对数据敏感的企业，AI 能不能用在"数据不出内网"的前提下？本文拆解私有化部署的三种形态、硬件与成本区间、以及与业务流程的接入方式。
当 AI 要被用在客户资料、报价、研发数据、财务制度这些内容上时，"数据外传"就会成为推进的阻力。私有化部署把模型与知识库放进企业自己的网络，消除这一顾虑。
① 全本地：模型与数据都在内网，断网可用，适合强敏感场景；② 混合：敏感数据本地、通用能力走云端，平衡成本与效果；③ 专有云：部署在云上的独占实例，隔离性好、维护轻。
本地部署通常按并发与模型规模选型：小团队可用单台工作站级服务器起步；中型企业一般配置 GPU 服务器，成本与一台高配业务服务器相当。混合模式可显著降低初期投入。具体选型需按问答量、并发数与是否做文档理解评估。
理想方式是不改变员工习惯：通过企业微信/飞书/钉钉入口使用，通过 API 与 ERP、CRM、OA 打通。这样上线阻力最小、培训成本最低。
① 需求与数据梳理（3-5 天）；② 环境准备与部署（3-5 天）；③ 知识库接入与调优（1-2 周）；④ 场景试点与培训（1 周）；⑤ 推广与运维交接。多数企业 3-6 周可完成首个场景上线。
可由内部 IT 维护（提供运维手册与培训），也可选择服务方远程/现场运维；建议明确"知识库内容由业务部门负责、系统健康由 IT 负责"的分工。
在企业内部知识问答这类任务上，只要知识库质量与检索策略到位，本地模型的表现通常已能满足业务需要；关键在知识库，而不只是模型。