模型私有化部署、本地知识库、大模型用量与成本管控、垂直领域小模型训练。每一项我们都先在自己公司做了一遍，数字和坑都公开。
不写案例、不报一口价。每页都写清「不适合谁」。
把大模型装进不出网的机器里。资料不上云、账号不共享，按你的硬件挑能跑得动的模型。
把企业自己的图纸、工艺、合同、会议纪要装进一台不出网的机器里，用自然语言问，答案带原文引用。
企业接入大模型之后的第二个问题：谁在用、用在哪、花了多少、有没有把不该发的资料发出去。
用你自己的数据训一个只干一件事的小模型：分类、抽取、判定。跑得快、放得下、不出网。
能力的佐证：都是全离线或可私有化，短板写在页面正文里。
开源的供应商质量档案预审工具：把扫描件质量记录里的填写规范问题自动挑出来，人只看疑点。
把项目会议录屏变成可举证的记录：甲方说过的每句话，都能翻回去、点开听、有画面为证。
出审计报告前，先让 AI 把几百份文件过一遍——把漏查的风险项标出来，每条能复核、能溯源。
每篇的数字都有出处，主动写「不适合」。
没有显卡能不能跑、和 DeepSeek 差多少、喂资料前怎么清洗——12 个真问题，数字来自 2026 年 9 月实测
一场 28 分钟真实会议的转写实测：哪些词会听错、为什么术语表没用、画面里有音频没有的信息
三个人审八家子公司的场景拆解：AI 兜底的是漏查风险，不是速度