大模型進不了內網之後，企業 AI 的生意才真正開始

一份企業智慧體專案的規格文件近日引發關注，文件中反覆出現的關鍵字並非哪個模型更聰明，而是「中心下發、邊緣運行、斷網緩存、恢復續傳、分級權限、操作留痕」。驗收標準更獨立成章，顯示出企業導入AI時，真正在意的並不是對話能力，而是斷網後能否正常運作、出錯誰來發現、出了事誰負責。 這種「數據不出域」的焦慮，曾在2023年4月於三星半導體內部引爆。根據韓媒報導，有工程師將出錯的原始碼貼進ChatGPT請求除錯，短短二十天內發生三起類似事故。一個月後，三星全面禁止員工在公司裝置上使用外部生成式AI。此後三年，銀行、晶片廠、律師事務所接連跟進，禁令在中國政企市場更被文件化的用語稱為「數據不出域」。 許多人將這道禁令視為企業AI落地困難的證據，但實際上恰恰相反。政策推動、技術成熟與效率預期才是需求來源，禁令只是改變了需求落地的形式：原本按Token支付給雲端廠商的費用，如今開始流向一體機、私有化部署、系統整合與長期維運。換句話說，需求不是禁令創造的，但今天這種按專案計價的企業AI生意，確實是禁令餵養出來的。 ### 模型論分賣，進門費論百萬收

在公開網路上，調用大模型一天比一天便宜。API價格戰打了兩年，DeepSeek已將快取命中的輸入價格壓到每百萬Token新台幣約0.1元（約人民幣2.5分）；即使未命中快取，每百萬Token也僅需新台幣約13.5元（約人民幣3元）。處理一部《紅樓夢》體量的文本，輸入成本不過幾十元。 但內網裡是另一套價格。根據投中網2025年4月對十二家DeepSeek一體機上市公司的調研，一台能跑滿血版模型的NVIDIA H20一體機要價新台幣約675萬元（約人民幣150萬元）；若改用國產晶片，一台跑不動需買兩台，預算直逼新台幣1800萬元（約人民幣400萬元）。一邊是公網模型論分賣，另一邊是將數百B參數模型搬進內網所需的硬體與交付費，兩者指向同一個變化：基礎模型越來越便宜，讓模型在企業邊界內穩定運行依然昂貴。 市場的錢也對不上「落地難」三個字。根據智能超參數統計，2025年全年大模型中標項目達7539個，披露金額新台幣約1328億元（約人民幣295.2億元），較前一年分別增長396%與356%；千萬級大單314個，是前一年的三倍多；億元大單44個，是前一年的四倍。國資委2025年2月召開中央企業「AI+」專項行動深化部署會，對央企而言，接入大模型從選擇題變成任務。買單最痛快的是政務行業，44個億元大單中佔了一半。 ### 內網裡沒有產品，只有專案

進門費為什麼這麼貴？因為內網把一門軟體生意打回成一門工程生意。公有雲API是標準品，可以複製給成千上萬客戶，但內網部署每一家都是孤島。企業資料散落在業務庫、郵件附件、掃描件與員工電腦裡，同一個制度存著五個版本，網絡環境不同，國產晶片型號不同，對接的老系統也不同。沒有規模效應，只有一個又一個專案，交付靠人堆。 熱鬧與成交也是兩回事。雲天勵飛副總裁羅憶2025年4月形容客戶熱情「從地上跳到空中」，但大概率會「回到桌上」。投中網調研指出，有時兩三百個諮詢進來，最後可能沒有一單落成。實際交付中，滿血版與蒸餾版大約五五開：一半客戶咬牙上671B，另一半選擇三四十萬元的32B、70B蒸餾版。兩者能力、硬體要求與交付價格不在同一層級，對外卻都被統稱為「大模型私有化部署」。還有中間商低價搶單、當天部署，RAG框架粗糙到把專業術語從中間切開，檢索出來全是碎片。結果就是機器部署完成，業務卻沒有真正跑起來。 MIT NANDA在2025年的一份初步報告中估計，只有約5%的定製化企業生成式AI工具實現「成功部署」，即產生持續的生產力或損益影響。這個數字不能證明剩下的機器都在吃灰，但說明完成試點與產生回報之間，還隔著一條很深的溝。 ### 回答得越準，事故可能越嚴重

將模型搬進內網，風險並未消失，只是挪了個地方。在公網上，企業怕的是數據出去；進了內網，怕的變成答案出來。傳統系統的權限管到選單、介面與資料庫就夠了，但大模型進來後，權限還得跟進檢索的每一步。系統必須判斷「眼前提問的這個人，配不配看到它」。財務能查合同，不代表銷售能看到裡面的付款條款。這一步沒做好，模型越強，窟窿越大：一個能把薪資表、客戶底價一字不差背出來的模型，在能力評測是滿分，在企業裡卻是事故。 驗收是另一道坎。傳統軟體是確定性的，點按鈕就出結果；大模型靠機率運作，今天答對，明天可能換個說法。企業要讓它上生產系統，就得給它套一層確定的殼：測試集、信賴度、人工複核、異常回退、日誌留痕。政企客戶掏錢買的，正是這層殼——模型負責聰明，殼負責把聰明管住：錯在哪查得到，錯了之後有人認。而且這層殼年年要續費。正如投中網調研所寫，點亮一體機只是「小時級」的工程，真正的工作都發生在部署之後：數據治理、權限體系、業務適配、模型迭代。 2025年的「標王」不是一家以出售Token為主的模型創業公司，而是科大訊飛這類全棧廠商：210個項目、新台幣約104億元（約人民幣23.16億元）中標金額，連續兩年第一。按公開中標金額粗算，平均每單超過新台幣4950萬元（約人民幣1100萬元），這是整合商的單價結構，不是標準軟體的訂閱結構。以政企生意見長的智譜，中標項目數也不到訊飛的三成。模型基礎權重可以免費獲得，收進門費的，是造機器、搬機器和調機器的人。 ### 模型先進內網，邊界不會鬆動

二十年前企業也說數據是命根子、堅決不上雲，結果該上的最後都上了，AI憑什麼例外？這得算兩筆帳。第一筆是甲方經辦人的帳：按量調用API意味著持續性服務支出與長期數據流轉風險；一體機則更容易進入既有的硬體採購、資產管理與專案驗收體系。更要緊的是責任：伺服器利用率不高，損失可計量且有上限；數據洩漏的損失與責任卻難以估算。在這套決策結構裡，可計量的浪費往往比不可計量的風險更容易被接受。 第二筆帳，把這一輪AI與當年的雲端運算分開了。過去企業很難在機房內獲得與公有雲相同的彈性算力、軟體服務與維運能力，能力差距推動大量業務上雲。這一次，DeepSeek們把足夠可用的開源權重放進了企業機房，內外能力的差距第一次縮小到許多客戶可接受的程度。留在內網依然要承擔硬體、維運與模型更新成本，但不再意味著必須使用明顯落後一代的能力。過去企業把數據送到算力旁邊，現在開始把模型搬到數據旁邊。 當然，不是每一家企業都需要把模型鎖進機房。寫通用文案、處理公開資訊，用雲服務更便宜也更快。但政企客戶做這道選擇題時，擺在桌上的是責任。這本帳一天不變，答案就一天不會變。別指望這道邊界是臨時的。模型在內網裡用得越深，餵進去的數據越核心，數據就越出不去，規矩也就越多。企業AI走到最後，可能不是「萬物上雲」的續集，而是每一家像樣的機構都養一個自己的AI機房，就像二十年前每個單位都養過一個ERP專案組。 今年上半年的中標數據已在預演下一集。智能超參數的最新統計中，2770個應用類中標項目約四分之一與智慧體有關，其中180個項目在建「智慧體開發平台」。名詞從大模型換成智慧體，標書結構一個字沒變。至於當年第一個吃到苦頭的三星，它沒有只等著外部服務消除數據顧慮。2023年11月，三星發布自研的Gauss模型，隨後將Gauss Portal用於員工內部辦公，Gauss也參與了Galaxy AI部分能力的研發。這家巨頭用行動表明：外面的模型可以繼續變化，企業的數據邊界必須由自己控制。 公網上的人還在爭論AGI哪一年到來，內網裡的人不太摻和這個話題。他們知道答案很簡單：不管AGI什麼時候來，來了，先辦入網手續。