中国战场：B 端、央国企与私有化

国内落地的主战场是政企，部署偏好私有化与信创，价值从试点走向核心生产力。

国内大模型落地的主战场不是个人，而是政企。理解「谁买单、怎么部署、价值怎么算」这套规则，是 FDE 在国内能不能跑通的前提。

读完你能回答：

• 为什么国内 AI 采购以 B/G 端为主、个人占比这么低？
• 央国企为什么是落地的主引擎？
• 「私有化」「信创」对 FDE 意味着什么？
• 国内项目如何衡量「从试点到核心生产力」？

谁在买单：B/G 主导

沙利文《2025 年度中国通用大模型项目中标研究报告》给出一个关键比例：AI 采购中，企业（B）与政府（G）客户的占比高达 89%，普通个人用户仅 11%。换句话说，国内大模型的需求主体不是「个人玩家」，而是「机构客户」。

规模也在快速放大。招投标公开数据显示，2025 上半年大模型相关中标项目累计 1810 个、金额突破 64 亿元，已超过 2024 全年；2025 年第一季度的中标数量与金额，同比 2024 年同期增长近 9 倍。把口径放到 2025 全年，是另一个量级：7539 个项目、披露金额超 300 亿元，其中千万级以上大单 314 个、亿元级 44 个 smartcity-fde-bid-2025。中国企业级大模型日均调用量在 2025 下半年已跃升至 37 万亿 tokens。

央国企是主引擎

在这股需求里，央国企是绝对主力。百度智能云披露：超 65% 的央企、100% 的系统重要性银行、95% 的主流车企在落地大模型时选择了百度智能云；其执行副总裁沈抖称「六成以上央国企和百度合作」。能源、金融、制造等传统行业，是大模型进入核心业务的第一批场景。

对 FDE 来说，这意味着工作对象往往是「机构级客户」：决策链长、合规要求高、数据留在内部。这恰好是前线部署工程师最能发挥价值的地方——不是卖一个通用工具，而是把模型嵌进客户的业务流程。

私有化与信创

国内落地有一个海外较少提及的前提：数据安全与合规。中关村科金在总结垂类大模型落地时直言，中小企事业单位自建私有化部署成本高，需要更轻量、低成本的方案；行业标准缺失也增加了落地难度。

落到工程上，就是「信创」与国产算力：昇腾、海光、寒武纪等国产芯片的适配，政务云、政务网的对接（如浙政钉、IRS），成为交付的硬约束。一份公开招聘的「AI 交付工程师」JD 里，明确写着「熟悉政府 XC 适配要求，了解政府云资源、政务网」。能在这些约束里把系统跑起来，是国内的 FDE 绕不开的基本功。

从「试点」到「核心生产力」

判断一个国内项目成不成熟，看它处在哪个阶段。早期多是「创新预算里的试点」；成熟的项目则进入采购、交易、风控、生产等核心环节，被纳入正规经营成本。几个样本：

深圳福田「数智员工」

11 类 70 名 AI 公务员，覆盖 240 个政务场景；公文审核错误率 <5%，执法文书生成效率 +90%，民生诉求分拨准确率从 70% 跃升至 95%。

武汉城投「1+4+N」AI 体系

智图 AI 设计平台把设计周期从「天」压到「分钟」，单项目成本 −40%、响应 +80%；基于 Qwen3-30b 的 AI 智能客服让人力成本 −18%、新员工培训从 22 天缩短到 7 天；AI 巡检准确率 90%+，巡检支出 −30%。

国家电网「光明电力大模型」

国内首个千亿级多模态电力行业大模型，「营销供电方案智能体」实现全流程智能化，「公路应急指挥智能体」预警准确率达 95% 以上。

它们的共同点是：价值不再是「展厅里的 Demo」，而是写进经营账本的降本、增效、控险。当你能在客户的「核心生产力」里占到一个位置，FDE 才算真正扎下根。