粤有钱 大模型进不了内网之后，企业 AI 的生意才真正开始
文 | wiwi
前不久，我经手了一份企业智能体项目的需求文件。因为保密条款，细节不能展开，但可以说说它的用词：文件里几乎没有讨论哪家模型更聪明，反复出现的是另一些词——中心下发、边缘运行、断网缓存、恢复续传、分级权限、操作留痕。验收标准单独占了一章。
这些词，用惯了聊天框的人多半没见过。普通用户打开对话框，问一句，几秒后拿到答案，这事就算完了。而这份文件从头到尾在问另一类问题：断了网还能不能干活？答错了谁来发现？出了事算谁的？
内网隔离不是 AI 时代的发明，但这类文件背后的心病，2023 年 4 月有过一次全球围观的发作。三星半导体的工程师把出错的源代码贴进 ChatGPT，想让它帮忙找毛病，据韩媒当时的报道，类似的事故二十天里出了三起。一个月后，三星禁止员工在公司设备上使用外部生成式 AI。此后三年，同样的禁令在全世界的企业里一遍遍重演：银行禁，芯片厂禁，律所禁。到了中国的政企市场，它有了一个更像文件用语的名字，叫"数据不出域"。
很多人把这道禁令当成企业 AI 落地难的证据：看，模型连门都进不去。这个理解恰好反了。
禁令没有凭空创造企业对 AI 的需求，政策推动、技术成熟和效率预期才是需求的来源。但禁令改变了需求落地的形态：原本可能按 Token 支付给云厂商的钱，开始流向一体机、私有化部署、系统集成和长期运维。
需求不是禁令创造的，但今天这种按项目计价的企业 AI 生意，确实是禁令喂大的。
模型论分卖，进门费论百万收
在公网上，调用大模型一天比一天便宜。API 价格战打了两年，DeepSeek 把缓存命中的输入价格压到了每百万 Token 两分五厘；即使没有命中缓存，每百万 Token 也只要 3 元。让模型处理一部《红楼梦》体量的文本，输入成本不过几元。
内网里是另一套价目表。投中网 2025 年 4 月调研了十二家做 DeepSeek 一体机的上市公司：一台能跑满血版模型的英伟达 H20 一体机，卖到 150 万元上下；换成国产卡，一台跑不动，得买两台，预算直奔 400 万。
一边是公网模型的调用费，另一边是把数百 B 参数模型搬进内网所需的硬件和交付费。两者不是同一种商品，却指向同一个变化：基础模型越来越便宜，让模型在企业边界内稳定运行依然昂贵。
市场上的钱，也对不上"落地难"三个字。智能超参数统计，2025 年全年大模型中标项目 7539 个，披露金额 295.2 亿元，比上一年分别增长 396% 和 356%；千万级大单 314 个，是前一年的三倍多；亿元大单 44 个，是前一年的四倍。国资委 2025 年 2 月开了中央企业" AI+ "专项行动深化部署会，对央企来说，接入大模型从一道选择题变成了一项任务。
买单最痛快的是政务行业，44 个亿元大单里占了一半。
钱流向哪里已经很清楚：在政企市场，模型能力在墙外按 Token 计价，进入内网以后，却要连同硬件、集成、运维和责任一起按项目计价。
内网里没有产品，只有项目
进门费为什么这么贵？因为内网把一门软件生意，打回成了一门工程生意。
公有云 API 是标准品，同一套服务可以提供给成千上万名客户，不需要为每个客户重新搭建一套系统。软件生意最值钱的地方，就在这种可复制性。而内网部署，每一家都是孤岛。企业里的资料从来不会整整齐齐躺在一个文件夹里，它散在业务库、邮件附件、扫描件和员工电脑里，同一个制度存着五个版本，最新的未必排在最前面；网络环境不同，国产芯片型号不同，要对接的老系统也不同。没有规模效应，只有一个又一个项目，交付靠人堆。
热闹和成交也是两回事。云天励飞副总裁罗忆 2025 年 4 月对投中网形容，客户的热情"从地上跳到空中"，但大概率会"回到桌上"。投中网的调研写道，有时两三百个咨询进来，最后可能没有一单落成。
成了单的，买到的也未必是同一样东西。优刻得首席架构师李天朋在同一篇调研里披露，实际交付中满血版和蒸馏版大约五五开：一半客户咬牙上 671B，另一半选择三四十万元的 32B、70B 蒸馏版。二者的能力、硬件要求和交付价格并不在同一层级，对外却都被统称为"大模型私有化部署"。还有中间商低价抢单、当天部署，RAG 框架糙到把专业术语从中间切开，检索出来全是碎片。
结果就是一个谁都看见了、谁也不觉得奇怪的场面：机器部署完成了，业务却没有真正跑起来。那波热潮里下的单，有多少经过完整论证、有多少只是为了先完成部署，圈内人心里都有数。
MIT NANDA 在 2025 年的一份初步报告中估计，只有约 5% 的定制化企业生成式 AI 工具实现了"成功部署"，即产生持续的生产率或损益影响。这个数字不能证明剩下的机器都在吃灰，却说明完成试点和产生回报之间，还隔着一条很深的沟。
于是出现了一个看似矛盾的现象：一边是企业 AI 回报有限，另一边是国内中标市场翻了四倍。其实两组数据衡量的不是同一件事。一个统计采购和交付，一个统计持续回报。在项目制的世界里，通过验收只能证明项目完成，不能证明 AI 已经产生业务价值。
钱最后落进谁的口袋，更说明问题。2025 年的"标王"不是一家以出售 Token 为主的模型创业公司，而是科大讯飞这样的全栈厂商：210 个项目、23.16 亿元中标金额，连续两年位居第一。
按公开中标金额粗算，科大讯飞平均每单超过 1100 万元，这是集成商的单价结构，不是标准软件的订阅结构。以政企生意见长的智谱，中标项目数也不到讯飞的三成。模型基础权重可以免费获得，收进门费的，是造机器、搬机器和调机器的人。
回答得越准，事故可能越严重
不过，要是把内网里的生意理解成"卖硬件顺便装个模型"，还是低估了它。真正的钱眼在部署之后。
把模型搬进内网，风险没有消失，只是挪了个地方。在公网上，企业怕的是数据出去；进了内网，怕的变成答案出来。
传统系统的权限，管到菜单、接口和数据库就够了；大模型进来之后，权限还得跟进检索的每一步。系统不光要回答"知识库里有没有这份文件"，还要判断"眼前提问的这个人，配不配看到它"。财务能查合同，不代表销售能看到里面的付款条款。这一步没做好，模型越强，窟窿越大：一个能把薪资表、客户底价一字不差背出来的模型，在能力评测里是满分，在企业里是事故。
验收是另一道坎。回到开头那份需求文件，功能列表其实好写，难写的是验收那一章。写需求只要一句"精准识别"，写验收就得回答一串问题：和人工结果允许差多少？漏掉和误报哪个代价更高？白天和夜间用不用同一套样本？断网之后允许缓存多少条数据？传统软件是确定性的，点按钮，出结果；大模型靠概率干活，今天答对，明天可能换个说法。企业要让它上生产系统，就得给它套一层确定的壳：测试集、置信度、人工复核、异常回退、日志留痕。
政企客户掏钱买的，正是这层壳。模型负责聪明，这层壳负责把聪明管住：错在哪，查得到；错了之后，有人认。
而且这层壳年年要续费。投中网的调研写道，点亮一体机只是"小时级"的工程，真正的工作都发生在部署之后：数据治理、权限体系、业务适配、模型迭代。标题那句话的字面意思就在这里：大模型进不了内网，所以要请人抬进去；抬进去之后，生意才真正开始。
二十年前，数据上了云；这一次，模型先进内网
看到这里你可能会问：内网这道边界，迟早会松动吧？二十年前企业也说数据是命根子，坚决不上云，结果该上的最后都上了。AI 凭什么例外？
这事得算两笔账。
第一笔是甲方经办人的账。按量调用 API，通常意味着持续性服务支出和长期的数据流转风险；一体机则更容易进入既有的硬件采购、资产管理和项目验收体系。更要紧的是责任：服务器利用率不高，损失是可见且有上限的；一旦发生数据泄露，损失和责任却很难估算。在这套决策结构里，可计量的浪费，往往比不可计量的风险更容易被接受。
第二笔账，把这一轮 AI 和当年的云计算分开了。过去，企业很难在自己的机房里获得与公有云相同的弹性算力、软件服务和运维能力，能力差距推动大量业务上云。这一次，DeepSeek 们把足够可用的开源权重放进了企业机房，内外能力的差距第一次缩小到许多客户可以接受的程度。
留在内网依然要承担硬件、运维和模型更新成本，但不再意味着必须使用明显落后一代的能力。
过去，企业把数据送到算力旁边；现在，它们开始把模型搬到数据旁边。
当然，不是每一家企业都需要把模型锁进机房，写通用文案、处理公开信息，用云服务更便宜也更快。但政企客户做这道选择题时，摆在桌上的是责任，这本账一天不变，答案就一天不会变。
所以别指望这道边界是临时的。模型在内网里用得越深，喂进去的数据越核心，数据就越出不去，规矩也就越多。企业 AI 走到最后，可能不是"万物上云"的续集，而是每一家像样的机构都养一个自己的 AI 机房，就像二十年前每个单位都养过一个 ERP 项目组。
今年上半年的中标数据已经在预演下一集。智能超参数的最新统计里，2770 个应用类中标项目，约四分之一和智能体有关，其中 180 个项目在建"智能体开发平台"。名词从大模型换成了智能体，标书的结构一个字没变。照这个节奏，明年大概轮到"具身"。
至于当年第一个吃到苦头的三星，它没有只等着外部服务消除数据顾虑。2023 年 11 月，三星发布自研的 Gauss 模型，随后将 Gauss Portal 用于员工内部办公，Gauss 也参与了 Galaxy AI 部分能力的研发。
这家巨头用行动表了态：外面的模型可以继续变化，企业的数据边界必须由自己控制。
公网上的人还在争论 AGI 哪一年到来。内网里的人不太掺和这个话题，他们知道答案很简单：
不管 AGI 什么时候来，来了，先办入网手续。
长宏网提示：文章来自网络，不代表本站观点。
