企业财务AI工作台的部署形态:数据出不出内网,先定这条线
企业选AI工作台,通常先看功能:能不能问数、能不能出报告、能不能接 ERP。部署形态放在后面谈,谈的时候也多半是一句"你们支持私有化吗"。这个顺序是反的。
对财务场景来说,部署形态不是技术偏好,是合规底线。定错了,后面功能再好也过不了评审;定对了,功能可以慢慢补。
这篇内容讲清楚三件事:财务的数据到底敏感在哪、三种部署形态各自的数据流向、以及怎么根据企业实际情况选。
一、财务数据敏感在哪
一般说"数据敏感",指的是客户名单、身份证号这类。财务数据的敏感点不太一样,它敏感在组合。
单独看一笔费用报销,金额几千块,没什么。但把全公司的费用按部门、按项目、按时间铺开,能推出来的东西就多了:哪个业务线在收缩、哪个区域在亏、人力成本占比多少、毛利率大概什么水平。这些信息拼起来,就是一家企业的经营底牌。
具体分三类:
一类,科目余额和明细账。 这是企业经营结果的完整映射。收入结构、成本构成、费用分布,全在里面。
二类,成本结构和定价依据。 制造业尤其明显。一个产品的材料成本、人工成本、制造费用分摊,直接决定了报价底线。这类数据泄露,等于把报价单给了对手。
三类,薪酬和资金。 工资表、奖金池、银行账户余额、授信额度。这类数据不用解释,没有企业愿意让它出内网。
三类数据里,前两类多数企业允许在受控环境下处理;三类,基本要求物理隔离。
所以讨论部署形态,先要回答一个问题:哪些数据,在任何情况下都不能离开企业能控制的物理边界。
二、三种形态,三种数据流向
部署形态这件事,没有一种方案能通吃。
同一家集团,总部财务用全本地,两家海外子公司用专属云,一个刚收购的品牌还在用 SaaS。这不是混乱,是按数据敏感度和运维能力分别定的。
判断标准只有一条:这段数据,企业愿不愿意让它离开自己能控制的物理边界。 愿意,选择就多;不愿意,只剩全本地一条路。
市面上讲部署,一般说三种:全本地、专属云、公有云。实际还有第四种,混合,后面单独说。
形态一:全本地部署
应用、数据、模型全部装在企业自己的机房或私有云里,不对公网开放。
数据流向:
|
环节 |
数据在哪 |
|
用户提问 |
内网 |
|
语义解析 |
内网 |
|
SQL 生成 |
内网(本地模型) |
|
数据查询 |
内网数据库 |
|
结果返回 |
内网 |
|
日志留存 |
内网 |
全流程不出网。这是财务场景里容易被安全评审接受的一种。
代价:硬件要自己买,模型要自己维护,升级要自己安排。一个能跑 14B 模型的环境,GPU 显存至少 24G,加上应用服务器和数据库,起步投入在十万量级。日常还要有人管电、管网、管备份。
适合谁:金融、医疗、政务、央国企,以及任何明确要求"数据不出内网"的企业。
形态二:专属云 / VPC 部署
资源在云上,但通过 VPC 做了网络隔离,独享计算和存储,不和别人混。
数据流向:数据在云上,但只在企业自己的 VPC 内流转,不经过公网,不与其他租户共享。
这种形态常被当成"私有化"来卖,但要说清楚:物理上,数据还是在云厂商的机房里。 对多数企业来说,VPC 隔离加合同约束够了;对要求"数据必须在我自己的机架上"的企业,不够。
适合谁:没有自建机房、但要求网络隔离的中型企业;业务有波峰波谷、需要弹性扩容的场景。
形态三:公有云 SaaS
多租户,开箱即用,按账号付费。
数据流向:业务数据上传到厂商的云环境,模型推理也在云端。
这种形态在协同办公、CRM 领域很常见,在财务核心数据上,接受度低。原因不是技术不安全,是责任说不清:数据在别人手里,出了事谁负责,合同里很难写明白。
适合谁:非核心的财务场景,比如发票查验、政策问答、公开报表分析。核心账务不建议。
形态四:混合
这是实际项目里出现频率很高的一种,但很少被单独讲。
常见做法是:数据留在本地,模型调用走云端,但只发元数据。
具体说,用户在本地问"上月各部门费用",系统在本地把这句话解析成结构化的查询意图,只把表名、字段名、指标定义这些元数据发到云端,让模型生成 SQL,SQL 拿回本地执行,业务数据一行都不出网。
|
环节 |
本地 |
云端 |
|
用户提问 |
✓ |
|
|
意图解析 |
✓ |
|
|
表名/字段名/指标定义 |
发出 |
接收 |
|
SQL 生成 |
|
✓ |
|
SQL 执行 |
✓ |
|
|
业务数据 |
✓ |
不发送 |
|
结果展示 |
✓ |
|
这个模式的关键在于:模型看到的是"表结构",不是"表内容"。 它知道有一张 `expense_detail` 表,有 `dept_id`、`amount`、`post_date` 三个字段,但不知道里面任何一行是什么。
风险点也要说清楚:元数据本身也有信息量。表名和字段名能透露业务结构,比如"有 `project_cost` 表说明按项目核算"。对保密要求极高的企业,这一层也要评估。
三、怎么选:四个问题定形态
不用一上来比产品,先用四个问题把自己框住。
问题一:有没有硬性合规要求?
金融、医疗、政务、军工,以及部分央国企,监管或内部制度会明确要求数据不出内网。有这条,直接选全本地,其他不用谈。
问题二:数据里有没有第三类(薪酬、资金)?
如果有,且工作台需要访问这类数据,全本地或本地加混合。如果工作台只碰费用和经营分析,不碰工资和银行账户,选择空间大一些。
问题三:有没有自建机房和运维能力?
全本地不是买台服务器就行。要有机房、有网络、有备份、有人值班。没有这些,硬上全本地,半年后大概率出问题。
问题四:业务量有没有明显波峰?
财务的使用集中在月初月末。如果按峰值配硬件,平时浪费;按平均值配,月底卡。云上的弹性对这种场景有优势,本地部署则要靠队列和降级来扛。
四个问题的答案组合起来,形态基本就定了:
|
合规硬要求 |
有运维能力 |
推荐形态 |
|
有 |
有 |
全本地 |
|
有 |
无 |
托管私有云(专属实例) |
|
无 |
有 |
本地 + 混合模型调用 |
|
无 |
无 |
专属云 / VPC |
四、国产化环境:不是一句"支持"就够
政企和央国企的项目,国产化适配是必答题。这块容易被一句"我们支持信创"带过去,实际要落到具体版本。
操作系统:麒麟 V10、统信 UOS 是常见的两个。要确认的是具体小版本,以及依赖库的兼容性。有的产品在麒麟 V10 SP1 上跑得好,SP3 就出问题。
数据库:达梦 DM8、人大金仓 KES、GaussDB、OceanBase 这几个是主流。适配的深度差别很大:能连上算一层,能正确识别字段类型和函数算一层,能在上面跑出正确结果算另一层。
举个具体的:分页语法。MySQL 用 `LIMIT`,Oracle 用 `ROWNUM`,达梦两种都支持但行为有差异。AI 生成的 SQL 如果按 MySQL 的写法生成,到国产库上就报错。这不是模型的问题,是语义层里要针对不同数据库做方言适配。
芯片:鲲鹏、海光、飞腾这些,模型推理的适配情况各不相同。有的模型在鲲鹏上要重新编译,有的量化版本只支持特定架构。这块必须实测,不能看文档。
验证方法:不要信兼容列表,让对方在你的目标环境里装一遍,跑二十个真实问题。装得上、跑得通、结果对,三关都过才算适配。
国产化适配要分三层看,很多厂商只做到头一层:
|
层次 |
做到什么程度 |
验证方法 |
|
能装 |
操作系统上装得起来,服务能启动 |
看安装日志 |
|
能连 |
能连上国产数据库,读写正常 |
建一张表,插一条数据 |
|
能算 |
复杂查询、函数、分页、字符集都对 |
跑二十个真实业务问题 |
一层是门槛,第二层是及格,第三层才算能用。只做到第二层的产品,上线后会在各种细节上报错,比如日期函数返回空、中文排序不对、金额精度丢失。
五、模型这一层,容易含糊
部署形态谈完,紧接着的问题是:模型跑在哪。
现在有三种做法:
1. 纯本地模型:开源权重模型部署在内网,数据完全不出网。效果好坏的差别很大,14B 和 32B 在实际问数场景里差得明显。
2. 纯云端 API:调用外部大模型服务,效果好、成本低,但请求内容要出网。
3. 混合路由:日常问题走本地模型,复杂问题走云端,敏感数据走本地。
第三种听起来理想,实现上有个难点:怎么判断哪些问题敏感? 靠关键词匹配不靠谱,"工资"这个词可能出现在任何上下文里。
实际可行的做法是按数据域路由:查询涉及薪酬表、银行账户表的,强制走本地模型;只涉及费用、应收、库存的,可以走云端。这个规则写在语义层里,和执行权限用同一套配置。
六、权限和审计,在部署上怎么落
权限这件事,前面说过要落到数据库层。放到部署形态里,还有几个具体问题。
问题一:数据库账号怎么管。
全本地部署,数据库在企业自己手里,可以给工作台开一个只读账号,限制到具体的库和表。专属云部署,要确认云上的数据库权限模型能不能支持同样粒度。
问题二:审计日志存在哪。
日志本身也是敏感数据。谁在什么时间问了什么,能反推出很多信息。日志要存在企业能控制的地方,且保留期要符合行业要求。金融类的留存要求通常比一般行业长,具体按监管口径定。
问题三:模型调用日志算不算数据出网。
走云端模型时,请求内容会不会被厂商留存、留存多久、能不能关闭,这些要写进合同。技术上通常有关闭日志的选项,但默认设置往往不是关闭。
问题四:备份和灾备。
全本地部署的备份,企业自己负责。这里容易出的事是:备份文件放在同一台机器上,机器坏了备份也没了。基本要求是异地或至少异机。
补一层:数据分级
部署形态定完之后,还要在系统里把数据分级配出来。
常见分四级:公开、内部、敏感、核心。公开和内部可以走云端模型,敏感只在本地处理,核心连本地模型都不给看,只能查预置好的固定问题,不让模型自由生成 SQL。
这个分级不是技术分类,是管理动作,得财务和 IT 一起定。定完之后,路由规则、权限规则、脱敏规则都从这张表长出来。分级没定,后面所有配置都是拍脑袋。
七、选型检查清单
把上面的内容收成一张表,选型时逐条问。
|
检查项 |
要问出什么 |
|
部署形态 |
全本地 / VPC / SaaS / 混合,分别怎么报价 |
|
数据流向 |
哪些数据出网,出到哪,能不能关闭 |
|
模型位置 |
本地推理还是云 API,能不能按数据域路由 |
|
元数据范围 |
走云端模型时,具体发送哪些字段 |
|
国产化 |
操作系统、数据库、芯片的具体版本,有没有实测案例 |
|
权限粒度 |
行级、字段级,在哪一层执行 |
|
审计 |
日志记什么、存哪、留多久、能不能导出 |
|
性能 |
问数走生产库还是副本,有没有队列和超时 |
|
升级 |
谁负责升级,升级会不会影响已配置的口径 |
|
迁移 |
以后要换,数据怎么迁出,格式是什么 |
十条里如果有三条答不清楚,这个方案就先放着。
八、三种典型组合
把前面内容落到具体场景,大致是三种配法。
组合一:制造企业,自建机房,要求数据不出厂
全本地部署。ERP 和 MES 都在内网,企业级 AI 工作台装在同一个网段,模型用本地 14B 或 32B。硬件按 32 核 128G 加一张推理卡配,够一两百人用。
这种配法的关键是运维。要有专人管备份、管升级、管账号。没有这个人的话,建议至少把模型推理这部分托管出去。
组合二:连锁零售,门店分散,总部有 IT
总部全本地,门店通过内网访问,不走公网。促销期间查询量大,用队列扛,不额外扩容。
如果门店跨区域、网络质量不稳定,可以考虑总部本地加区域专属云的混合形态。数据在区域内闭环,跨区只传汇总结果。
组合三:集团型企业,多套 ERP,合规要求高
这种企业往往既要求数据不出集团,又有多个法人主体要分别管。常见做法是集团建一套企业级 AI 工作台,各法人作为租户接入,数据逻辑隔离,权限按法人边界划。
部署上是全本地,架构上要做多租户。这一层如果产品不支持,只能一个法人装一套,运维成本会翻几倍。安捷 AI 这类企业级 AI 工作台提供数据范围配置,可以按法人划可见边界。
九、结尾
企业级 AI 工作台的部署形态,说到底是在回答一个问题:这些数,你打算让谁看见。
全本地不是保守,是把边界画清楚;上云也不是冒险,是算过账的选择。怕的是没想清楚就选,选完发现合规过不了,或者运维扛不住,再回头成本就高了。
安捷AI在这条线上做企业级 AI 工作台,支持全本地部署,也支持只发元数据的混合模式,国产操作系统和数据库做过适配。这类方案国内有若干家,选的时候按上面那张清单逐条对,比听介绍有用。
数据出不出内网,这一条定了,剩下的才有得谈。
- 点赞
- 收藏
- 关注作者
评论(0)