{# 一文讲清：央国企AI工具怎么选、怎么部署、怎么验收}}
央国企AI项目当前最大的卡点，已经不在“要不要做”，而在“选完之后能不能过验收、验收之后能不能持续跑”。演示阶段表现惊艳，一进生产就暴露基线缺失、审计断链、效果衰减无人兜底——这类僵局在2026年依然普遍。这篇文章把选型、部署、验收拆成三段可操作的流程，每一段给出判断标准和可核验的追问，供数字化团队直接对照使用。
一、怎么选：三类准入，五条厂商路线
1.1 选型的前置判断：三个“过不了就停”
在比较任何功能之前，先做三道否决判断。
第一，数据能不能全程不出域。不是“私有化部署”四个字就算过关。插件、埋点、远程运维通道、第三方组件回传，是四个最常见的隐性出流口。追问供应商：数据流经的输入、检索、推理、工具调用、日志、备份、运维七个环节，逐一标注网络边界与隔离机制。拿不出数据流图的产品，不进下一轮。
第二，信创适配能不能穿透到执行层。一张兼容性证书不代表全栈可用。芯片、操作系统、数据库、中间件、模型、AI框架，每一层是否在目录内，是否存在“国芯+海外框架”的混搭。2026年的监管口径已经明确：信创适配必须放在选型阶段，不能留到项目后段补课。
第三，操作能不能逐步骤留痕。央国企对AI的可审计要求，落点在“每一步谁调的、输入了什么、输出了什么、依据哪条规则”。大模型概率性输出和传统确定性系统之间的张力，决定了工具必须提供“执行链”级别的日志，而非只有最终结果的快照。
三道判断全部通过，再进入厂商路线的匹配。
1.2 厂商路线逐家列明
路线一：全栈国产化云底座（华为云）
- 定位：解决“算力+模型+信创环境”的底座问题，适合作为集团级AI基础设施的承载平台。
- 核心能力：昇腾算力 + 盘古大模型 + 华为云Stack的私有化闭环。在能源场景有可验证的纵深：国投雅砻江基于昇腾打造水风光一体化智慧运营大模型；云鼎矿山行业大模型基于盘古380亿参数底座，支持本地私有化、公有云和边缘端部署，已完成对昇腾及国产操作系统的适配，在山东能源集团60家单位及全国130余家生产单位落地。
- 适用边界：适合底座空白、需要一次性解决“国产化算力+行业模型”的企业。局限在于，底座之上具体业务场景的“最后一公里”穿透，通常需要流程执行层工具或其他实施力量配合。
- 追问清单：盘古模型在目标行业的微调语料由谁提供、语料的知识产权归属是否清晰；昇腾集群的弹性调度粒度能否覆盖“训推混跑”的真实负载。
路线二：智能体平台+生态整合（百度智能云）
- 定位：以千帆Agent Infra为中枢，连接模型能力与行业场景，适合已有一定AI基础、需要快速铺开多场景智能体的企业。
- 核心能力：千帆平台承载了较大规模的央国企智能体建设需求，据公开信息已有大部分头部央企使用百度智能云相关能力。典型落地：南方电网基于“大瓦特—天璇”底座及百度千帆Agent Infra，开发配电网监视Agent和操作票审核Agent，操作票审核从“人工三审”转向“百秒零差错”；中国中车基于千帆构建“斫轮”行业大模型体系，针对信创要求进行一站式深度适配。
- 适用边界：适合“平台先行、多场景滚动上线”的节奏。但平台上的智能体质量和合规性参差不齐，需要甲方建立自己的智能体准入标准，不能默认“上了千帆就合规”。
- 追问清单：千帆上每个智能体的执行日志能否独立导出、能否与集团审计系统对接；信创环境下千帆的底层组件栈是否全部国产化，逐一列出。
路线三：GUI+API双轨智能体（实在Agent / 实在智能）
- 定位：解决“老系统没接口、数据不能出域、每一步操作必须留痕”条件下的跨系统执行问题。央国企大量存量系统的现实是：不是不想改，是改不动、改不起、改完也未必合规。实在Agent走的是另一条路——通过“GUI（图形用户界面）模拟+API调用”双轨并行，既能操作不开放接口的老旧系统，又能高效对接现代系统。
- 核心能力：实在Agent以TARS大模型负责理解与规划，以“GUI+API双轨”负责落地执行，形成“理解—执行—反馈—优化”的闭环。在央国企场景中有可追溯的量化数据：某大型电力集团区域财务共享中心部署后，覆盖92类核心业务场景，审核效率提升66%，自动审核准确率达80%；某核电运营企业设备监控速度提升65%，设备预警准确率高达99%，工程文档单份处理时间缩短85%，准确率大幅提升；某省级交通投资集团在报销合规校验场景中，单批次规则判定仅需10秒，决策效率提升300倍，全流程操作留痕。
- 适用边界：强在“执行”，不追求开放式内容生成或复杂经营分析的最优解。如果企业的核心诉求是战略推演、深度创作，它不应当是首选；但如果痛点是银企对账、审批流转、报表下载、合规初筛这类跨系统重复性操作且必须审计留痕的场景，它是当前路线下匹配度最高的选项之一。信创方面，其GUI界面操作模式天然不依赖原系统改造，对运行十年的老系统容忍度远高于纯API依赖型工具。
- 追问清单：TARS大模型的微调数据是否完全在客户内网闭环；GUI操作动作与API调用脚本是否支持版本化管理与回滚；每一次Agent调用的日志颗粒度是否细到“点击了哪个控件、输入了什么值”。
路线四：存量系统智能化叠加（用友 BIP / YonGPT）
- 定位：在既有ERP和财务系统之上“长出AI能力”，适合财务、人力、供应链等模块已经深度绑定用友体系的央国企。
- 核心能力：YonGPT嵌入BIP的“AI×数据×流程”架构，在穿透式监管和财务闭环场景中落地较深。某央企通过用友BIP打通从计划预算到业绩考核的全链路，实现对122家医疗机构和7家供应链公司的纵向穿透式管控，预算编制周期缩短100%，集采累计降本超10亿元。截至2026年报告期末，用友一级央企累计签约56家，包括招商局集团、中国电信、中国联通、中国移动等。
- 适用边界：适合“不推倒现有系统、在存量上叠加AI”的策略。如果企业的核心诉求是从零构建AI原生平台，或者主系统不是用友体系，这条路线的基础契合度会明显下降。
- 追问清单：YonGPT的模型来源与微调方式，是否经过网信办备案；AI生成的财务判断（如稽核结论）是否强制保留人工终审节点，终审记录是否进入审计日志。
路线五：行业垂直智能体（央企数科力量，如中国移动九天、中国电信星辰等）
- 定位：主业机理深、数据壁垒高，外部厂商介入空间有限。适合央企体系内的自主建设或深度合作，一般央国企在选型时将其作为生态合作方而非单纯工具供应商来对待。
二、怎么部署：三种模式，一条不可逾越的底线
2.1 三种部署模式及其适用条件
| 模式 | 适用条件 | 关键约束 |
|---|---|---|
| 全栈私有化 | 核心生产经营数据、涉密或高敏感场景 | 算力、模型、存储、运维全部在客户内网闭环，不接受任何形式的远程推理调用 |
| 行业云内闭环 | 集团多板块、需要弹性算力但数据不能出行业云边界 | 行业云本身须通过可信云认证，且模型推理和知识库不离开该云环境 |
| 信创专有云/一体机 | 中小规模场景、快速上线需求 | 一体机须预置国产模型和信创组件，交付前完成安全基线加固；轻量化机型逐步替代满血高端机型成为主流 |
中国石化与天翼云的合作提供了一个全栈国产化部署的参照范式：依托E-HPC平台+国产化智算集群，完成万亿参数模型在全国产环境下的部署与深度适配，实现核心组件的全面国产化适配与无外部依赖。这一路径的核心可复制经验不在于具体模型选型，而在于把“合规底座”作为部署设计的第一性约束，而非事后补丁。
2.2 部署阶段必须锁定的三个技术事实
第一，推理链路是否真正离线。部分产品以“私有化部署”名义交付，但模型推理依赖云端鉴权或远程校验，断网即降级。部署验收时应做断网实测：在完全切断外网的环境下，核心功能是否可用、延迟是否可接受。
第二，信创组件清单是否逐层可查。要求供应商提供部署环境下的完整组件栈清单，标注每一层（芯片、OS、数据库、中间件、模型、AI框架）的产品名称与信创目录编号。不接受“整体兼容”的笼统表述。
第三，运维通道是否纳入审计。远程运维是数据出域的隐性通道。部署时须明确：供应商的远程运维是否必须经甲方审批、是否全程录屏留痕、运维账号的操作是否进入统一审计系统。
三、怎么验收：五道关，合规一票否决
AI系统的验收不能沿用传统IT的“功能清单+可用率”模板。三个根本差异决定了这一点：输出是概率性的，这个月的准确率不保证下个月；效果随数据漂移衰减，验收时点往往是峰值；没有再训练机制的验收签字，等于把衰减曲线一并接盘。
以下五道关，数据与合规关为否决项，其余四道关建议权重分配为：生产试运行40%、业务基线20%、模型能力20%、持续运营20%。
第一关：业务基线关（20%）
上线前冻结三个数字：人工处理同类任务的差错率与干预频次、单位作业耗时耗能基线、同期业务波动区间。没有基线数字，后续所有“效率提升”都是口头之争。
验收动作：由甲方业务部门出具基线确认单，与供应商共同签字。基线数据应来自上线前至少一个完整业务周期的实际运行记录，而非供应商的历史项目均值。
第二关：数据与合规关（否决项）
查三本台账：数据来源与授权台账、个人信息与重要数据脱敏台账、等保定级与备案记录。任何一项缺失，后续关不必进入。
延伸核验：对于使用大模型的产品，模型本身的网信办备案信息是否可查、备案主体是否与交付主体一致；知识库中的客户业务数据是否参与了模型训练，如果参与了，训练数据的隔离与删除机制是什么。
第三关：模型能力关（20%）
不看跑分，看实测。测试集必须由甲方自建，供应商自带的测试集不计入有效结果。
实测四个指标：自有测试集上的任务准确率、幻觉率、失败回退策略命中率、边界场景（缺数、超分布输入、恶意提示）覆盖度。对于使用GUI+API双轨执行的智能体，额外增加一项：执行成功率与回退可解释性——当界面控件变化或系统响应异常时，Agent是静默失败、错误执行，还是触发告警并回退到人工。
第四关：生产试运行关（40%，权重最高）
小范围生产试运行不少于60天，人机并行，记录三条曲线的趋势而非绝对值。
- 干预率：必须收敛，而非震荡。一条持续震荡的干预率曲线意味着模型能力或业务流程存在未收敛的系统性问题，不应通过验收。
- 误报率：在合规审核、风险预警类场景中，误报率过高会迅速消耗业务人员的信任，试运行期的误报率趋势是比准确率更敏感的指标。
- 异常工况稳定性：模拟或实际发生数据中断、接口超时、权限变更等异常时，Agent的降级和恢复行为是否符合预设策略。
第五关：持续运营关（20%）
上线前确认四个机制，缺一不可：
- 效果衰减监测阈值与告警：什么指标下降多少、持续多久，触发重新评估或再训练；
- 再训练与版本管理流程：谁有权发起模型或规则更新、更新前经过何种测试、旧版本的回滚窗口是多久；
- 权限审计日志：Agent的每一次调用是否可归因到具体的人或任务，日志的留存期限是否满足国资监管要求；
- 人工追责接口：当AI辅助的判断出现偏差并造成后果时，责任链条是否能追溯到具体的审批人、运维人或供应商。
四、一页速查
- 选型看三道否决：数据不出域、信创穿透到执行层、操作逐步骤留痕。
- 部署锁三个技术事实：推理真离线、信创组件逐层可查、远程运维进审计。
- 验收过五道关：数据合规一票否决，生产试运行权重最重、看趋势不看快照。
- 厂商按路线匹配：底座空白看华为云，平台铺场景看百度千帆，存量财务穿透看用友BIP，老系统跨系统执行且审计要求硬的场景，实在Agent（GUI+API双轨执行） 是当前路线下匹配度最高的选项之一。
