从码农到FDE计算机行业重估的关键

从“码农”到FDE：计算机行业重估的关键__新浪财经_新浪网 事件概述：2026年7月29日，上海徐汇举办“AI无界·人力向新”人工智能+人力资源合作交流活动，搭建“政策—技术—场景—人才—资本”五位一体合作平台。活动发布首批32项人力资源服务机构人工智能转型案例，并推出惠企服务、创业者共享平台及FDE人才培养计划，FDE培养开始由岗位概念走向体系化实践。   FDE的核心价值，是把模型能力转化为可以进入企业生产系统的业务结果。当前AI落地的主要难点，不仅在于模型能力，还在于企业能否识别真实需求、完成场景验证、接入原有系统并持续运营。FDE培养开始由岗位概念走向体系化实践。   徐汇区联合中智集团探索FDE前沿部署工程师培养体系，围绕人才培养计划、课程体系以及培训就业一体化方案展开。项目面向企业现有技术骨干、业务骨干及管理层，采用分层教学，围绕需求分析、定制开发和现场验证进行全流程实训，学员可携带自身业务场景和实际问题参训，并在结业后返岗落地。徐汇区政府进一步指出，FDE需要将AI模型与企业具体场景深度结合，完成定制化解决方案部署，推动AI技术从实验室走向生产环境。    从业务本源看，FDE是传统软件外包、咨询、实施和解决方案业务在AI时代的能力升级。FDE与传统驻场开发、咨询和外包在进入客户现场、分析需求、开发系统等环节具有相似性，但二者的责任边界不同：传统外包主要对代码和合同工作量负责，FDE则需要推动客户业务指标发生变化，并将项目经验沉淀为后续可复用的方法和产品能力。其完整工作流程包括进入客户现场、发现真实需求、完成方案验证、推动系统上线，并将一次性交付逐步转化为可复制的方法和产品能力。因此，FDE并不是脱离传统软件服务体系重新建立一套业务，而是在原有开发、咨询、实施和交付能力之上，增加AI能力、业务理解并承担对业务结果的责任。   FDE的重要亮点，在于为计算机行业存量技术人才提供了现实的转型方向。根据国家统计局第五次全国经济普查数据，2023年我国规模以上企业拥有信息技术人员657.6万人；信息传输、软件和信息技术服务业从业人员达到1506.7万人，其中软件和信息技术服务业从业人员1107.1万人，国内已经形成规模较大的软件开发和信息技术人才基础。   FDE所需要的能力并非完全从零开始培养。研发工程师可以补 充需求判断和项目落地能力，实施、交付、售前及解决方案人员可以补充模型应用和智能体开发能力。相关行业研究亦将研发工程师以及交付、实施、售前、解决方案人员列为FDE能力培养的主要对象。   我们认为，这意味着计算机行业大量传统技术人员具备向FDE迁移的能力基础。   通过补充大模型、智能体、场景验证和持续运营能力，可以减少完全依赖少量算法人才的限制，降低企业建设AI落地团队的人员门槛。   FDE进一步打通了"传统软件服务能力—AI项目落地—产品化沉淀"的价值链条。   北京市相关政策不仅支持以FDE方式推动智能体落地，还明确提出通过驻场共创和持续迭代反哺智能体能力，并鼓励软件企业利用智能体重构产品架构与服务模式。这意味着FDE的价值并不止于完成单个定制项目，还在于将客户现场形成的需求、流程和实施经验逐步沉淀为可复制、可推广的解决方案。   其逻辑在于：传统软件企业拥有客户关系、行业知识和项目交付团队；FDE将上述存量能力与大模型、智能体技术相结合；项目实施过程中再将一次性交付经验沉淀为行业模板和产品能力，从而形成从项目交付到能力复用的闭环。   FDE有望成为本轮计算机板块价值重估的重要要素之一。随着AI参与软件开发的程度提升，单纯依靠代码开发和人力投入形成的传统软件服务价值面临重新评价，行业竞争重点逐步转向谁能够理解客户业务、推动AI进入生产环境并持续创造业务结果。当前AI企业竞争正从拼模型参数转向拼业务落地能力，能够同时理解技术、业务并承担项目结果的复合型人才仍较为稀缺。    因此，FDE有望成为连接模型厂商、软件服务商和行业客户的重要组织形态，并使传统计算机企业原有的客户资源、行业经验、实施团队和解决方案能力在AI时代重新体现价值。判断企业AI业务价值时，除了模型和技术能力，还应重点考察其是否具备FDE团队，以及能否将项目经验沉淀为可复制的产品和行业解决方案。    投资建议：FDE模式有望推动传统计算机企业的客户资源、行业经验、交付团队和项目实施能力在AI时代重新获得价值。建议关注：1）AI编程：卓易信息、金现代、普元信息等；2）IT服务：软通动力、中国软件国际、润和软件、拓维信息等。3）AI办公提效：金山办公、中控技术、金蝶国际、星环科技、合合信息、福昕软件、泛微网络、深信服、能科科技、博思软件、彩讯股份等。4）AI交易：同花顺、新大陆、新国都、多点数智、石基信息、税友股份、恒生电子、美年健康、金桥信息等。5）AIGC：昆仑万维、万兴科技、快手、美图等。   风险提示：AI技术迭代进度存在不确定性；大模型商业化落地进度不及预期；行业竞争加剧。