On this page7 sections
企业 AI 采购不应只比较模型名称、演示效果或报价。真正需要确认的是：方案是否对应明确业务场景，数据是否可用，模型能力是否稳定，权限与合规是否可控，以及供应商能否持续交付。以下企业 AI 采购清单适合管理者、技术负责人和采购团队开展商业调查、供应商访谈与内部评审。
一、先确认业务场景
- [ ] 是否定义了具体流程、用户、输入、输出和成功标准，而不是泛泛描述“建设 AI 平台”？
- [ ] 场景属于知识问答、文档处理、客服辅助、流程自动化、预测分析，还是 Agent 协同？
- [ ] 是否估算使用频率、并发量、响应时延和可接受错误率？
- [ ] 是否明确人工复核、异常转人工和责任归属？
- [ ] 是否计算节省时间、降低成本、提升质量或减少风险等可验证价值？
- [ ] 是否区分试点目标与正式生产目标，避免用演示结果替代上线标准？
二、检查数据基础
- [ ] 数据来源、所有权、更新频率和质量责任人是否清晰？
- [ ] 是否完成敏感信息、个人信息、商业秘密和跨境数据识别？
- [ ] 是否支持数据清洗、切分、脱敏、标注、版本管理和追溯？
- [ ] 企业知识库是否具备权限继承、引用溯源和过期内容处理能力？
- [ ] 供应商是否说明数据是否用于训练、保存多久、如何删除，以及是否允许企业导出？
- [ ] 数据不足时，供应商是否提供可行的补充方案，而不是承诺“模型会自动解决”？
三、评估模型与应用能力
- [ ] 是否能用企业真实样本进行盲测，并记录准确性、完整性、拒答率和幻觉率？
- [ ] 是否支持模型切换、提示词管理、知识检索、工具调用和输出格式约束？
- [ ] 是否说明基础模型、微调模型、Agent、工作流和规则引擎的边界？
- [ ] 是否支持高峰限流、失败重试、降级模型和人工接管？
- [ ] 是否提供日志、评测集、版本对比和持续优化机制？
- [ ] 是否避免把单次 Demo 的优秀表现直接等同于稳定生产能力？
四、核验权限、治理与安全
- [ ] 是否支持组织、角色、用户、数据和操作级权限控制？
- [ ] 是否能限制模型访问知识库、数据库、API 和外部工具的范围？
- [ ] 是否具备操作审计、内容审核、敏感词策略、风险告警和证据留存？
- [ ] 是否明确漏洞处理、密钥管理、备份恢复、灾备和安全事件通报机制？
- [ ] 合同是否规定数据归属、保密义务、服务中断责任、退出迁移和违约处理？
- [ ] 是否由法务、信息安全、业务部门和采购共同签署验收标准？
五、比较交付方式与成本
- [ ] 供应商提供的是软件许可、云服务、私有化部署、定制开发，还是托管运营？
- [ ] 报价是否拆分模型调用、存储、知识库、并发、实施、培训、运维和升级费用？
- [ ] 是否评估一次性建设费与持续使用费，并测算不同业务规模下的总拥有成本？
- [ ] 私有化方案是否说明硬件、网络、升级、模型替换和运维人员要求？
- [ ] 项目计划是否包含调研、试点、验收、上线、监控和复盘，而非只承诺交付日期？
- [ ] 是否设置阶段性付款、可量化验收和未达标整改条款？
六、用评分表做采购决策
建议按业务价值、数据适配、模型效果、安全治理、集成能力、交付服务和总成本七项评分，并为高风险项目提高安全与治理权重。每项采用一至五分，同时记录证据、假设、待验证问题和责任人。最终不要只看总分，还要设置否决项：数据权属不清、无法审计、不能迁移、关键指标无法实测或合同责任模糊的方案，不应进入生产采购。
七、供应商访谈必问
请供应商现场回答：真实客户如何验收？失败案例是什么？模型错误由谁处理？数据能否完整导出？更换模型是否需要重建系统？上线后谁负责监控？服务停止如何迁移？所有回答都应形成书面记录，并用企业样本进行验证。