212
0来自 Datawhale「FDE案例100」的第一辑，收录 24 位 FDE（Forward Deployed Engineer，前向部署工程师）的一线访谈实录，全部采用统一的六问结构：场景与问题、过去怎么解决、AI 的思路与关键步骤、实际效果、遇到的新挑战、以及对 AI 落地的经验总结。案例横跨制造、政务、法律、城市规划、跨境电商、物流、财务、零售、建筑设计等十几个行业，既有把老师傅隐性经验做成企业知识库、把车管所审核从 15 分钟压到三五分钟这类已见明确成效的项目，也有仍在 POC 和验证阶段、坦承指标尚待检验的探索。
贯穿全书的判断是：AI 落地的难点已经从"模型能不能做到"转移到"什么问题值得解决"——真正稀缺的不是算法，而是能站在业务现场把问题翻译成 AI 可解、客户愿用的那个角色。因此它读起来更像一本方法论笔记而非成功学案例集，反复出现的主题是进场先别谈技术、用业务指标而非技术指标验收、以及交付之后企业能否自己长出下一步能力。
摘要：
"一次项目的结束，不应该意味着AI能力的离开。真正有价值的AI落地，是企业在解决一个具体问题的同时，也开始学会如何解决下一个问题。" —— 序言
"模型是入场券。领域加交付，才是护城河。评判一个FDE项目，不看demo多炫，看客户有没有真的改变决策方式。" —— NO.24 朱恒璟（全书最后一句）
"所以算法本身不难获得，真正缺乏的是一个连接技术和现场的角色。" —— NO.06 刘春生
"很多企业做AI项目时，会先想：'我们能不能接入一个大模型？' 但真正应该问的是：'业务中哪个问题最值得被解决？'" —— NO.06 刘春生
"所以装载率不是技术指标，是利润开关：装不满98方就亏，装得越满、越过保本线越多，赚得越多。" —— NO.06 刘春生
"所以我进场之后，没有先问'要用什么模型'，先去看他们到底怎么培养新人。" —— NO.01 蔡洁如
"做完这个案例以后，我更加确信，FDE最重要的能力，在于找到真正值得解决的问题，快速做一个AI应用反而排在后面。" —— NO.08 马诺
"AI程序本身不会产生价值，真正产生价值的是业务部门。" —— NO.09 毛卫俊
