上海交通大学，上海交大安泰经济与管理学院与Datawhale现场签署战略合作，并正式发布《FDE案例100》——一本245页、汇集24个真实企业AI落地案例的案例集，同步亮相的还有10×100首批场景清单、FDE 100先锋人物与FDE精选课程。

这本案例集首批收录24个深度访谈案例，覆盖12个行业、23家企业。每一个案例都来自企业与FDE的一对一深度访谈，重点记录企业原有痛点、场景选择、方案过程、关键判断、交付进展以及可复用经验。

FDE的英文是Forward Deployed Engineer。在这份案例集的序言中，Datawhale把FDE理解为企业AI转型的长期共建伙伴：一起发现问题、设计方案、验证价值，并帮助企业积累解决下一个问题的能力。

带着这个视角读，我们建议重点看三个问题。

一、企业提出的需求，怎样变成一个能动手做的项目？

案例1讨论制造业的经验传承。企业担心老师傅退休以后，经验也随之流失。

项目没有停在“建一个知识库”上，而是从观察新人培训流程开始，整理高频问题和知识地图，再把问答、学习进度和师傅反馈放回培训流程。后续还花了时间陪着员工使用、调整。

这个案例值得留意的，是需求被逐步拆清楚的过程。企业想“留下经验”，最终需要落实到哪些知识要留下、谁在什么环节使用、怎样确认新人学会了。

二、AI应该接管哪一段工作，其他部分由谁完成？

案例6讨论跨境物流装载。它把大模型放在理解需求和调度的位置，把专业计算交给专业算法，同时考虑一线工人能否使用、企业能否接受成本。

对企业负责人来说，这提醒我们在看方案时多问一步：每个环节为什么这样分工？哪里适合AI，哪里需要确定的规则和算法，哪里还要保留人的判断？

三、个人使用AI的经验，怎样变成团队共同的工作方式？

完整版中的案例7尤其值得企业AI转型牵头人阅读。

一家基金公司的研发人员已经在使用不同的AI编程工具，但工具、方法和协作方式各不相同。项目进一步处理了文档怎么拆、角色怎么分工、团队怎样协作，并沉淀了一套面向AI编程协作的Spec文档和方法。

这里值得借鉴的，是从个人使用走向团队协作的过程。报告也明确说明，该基金公司没有提供可对外披露的完整ROI数据，不能把组织层面的变化直接写成确定的财务回报。

书中的案例，有些已经观察到明确变化，有些仍在测试和迭代。阅读时，我们更建议关注它们解决问题的路径和成立条件，再判断自己的企业能借鉴哪一部分。

下面按原页顺序分享案例集的部分内容。完整版还包括采购、财务、零售、外贸资料、电商素材、非标制造售前等场景。