名词解释 / 07
本地部署
英文名称：Local Deployment 常见别名：本地化部署、私有化部署（企业谈话中常混用）、自部署 所属分类：进一步了解 AI 原理
一句话解释
本地部署，是把 AI 模型安装并运行在公司自己掌控的电脑或服务器上，而不是通过互联网调用外部服务商的模型。可以把模型理解成从服务商机房"搬回"了公司内部：资料处理全程在自己设备上完成，数据不出公司；代价是硬件要自己买、环境要自己装、日常要有人维护。
工作中什么时候会遇到
平时用 WorkBuddy、千问办公这类办公 AI，你的提问要传到服务商那边去处理，这属于"云端"用法。而当公司讨论 AI 选型、数据安全或采购新系统时，你会听到"这个能不能本地部署"——通常是 IT、数字化或采购部门的同事在评估，要不要把模型装在自己服务器上，让敏感数据不离开公司。
面向企业的 AI 产品有时会分"云版本"和"本地部署版"，后者往往价格更高、交付周期更长。如果你的岗位经常接触合同、客户资料、报价或财务信息，或者公司明确规定某些数据不能外传，这个话题就会落到业务部门头上，需要你参与判断和验收。
能解决什么问题
- 数据留在公司内部：合同、客户资料、报价、财务数据不用上传外部服务，降低外泄顾虑，更容易满足公司数据管理规定和客户审计要求。
- 高频固定任务的长期成本更可控：会议纪要整理、文档分类、知识库问答这类任务量大且重复，本地跑通常比逐次按量付费更划算。
- 使用更稳定：不依赖外网和服务商的状态，内网环境下也能用，响应速度波动更小。
- 能和公司自己的资料、流程结合：把本地模型接上内部知识库或业务系统，回答能基于本公司真实资料，而不是模型自带的通用知识。
- 为敏感场景提供合规路径：当监管、客户或公司制度要求数据不能交给第三方时，本地部署是少数既用得上 AI 又不违规的方式之一。
举个例子
某公司的销售合同含报价和付款条款，管理层明确要求这些内容不能发给外部 AI。IT 部门把历史合同、产品规格和公司制度整理成内部知识库，在公司服务器上部署模型，做成内部查询入口。销售和财务在里面提问"把过去一年付款周期超过 60 天的客户和对应金额整理成表"，模型读取内部资料后生成一张汇总表格。员工需要把表里每一项与原始合同核对，确认无误后再用于对账；整个过程中合同内容没有离开公司网络。
怎么使用
对普通员工来说，本地部署通常不需要自己动手。一般由公司的 IT 或数字化部门、或聘请的外部服务商完成服务器准备、模型安装和调优；员工之后通过内部网站、办公系统入口或桌面软件来使用，交互方式和日常 AI 助手一样，直接提问即可。如果公司没有提供这类入口，个人不需要、一般也无法自行部署，有需求应反馈给 IT 部门。具体某款产品能否本地部署、支持哪些功能，以当前版本和官方说明为准。
想了解原理的员工，也可以在自己的电脑上用开源模型配合图形化工具做个人尝试，但要清楚这只是体验，和企业正式使用是两回事。
使用时要注意什么
本地部署不等于"天然更安全"。数据放在自己手里，但服务器权限设得对不对、补丁有没有及时打、内部能否防止越权，才真正决定安全性；管理跟不上反而可能比受专业维护的云端更脆弱。它也不一定更便宜：显卡和服务器是一次性投入，之后还有电费、维护人力和数据整理成本，用量低的时候往往比按调用付费更贵，本地部署真正省钱的前提是硬件长期有活干。
也别把它当成云端大模型的完全替代。受硬件限制，本地模型在复杂推理、需要最新信息等任务上通常弱于云端最强模型，能力还会随技术更新而落后，需要持续维护升级。"部署一次就一劳永逸、以后 AI 免费"这类说法要打折扣。许多公司实际采用"本地 + 云端"的组合：敏感、高频、固定的任务走本地，复杂、低频、需要最强能力的任务调用云端大模型。
容易混淆的词
私有化部署：更强调把整套系统交给某一家客户独占使用，服务器可能在公司机房，也可能在服务商机房里单独划出。企业谈话中常与"本地部署"混用，多数场景含义接近。 离线使用：本地部署不等于断网。它只是说数据不必上传外部服务器，联网仍可用于更新模型、校验授权或下载组件；"离线"指完全不连外网也能运行，两者不是一回事。 开源模型：指模型权重公开、可以免费下载使用的模型。本地部署常用开源模型，但开源模型同样可以放在云端跑。一个说的是模型的来源，一个说的是运行的场地，是两个不同维度。 云端调用：把模型放在服务商机房、通过网络调用，正好是本地部署的反面。不用自己买硬件和维护，但数据要出公司，通常按使用量付费。