把 AI 部署在企业自己的边界里，而不是再增加一个失控的外部工具。

BOUNDARY / 01

什么是企业私有化 AI 部署？

企业私有化 AI 部署，是把 AI 应用、企业知识、业务规则和运行记录放在企业可管理的技术边界内。企业保有云账户、数据存储、模型凭据和管理员权限，服务商负责设计、实施和持续维护。

是否本地运行大模型只是其中一个技术选择。对于大多数首次落地的企业，客户自有云账户 + 客户自有模型 API Key，通常比采购 GPU 和自建模型集群更快、更可控，也更容易核算成本。

• 客户自有云账户：默认方案，兼顾上线速度、控制权与成本。
• 客户本地服务器：适合资料不能离开内部网络、已有基础设施的场景。
• 隔离或全离线环境：适合明确的合规要求，但需要单独评估模型、硬件和运维成本。

ARCHITECTURE / 02

一套可运营的私有 AI，不只有模型。

真正决定系统能否进入业务的，是模型之外的知识、权限、流程和评测。只把一个聊天界面接到大模型，无法解决答案依据、人员权限、错误处理和持续更新问题。

CapaLayer 将系统拆成可独立管理的能力层，让每一次回答和动作都能追溯到资料、规则和责任人。

• 模型层：按任务选择商业模型、开源模型或组合路由，凭据归客户所有。
• 知识层：资料清洗、版本管理、切分检索、来源引用和失效内容处理。
• 权限层：用户身份、知识范围、操作权限和敏感字段边界。
• 流程层：触发条件、业务规则、人工审核点和系统写回。
• 评测层：真实问题集、准确性、拒答、引用、延迟和成本监控。
• 运营层：日志、告警、知识更新、模型变更和持续优化。

DELIVERABLES / 03

项目最终交付什么？

项目不是以“模型能回答问题”作为完成标准，而是以企业能独立使用、管理和验收一条真实业务流程为标准。交付范围在蓝图阶段确认，避免边做边扩张。

• 部署架构图、数据流向和安全边界说明。
• 运行环境、数据库、对象存储、域名、TLS 与备份配置。
• 模型和知识库接入、权限规则、提示与业务规则配置。
• 企业真实任务评测集、基线结果和上线验收记录。
• 管理员使用手册、异常处理方式和变更记录。
• 持续运维范围、响应边界和下一阶段优化清单。

FIT / 04

什么情况下适合私有部署？

如果 AI 会接触企业内部资料、客户信息、产品规则或需要连接现有业务系统，私有部署通常比单独购买一个公共 SaaS 账号更适合。它让数据边界、账号归属和退出机制从项目开始就明确。

如果需求只是偶尔生成公开文案，没有企业资料、权限或系统接入，先使用成熟公共工具通常更经济，不必为了“私有化”增加不必要的建设成本。

• 适合：内部知识、销售支持、客户服务、运营审核、交付协作等持续场景。
• 适合：需要企业掌握模型凭据、数据存储、日志和管理员权限。
• 暂不适合：没有明确用户、资料和验收任务，只希望先建设一个大平台。