编者按

作为国内人工智能（AI）发展的核心城市之一，近年来，上海在AI技术研发、产业布局和场景应用上持续探索和发力，目标是建成具有国际竞争力的人工智能创新高地。最新数据显示，2025年，上海人工智能产业规模预计超5500亿元，增速超30%。

今天起，本报推出“AI上海之探”系列报道，聚焦近期上海在人工智能领域的新思考、新探索、新实践，看看这座城市如何在AI赛道上努力跑出加速度。

温度31.331℃，风量40080立方米/小时，溶氧量26.625%……上海交通大学人工智能与微结构实验室里，助理教授打开笔记本电脑上的AI工业自控系统，各种参数随生产曲线的抑扬起落而实时变化，实线表示已完成的几十小时，虚线是将要进行的几十小时……

运筹帷幄，决胜千里。这位“AI工程师”管控的实际生产线，是远在新疆的上市公司500吨级发酵罐。它们每个都高达四五层楼，是全球最大的抗生素中间体发酵罐。工厂被AI全面接管后，一个月产量提升了3到5个百分点。

从医药生产到食品加工，从化工制造到能源开发……近年来，一种解决AI“最后一公里”问题的FDE（前沿部署工程师）模式悄然兴起，上海交通大学集成电路学院人工智能与微结构实验室便是国内首个系统性执行FDE理念的团队。实验室主任李金金透露，从2024年至今，他们以不到百人规模，帮助全国数百条工业产线依靠AI实现效率提升。

上海正全力将这一模式铺开。不久前，本市首期FDE专题培训班在上海创智学院开班，计划今年培养200名产业“破壁人”。未来，还将以他们为纽带，链接百家企业、打造千个智能体、带动万名开发者转型。

AI商业化需要“跨界翻译官”

如今的市场，异质性加剧，靠一条流水线包打天下的时代已经过去，谁来补齐AI技术与产业需求之间的短板？

一位来自中国银联金融科技研究院的学员说出了他在实践中的困惑：大模型没有明确的投资回报率标准，数据飞轮又需要持续迭代，谁来判定大模型部署成功与否？

2024年，数据分析公司帕兰蒂尔（Palantir）推出采用FDE模式的“AI训练营”，当年商业客户数量就增长到155家，较两年前增加7倍。截至2025年9月，帕兰蒂尔商业客户已达485家，盈利超10亿美元。其做法是，先构建一个模型展示给潜在客户，收集反馈，然后改进，不断重复这个过程直到产品能解决客户问题。

上海创智学院党委书记、常务副院长丁晓东说，FDE模式早已出现，但在AI时代全面爆发，因为它给应用场景带来实实在在的价值。AI的商业化落地需要“跨界翻译官”，他们要能够主动将抽象的算法模型转化为工程师可操作、产业可验证的具体方案。

FDE的兴起是全球性的。Indeed招聘平台的数据显示，2025年，FDE岗位的月度招聘量同比激增800%。OpenAI计划将全球FDE团队规模从2人扩展至50人，Anthropic也要将包括FDE在内的应用AI团队规模扩大5倍。在国内，阶跃星辰副总裁李璟直言，懂AI产品的项目经理非常紧缺，业内都在高薪挖人。

模块化部署让定制变得高效

按需定制意味着高价，哪些场景适配？谁来埋单？李金金团队探索出一条模块化定制之路。

不久前，李金金受邀走访河南郑州的一家养猪场，对方希望接入一套AI监测系统，以便在猪生病的第一时间就能发出预警。她粗略估算后发现，这与此前一家钢厂向她提出的残次品钢材检测需求有90%的相似度。

2024年开始，李金金团队开始将AI算法封装成一个个模块，比如，AI监测系统可以拆分成三四十个模块，包括数据自动做标签模块、图像批量处理模块、传感器信号接收模块、将波形图转化为序列数据模块等。这些模块要比智能体小，单独个体不能解决问题，组合起来就能高效部署到任何一个工业场景中。

每深入一个场景，他们就开发一些模块，截至目前，已构建了一套由127个模块组成的系统，涵盖200多篇论文对应的算法。“最近去了好几个工业场景，都无需开发新模块。”李金金说。由此，他们将定制化变成竞争优势。

需要FDE的往往是复杂的高价值场景，许多时候无法一次性“交钥匙”，必须动态调整。在川宁生物项目中，李金金团队通过12次算法优化、8次代码重构，让AI系统的调控精度从初期的88%提升至97%。

全力实施FDE人才培养计划

FDE模式最大的挑战在于规模化扩张。这种模式需要派人常驻现场，周期长、效率低、成本高。帕兰蒂尔内部有两条红线来应对这一挑战：人均年产出低于500万美元，团队就地解散；代码复用率低于60%，项目经理卷铺盖。

李金金团队则构建了一套FDE-FDR协同体系。在她看来，FDE主要负责深入一线去收集产业需求，FDR（前沿部署研究员）则聚焦于模型部署后的动态迭代。目前，在李金金近百人的团队中，FDR约占四分之一，且人数较为稳定，而FDE的人数近两年来增长很快。

“我们团队中有几位FDE不是AI相关专业出身，但他们开朗乐观、善于沟通，经过培训后很快熟悉掌握了127个模块的基础功能以及相互协作可实现的功能，推动很多案例落地。”她说。

上海创智学院也对FDE模式进行早期探索。比如，他们为上海市教育考试院定制了一套“大模型辅助命题系统”，不是把改题流程搬上系统，而是通过深度访谈抽取命题专家在难度控制、干扰项设计、知识点覆盖等方面的隐形经验，并转化为可复用的指令模板。

丁晓东表示，首期课程面向需求方，主要作用是吸引各方关注到这一AI时代的新兴模式，二期聚焦实训工程师，将通过案例教学与实战场景结合，力争打通AI商业化落地的“最后一公里”。未来，上海还将在高校中推广FDE微课程，以适应技术的快速发展。