结论：本地部署大模型换来的是两样东西：数据不出内网，业务规则由单位自己掌握。要投入的也是两样：机房位置和算力，以及业务骨干参与场景建设的时间。前者花钱就能解决，后者常常被低估。下面 12 个问题，是信息部门在评估阶段通常要回答的。
部署与数据
1. 本地部署大模型需要什么条件？
一处机房或机柜位置、稳定供电和内网接入。华映量云把模型、知识库和智能体平台预装在一体化设备中，到场接入内网即可使用；已经有模型和算力的单位，也可以直接接入。除了硬件条件，还需要业务部门提供规则、模板和样例材料。
2. 数据会不会出内网？
选择本地部署时，模型推理、知识检索和数据存储都在单位内网完成，不经公网和第三方云，断开公网也能运行。评估时可以直接要求服务方在断网状态下演示。
3. 本地模型的效果比得上公网大模型吗？
要看场景。知识问答、材料审核、报告生成这类企业场景，有明确的资料和规则可依，经过业务数据适配的本地模型可以满足日常使用。判断效果，以单位自己的真实材料实测为准，通用评测排名只能作参考。公网模型的能力更新快，本地模型的长处在于数据可控，并且可以针对单位自己的资料做适配。
4. 算力要买多少？
取决于同时使用的人数、处理的文档长度和选用的模型规格。比较稳妥的顺序是先定场景、再定配置；反过来先买设备再找场景，容易出现算力闲置或不够用。
效果与风险
5. 知识库会不会编造答案？
企业知识库的通行做法是按入库的原文作答并标注出处，查不到的内容如实说明查不到。评估时可以随机问几个知识库里没有的问题，看系统是否会凭空补全。
6. AI 出错怎么办？
关键环节由人确认。智能体遇到异常会停下并转人工，每一步操作都有记录，可以追溯。上线前要约定清楚哪些结果必须复核、由谁复核。
7. 不同部门问同一个数，会不会得到不同结果？
这取决于指标定义是否统一。智能问数系统回答时应同时给出数据来源和查询口径，指标定义由业务部门确认后统一维护。华映量云的智能问数与内网知识库按这个原则设计。
8. 不同岗位看到的内容能区分吗？
可以。数据和文件按部门、岗位设置访问权限，敏感数据按单位的规则脱敏，提问和回答留有审计记录。
系统与运维
9. 现有业务系统要不要换？
一般不用换。智能体可以通过接口对接现有系统，没有接口的老系统也有办法接入，原系统不需要改造。具体怎样接入，要看系统的实际情况来评估。
10. 能满足国产化和等级保护要求吗？
可以按要求适配国产服务器、操作系统和数据库。等级保护的具体要求以《信息安全技术 网络安全等级保护基本要求》（GB/T 22239-2019）和单位的定级结果为准，部署方案在交付前与单位信息部门确认。
11. 模型以后怎么升级？
模型和平台的升级在内网环境中完成，不需要把数据带出单位。升级前应当用已有样例验证，确认效果不下降再切换。
12. 先从哪个场景开始？
从量大、规则清楚、结果可以复核的场景开始，比如制度知识问答、智能问数、材料审核。这类场景见效快、风险低，跑顺之后再扩展到流程更长的场景。
本地部署和公网服务，不是二选一
并不是所有工作都需要本地部署。处理公开资料、写一般性的文稿，用公网大模型服务就足够方便。需要本地部署的，是涉及业务数据、个人信息和内部制度的场景，以及监管要求数据不得出境、不得出域的单位。
不少单位的做法是按数据敏感程度划线：敏感数据只在内网处理，非敏感的工作不作限制。划线本身是一项管理决定，需要信息部门、业务部门和合规部门一起商定，技术方案再按这条线来设计。
常被低估的一项投入
很多单位把预算和精力集中在设备和模型上，容易忽略业务骨干的时间。规则怎么定、例外怎么处理、结果好不好用，只有业务一线说得清楚。部署、开发、培训可以由服务方工程师驻场完成，但业务骨干的参与省不掉，这部分投入决定了场景能不能真正用起来。评估方案时，不妨问一问服务方：需要业务部门投入多少人、多少时间、在哪些环节参与。回答得越具体，说明对落地的难处想得越清楚。更多讨论见为什么很多单位的大模型买回来没人用。
华映量云提供本地大模型一体化部署和驻场开发服务，客户以政企、金融、医疗卫生为主。方案说明见本地大模型一体化部署，已落地的匿名案例见客户案例。
文中配图由 AI 生成，仅作示意。
