名称，而在财务口径里它被拆进了 O&M、专业服务和软件工程三处。对想在自己公司里论证 FDE 编制的人，这个观察很实用——不要指望财务部门接受一个新岗位类别，要用现有科目说话。

五、中文机构与行业报告 ​

中文机构报告的公开程度普遍低于英文材料——多数完整报告在登录墙或付费墙后，官网常对自动抓取返回 403/412。本节只收录本次能够打开并逐条核对的材料，核对不到的一律标注清楚。

腾讯研究院《前线共创，双向赋能：FDE 模式行业观察与实践》 ​

机构：腾讯研究院。发布日期：2026 年 8 月 5 日。一手链接：cloud.tencent.com/developer/article/2721424（腾讯云开发者社区全文首发）。

这是截至 2026 年 9 月本 Wiki 找到的、唯一一份由中国头部机构专门以 FDE 为主题发布的系统性行业报告。 本页此前版本曾判断「中国没有 FDE 专题机构报告」，该判断错误，现予更正。

已核实的核心数字（本次直接打开原文核对）：

  • 「超过 60% 的企业 AI 试点仍然停在实验阶段」——报告的核心论点是瓶颈在于组织能否把 AI 接进系统、嵌入流程，而不是模型能力。
  • 美国 Indeed 平台上 FDE 职位从 643 条增至 5,330 条，「涨幅超过 700%」。

报告中其他被转述的内容【待核实】： 有转述称该报告还包含 LinkedIn 上 2023–2025 年全球 FDE 招聘增长 42 倍、字节跳动与蚂蚁集团的 FDE 薪资区间、上海市 2026 年 1 月将「培育前沿部署工程师队伍」写入产业政策文件，以及 Echo/Delta/FDPM 角色分层模型和腾讯云 CodeBuddy/WorkBuddy 团队的实践案例。这些内容在本次核对中未能在原文里定位到（该文篇幅约 80 页，抓取可能不完整），引用前请自行打开原文确认。上海市政策那一条尤其需要回到上海市政府公告原文核实，不能只凭这份报告转述。

对 FDE 的含义（本库推论）： 这份报告的存在本身就是一个信号——FDE 从从业者话题进入了中国头部机构的正式议程。对中文读者，它是目前最值得先读的一份中文材料。但要注意腾讯研究院是腾讯集团的智库，报告中以腾讯云自家团队为实践案例，立场需纳入考量。中国岗位实况见 ../08-career/job-market-and-jds.md，角色分层的英文一手说法见 ../03-role/role-variants.md，中国现场的特殊约束见 ../05-practice/china-specifics.md。

中国信息通信研究院《人工智能赋能中小企业高质量发展研究报告（2025 年）》 ​

机构：中国信息通信研究院（信通院）。出版时间：2026 年 3 月（网站发布于 2026-03-20）。链接：报告页、PDF 直链。文号 No.202521。

样本与方法（报告脚注原文）： 2025 年对全国 6,000 余家中小企业集中开展 AI 应用情况问卷调查，受访企业遍布 33 个省级行政区，覆盖 17 个国民经济行业大类。营收分布：0–2 亿元占 54.0%，2–4 亿元 22.9%，4–6 亿元 9.6%，6–8 亿元 4.4%，8 亿元以上 9.1%。行业分布上约 86.09% 属制造业。

核心数字（以下均为该 PDF 正文原文，本次已逐条核对）：

  • 50.23% 的受访企业在生产经营中已经应用了人工智能技术；另有 26.76% 表示当前尚未应用但两年内有采用计划。
  • 按成立年限：成立 5–10 年的企业 AI 采用率最高，达 53.50%；成立 0–5 年的初创期企业「未来两年内有采用计划」的占比最突出，达 28.66%。
  • 按营收规模：采用率与年均营业收入基本正相关，8 亿元及以上企业最高约 55.44%，0–2 亿元企业最低为 47.13%。
  • 资金投入：近四成（38.27%）受访企业在 AI 应用上的资金投入未超过 100 万元。投入强度两极分化——1,384 家为低强度（0%–0.4%），888 家为高强度（1.6% 及以上），两端均显著多于中等强度（0.4%–1.6%）。成立 0–5 年和 5–10 年的企业投入强度最高，分别为 2.26% 和 2.20%。
  • 报告对整体阶段的定性判断是「中小企业应用处于规模化初始阶段」，特征为「预期普遍乐观，实际投入较为谨慎」。

对 FDE 的含义（本库推论）： 这是本页少数样本量大、方法披露清晰、可直接下载核对的中文数据源，也是目前论证中国中小企业 AI 落地状况最扎实的一手材料。「近四成企业总投入不到 100 万元」这个数字对做交付生意的人尤其关键——它直接框定了中国中小企业市场的客单价上限，也解释了为什么按人天计费的重服务模式在这个客群里跑不通。注意样本中 86% 是制造业，不能外推到金融、互联网等行业。

信通院另有《人工智能产业发展研究报告（2025 年）》（2026 年 1 月，链接），为宏观综述，官网摘要与目录中未见可直接引用的企业落地率或渗透率百分比。

艾瑞咨询 2026 年企业级 AI Agent 报告 ​

机构：艾瑞咨询。发布日期：2026 年 7 月 31 日。链接：report.iresearch.cn/report/202607/4848.shtml。篇幅 72 页、39 张图表。

可确认的部分： 该报告确实存在，报告编号 4848，日期与篇幅如上，且第二章的 Forecast 部分设有专门讨论 FDE 的条目与配图。

【待核实】： 报告全文在登录墙后。本次两次独立读取该页面得到的报告标题与 Forecast 05 条目措辞不一致（一次读到《中国企业级 AI Agent 发展洞察报告（2026）》与「面向智能增长的 FDE」，另一次读到《中国商业级 AI Agent 发展现状与前景展望（2026）》与「数据、隐私、权限 FDE」），说明该页对自动读取不稳定。在能登录核对之前，本页不给出该报告的确切标题、章节措辞和任何市场规模数字。

阿里云企业 AI 落地相关白皮书 ​

以下均为阿里云官网 aliyun.com/reports 页面确认的标题、日期与出品方，本次未提取 PDF 正文数字，引用具体百分比前需自行下载核对。

标题时间出品方链接
《2025–2026 企业 AI 转型纪实报告：企业智变下的 CIO 集体之问》2026 年 4 月阿里云智能集团 CIO 线、阿里云研究院aliyun.com/reports/2026-ai-CIO
《AI 云采用框架白皮书》2025 年 12 月阿里云智能集团公共云事业部等aliyun.com/reports/2025-ai-caf
《AI 超级公司白皮书》2025 年 9 月阿里云研究院aliyun.com/reports/2025-ai-supercompany
《AI 原生应用架构白皮书》2025 年 9 月阿里云智能集团多部门联合aliyun.com/reports/2025-ai-architecture

其中《2025–2026 企业 AI 转型纪实报告》以十大行业 50 余家头部企业 CIO 的真实问答组织，主题直接落在落地难与交付难上，与 FDE 关系最近。

本次未找到一手来源的项目 ​

按本 Wiki 的来源规则，以下内容不写入正文数字，如实记录检索结果。

  • IDC 中国关于 AI 大模型 / AI Agent 整体市场规模的官方免费数字：未找到。IDC 中国官网相关追踪报告为付费订阅，公开页面无可引用的规模数字。检索中出现的「2025 年中国企业级智能客服市场规模 71.9 亿元、同比增长 55.3%」为公众号转述，未找到 IDC 官方原文链接，且口径仅为智能客服细分市场，本页不采用。
  • 华为云 2025–2026 年企业 AI 落地 / 交付专题白皮书：未找到。huaweicloud.com 白皮书页面在本次检索中返回 404。
  • 量子位智库、机器之心 Pro 的企业 AI 落地综合调研报告：未找到可核实的对应报告。检索到的量子位材料均为 AI 眼镜、AI+游戏等细分领域报告。
  • 甲子光年智库《2026 企业级智能体白皮书》：确认存在该标题，但检索到的转载文章实为厂商软文，文中「60% 的服务商认为工作流集成是最大难点」「82% 的 IT 决策者将集成列为首要挑战」等数字实际援引自英国风投机构 MMC Ventures 的全球调研而非中国数据，两者被混用。本页不采用这些数字。
  • 《2025 中国企业级 AI 实践调研分析年度报告》（CIO 时代、新基建创新研究院联合红帽发布，样本 350 余家企业 CIO/IT 决策者，据称 59.15% 的受访企业把「AI 应用场景与业务结合能力」列为人才缺口首位）：仅通过美通社新闻稿 链接 确认，未找到独立报告原文，数字属新闻稿转述，引用须标注。
  • 「中国 AI 人才缺口 500 万」：检索显示该说法最早可追溯到 2017 年末的媒体报道，原文表述为「数据显示，我国人工智能相关人才缺口超过 500 万」，其后没有标注任何具体机构、报告名称或统计年份。此后被大量自媒体反复引用，但未能追溯到工信部、信通院或人社部的原始报告与统计口径。结论：这是一个流传近十年、缺乏可验证一手出处的媒体数字，本 Wiki 不作为数据收录。 如在他处见到，请要求对方给出原始出处。
  • 《2026 全球 FDE 发展研究报告》《AI-FDE 能力素养与评价体系白皮书》 等标题：检索中出现，但未能核实发布机构与一手链接，真实性存疑，本页不收录，仅记录为后续可深挖的线索。

六、按角色的报告精选 ​

跨本页与 academic-research.md 的完整十篇精选见该页第九节。这里只给行业报告部分的最短路径。

  • 要做提案的人：McKinsey State of AI 2026（37% EBIT 贡献率 + 6% 高绩效者）→ MIT NANDA（67% vs 33%）→ BCG AI Radar 2026（预算翻倍）。三份就够撑起一次高管对话。
  • 要判断入行的人：Stanford AI Index 2026（行业全景）→ Palantir FY2025 10-K（模式经济性）→ Menlo Ventures 2025（钱在哪一层）。
  • 要做交付生意的人：MIT NANDA（市场论证）→ Gartner 40% 预测（三个失败原因就是你的差异化）→ a16z 100 CIO（预算科目已从创新转常规，评审会更严）。
  • 要在企业内部推动的人：McKinsey 2026 → Deloitte 2026（agent 扩张快过护栏）→ BCG AI at Work 2025（一线只有一半在用，领导支持是最大杠杆）。
  • 只读中文的人：腾讯研究院 FDE 报告（2026-08，唯一一份中文 FDE 专题）→ 信通院中小企业报告（2026-03，样本 6,000 余家，可下载核对）→ 阿里云《2025–2026 企业 AI 转型纪实报告》（50 余家头部企业 CIO 的落地难问答）。

缺口与待补 ​

  • 以 FDE 岗位为研究对象的机构报告，目前只找到腾讯研究院 2026 年 8 月那一份（中文），英文世界尚未找到对应的机构报告。FDE 市场规模与薪酬的说法仍普遍缺乏机构背书。
  • 腾讯研究院报告中关于 LinkedIn 招聘增长倍数、国内厂商 FDE 薪资区间、上海市产业政策的三项内容未能在本次核对中定位到原文，见第五节的【待核实】标注。上海市政策一条若要引用，须回到上海市政府公告原文。
  • 艾瑞咨询 2026 年企业级 AI Agent 报告在登录墙后，标题与章节措辞两次读取结果不一致，需登录后人工核对。
  • 阿里云四份白皮书只核实了标题、日期与出品方，未提取正文数字。
  • IDC 中国、华为云、量子位智库、机器之心 Pro 相关报告本次均未找到可核实的一手来源，见第五节。
  • 薪酬类数据（如各类 FDE 薪酬报告）本页未收录，因为多数由招聘平台或课程提供方发布，样本与方法不透明。相关内容见 ../03-role/compensation-and-market.md 与 ../08-career/job-market-and-jds.md，引用时同样需注明来源性质。
  • 本页几乎所有材料都不是同行评议成果，且多数发布方有商业立场，已在各条目中标注。

延伸阅读 ​

来源 ​

按正文引用顺序。

  1. MIT Project NANDA (Challapally, A., Pease, C., Raskar, R., & Chari, P.). The GenAI Divide: State of AI in Business 2025, 2025-07. PDF 镜像 https://cloudelligent.com/wp-content/uploads/2026/02/v0.1_State_of_AI_in_Business_2025_Report.pdf ；摘要 https://www.aigl.blog/state-of-ai-in-business-2025/
  2. Fortune. "MIT report: 95% of generative AI pilots at companies are failing." 2025-08-18. https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/
  3. Futuriom. "Why We Don't Believe MIT NANDA's Weird AI Study." 2025-08. https://www.futuriom.com/articles/news/why-we-dont-believe-mit-nandas-werid-ai-study/2025/08
  4. McKinsey QuantumBlack. The State of AI: Global Survey 2026, 2026-08. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
  5. The Register. "McKinsey says enterprise AI is finally 'on the road to ROI'." 2026-08-25. https://www.theregister.com/ai-and-ml/2026/08/25/mckinsey-says-enterprise-ai-is-finally-on-the-road-to-roi/5292388
  6. BCG. AI at Work 2025: Momentum Builds, but Gaps Remain, 2025-06-26. https://www.bcg.com/publications/2025/ai-at-work-momentum-builds-but-gaps-remain ；新闻稿 https://www.bcg.com/press/26june2025-beyond-ai-adoption-full-potential
  7. BCG. AI Radar 2026: As AI Investments Surge, CEOs Take the Lead, 2026-01-15. https://www.bcg.com/publications/2026/as-ai-investments-surge-ceos-take-the-lead ；PDF https://web-assets.bcg.com/73/8e/cc44cbc14a3b81695f8a3de28ff1/ai-radar-2026-web-jan-2026-edit.pdf
  8. Deloitte AI Institute. State of Generative AI in the Enterprise（第四期，调研期 2024-07 至 2024-09）. https://www.deloitte.com/us/en/about/press-room/state-of-generative-ai.html
  9. Deloitte. State of AI in the Enterprise 2026. https://www.deloitte.com/uk/en/issues/generative-ai/state-of-ai-in-enterprise.html ；https://www.deloitte.com/us/en/about/press-room/state-of-ai-report-2026.html ；"Business and IT leaders report AI agents are scaling faster than their guardrails," 2026-04-24. https://www.deloitte.com/us/en/insights/topics/emerging-technologies/ai-agents-scaling-faster.html
  10. Gartner. "Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027." 2025-06-25. https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
  11. Menlo Ventures. 2025: The State of Generative AI in the Enterprise, 2025-12-09. https://menlovc.com/perspective/2025-the-state-of-generative-ai-in-the-enterprise/ ；PDF https://menlovc.com/wp-content/uploads/2025/12/menlo_ventures_enterprise_ai_report-2025-123125.pdf
  12. Andreessen Horowitz. How 100 Enterprise CIOs Are Building and Buying Gen AI in 2025, 2025-06-10. https://a16z.com/ai-enterprise-2025/
  13. Bain & Company. 第六期全球技术报告新闻稿，2025-09-23. https://www.bain.com/about/media-center/press-releases/20252/$2-trillion-in-new-revenue-needed-to-fund-ais-scaling-trend---bain--companys-6th-annual-global-technology-report/ ；系列页 https://www.bain.com/insights/topics/technology-report/
  14. Stanford HAI. The 2026 AI Index Report, 2026-04. https://hai.stanford.edu/ai-index/2026-ai-index-report
  15. Anthropic. Anthropic Economic Index 系列. https://www.anthropic.com/research/team/economics ；2026-01 https://www.anthropic.com/research/anthropic-economic-index-january-2026-report ；2026-03 https://www.anthropic.com/research/economic-index-march-2026-report ；2026-06 https://www.anthropic.com/research/economic-index-june-2026-report
  16. Chatterji, A. 等. "How People Use ChatGPT." NBER WP 34255, 2025. https://www.nber.org/papers/w34255
  17. OpenAI. OpenAI's Economic Blueprint 系列. https://openai.com/global-affairs/openais-economic-blueprint/
  18. Palantir Technologies Inc. Form 10-K for fiscal year 2025. https://investors.palantir.com/files/2025 FY PLTR 10-K.pdf ；SEC EDGAR https://www.sec.gov/Archives/edgar/data/1321655/000132165526000011/pltr-20251231.htm
  19. Palantir Technologies Inc. Form S-1/A, 2020. https://www.sec.gov/Archives/edgar/data/1321655/000119312520248369/d904406ds1a.htm
  20. Palantir 招聘页（Forward Deployed Software Engineer / Forward Deployed AI Engineer）. https://jobs.lever.co/palantir/dab396d4-2f14-4796-aac0-0d82883dccf0
  21. 腾讯研究院. 《前线共创，双向赋能：FDE 模式行业观察与实践》, 2026-08-05. https://cloud.tencent.com/developer/article/2721424
  22. 中国信息通信研究院. 《人工智能赋能中小企业高质量发展研究报告（2025 年）》, 2026-03. https://www.caict.ac.cn/kxyj/qwfb/bps/202603/t20260320_716896.htm ；PDF https://www.caict.ac.cn/kxyj/qwfb/bps/202603/P020260320385520043208.pdf
  23. 中国信息通信研究院. 《人工智能产业发展研究报告（2025 年）》, 2026-01. https://www.caict.ac.cn/kxyj/qwfb/bps/202602/t20260202_712679.htm
  24. 艾瑞咨询. 企业级 AI Agent 报告（编号 4848）, 2026-07-31. https://report.iresearch.cn/report/202607/4848.shtml
  25. 阿里云报告库. https://www.aliyun.com/reports
  26. 美通社. CIO 时代、新基建创新研究院联合红帽《2025 中国企业级 AI 实践调研分析年度报告》新闻稿, 2025-11-17. https://www.prnasia.com/lightnews/lightnews-1-67-91497.shtml

内容采用 CC BY 4.0 许可，商用请注明出处。欢迎 投稿与纠错。

© 2026 FDE Wiki · 维护者任鑫（公众号「AI 炼金术」）