企业用 AI，一定要本地部署模型吗？
不一定。见过不少企业花钱买了设备、部署了本地模型，结果因为速度和效果不理想，实际很少用。是否本地部署，要看客户需要什么能力、用量多大、现有硬件和维护能力如何、能接受怎样的效果和费用，以及数据敏感程度、合同约定和权限要求。模型放到本地以后，更新和维护的工作量不小。不要在没了解需求时就先推荐企业买设备；敏感资料也不能不经评估就直接交给外部服务。先问清楚需求，再比较本地和云端。
不一定，要看需求。
一个常见的情况
有些企业听说"数据安全要本地部署"，就花钱买了设备、部署了模型。
用起来发现：速度慢、效果不如云端的大模型，员工不爱用，设备基本闲置。
决定之前要问清楚
| 问题 | 为什么重要 |
|---|---|
| 需要什么能力？ | 本地能跑的模型，能力可能不够 |
| 用量有多大？ | 用量小，买设备不划算 |
| 现有硬件和维护能力？ | 本地模型需要有人维护、更新 |
| 能接受的速度和效果？ | 本地往往更慢、效果更弱 |
| 数据敏感程度？ | 真正敏感的数据才有必要 |
| 合同和权限要求？ | 有些行业或客户合同有明确要求 |
本地部署的隐藏成本
- 设备采购；
- 部署和调试；
- 模型更新，新版本出来要重新部署；
- 日常维护和故障处理；
- 效果不如预期时的机会成本。
云端的注意事项
不选本地，也不代表可以随便把资料交出去：
- 敏感资料（医疗、法律、财务、客户隐私）不能不经评估就直接交给外部服务；
- 要看服务商的数据使用条款；
- 可以只把脱敏后的内容交给云端处理。
也可以混合
- 敏感信息的提取、脱敏在本地做；
- 需要强能力的生成、分析交给云端；
- 根据任务性质分流。
建议
先问清楚需求，再比较本地和云端的方案。不要在没了解需求时，就先推荐企业买设备。
小结
本地部署不是企业用 AI 的必选项。数据安全要重视，但要用合适的方式解决，而不是默认买一套设备。方案设计的思路见「程序、自动化、模型、人工：一个流程里各放在哪」。