AI 智能体有哪几种交付形态（云端、本地、源码），各自适合谁

AI 智能体的交付形态主要有三种：云端按量服务、本地部署、源码交付。它们不是优劣关系，而是匹配关系——数据敏感度决定数据放在哪，IT 能力决定要不要自己接手，长期成本预期决定是买服务还是自己养。先定这三件事，形态自然就选出来了。

三种交付形态对比

智能体交付形态怎么选：三个条件

1. 数据敏感度：客户名单、工艺配方、财务明细、图纸，这类数据一旦出内网风险很高，优先本地部署；内部通用的制度文档、公开资料，用云端服务没有额外问题。
2. IT 能力：有没有人能长期负责运行与升级。没有的话，源码交付不是自由，而是负债。
3. 长期成本预期：调用量稳定且很大时，本地部署的三到五年总成本可能更低；调用量波动、还在试阶段时，按量付费更容易止损。

源码交付的三个隐藏代价

• 环境与依赖：操作系统、驱动、模型运行时都会升级，跟不上就会出现「代码还在、跑不起来」。
• 模型更新与效果回归：模型换代后输出会变，需要重跑评估集确认没有退化，这项工作通常不在原计划里。
• 无人兜底：出故障时会发现，能定位问题的人并不在内部。行业里，源码交付后半年内没人接手维护的情况并不少见。

结论不是「源码不能要」，而是「要源码之前先确认有人长期负责」。如果这条不成立，更稳的选择是把运行交给服务方，把口径与数据权属写清楚。

本地部署：什么时候值得

公开市场上，用于本地推理的一体机与整机售价从十几万元到数百万元不等，取决于算力规模与并发要求。值得本地的信号有三个：

• 数据分级结果是「核心数据不允许出内网」，且这条来自合规或客户要求，而不是内部偏好。
• 已经有可用的机房条件与运维人手，不必从零建。
• 调用量长期稳定，按量付费的三年总额已经超过本地部署的一次性投入与运维成本。

反过来，只是担心「数据放云上不放心」而说不出具体的风险类别，通常不需要本地部署——先把数据分级做出来更划算。

数据分级怎么做：一张表

分级不用复杂，按「数据类别—敏感度—允许存放位置—可访问对象—留痕要求」五列做一张表就够。常见四级划分：公开级（宣传资料、通用制度）可走公有云；内部级（生产计划、非敏感报表）可用云端服务但要管账号与权限；敏感级（客户名单、报价、财务明细）优先本地或私有环境；核心级（工艺配方、图纸、源代码）只留本地，需要外部协助时按次授权、留痕、用完回收。这张表做完，交付形态基本就定了，也可以直接作为合同附件。

混合形态：按数据分级处理

按上一节的分级，多数实际项目落在混合形态上：结论层走云端服务，去标识的结构化信息（单据号、数量区间、角色代号）进入云端分析，原始单据、照片与配方原件留在本地、需要时单次授权调阅。这样既不必把所有数据关在厂里，也不至于把敏感原件外发。分级与形态的对应关系应当以表格形式写进方案，而不是一句「数据安全有保障」。

合同里怎么写清形态

1. 写清数据存放位置、网络路径与访问权限，以及谁可以访问、是否留痕。
2. 写清运行与升级归属：模型版本、接口变化、操作系统与依赖升级由谁负责。
3. 写清退出方式：数据导出格式、账号交还、系统停用与副本销毁。

关于取数路径与验收要点的判断，可以看我们的 企业 AI Agent 部署 与 定制落地 页面。如果你拿不准自己属于哪一种形态，把数据类别与并发情况发给我们（联系方式），我们给一版建议，不收费。

一句话建议：先给数据分级，再选交付形态。数据在哪、谁来运行、怎么退出——这三句话写清楚，形态就不会选错。