为什么团队选择我们
从私有模型托管走向可用的行业工作流
只有一个私有模型接口还不够：它不会自动完成对账、解释差异，也不会产出财务团队可以审查和签字的报表。
匡优数言私有化部署为已批准的模型补上工作流层。
它将混乱的导出文件和多工作表工作簿变成可重复的行业工作流：导入文件、执行确定性检查、套用财务或运营模板，并在您的环境中返回带证据的结果。
使用匡优数言私有化部署，您的团队可以：
- 将文件、提示词和输出保留在批准的环境中
- 在质量和硬件验证通过后，将简单任务路由给高效的开源权重模型
- 用行业模板处理对账、差异复核和周期性报表
- 保持计算过程确定，并展示每个答案背后的证据
- 交付团队可以审查、修正、分享和使用的结果
匡优数言解决方案
- 批准的数据边界
- 可替换的模型层
- 行业工作流模板
- 可审查的输出
为什么团队选择私有化工作流 Agent
将敏感数据保留在应有的位置
在您自己的环境中处理电子表格和报表工作流，而不是依赖共享托管设置。
用真实工作流测试模型
在真实文件上比较开源 MoE 或已批准 API 模型的质量、延迟和每次完成工作流的成本，再决定路由方式。
符合现有IT和安全要求
以符合内部审查、访问控制和基础设施标准的方式部署匡优数言。
把工作打包成行业方案
从月度对账或预算执行差异复核等痛点流程开始，把输入、检查、提示词和输出固定下来。
衡量结果，而不是演示效果
通过 POC 比较审查时间、修正率、答案质量和每次完成工作流的成本，再决定是否扩大部署。
Docker 自助部署：部署在你自己的环境中
匡优数言以 Docker 容器交付。你的 IT 团队可以按部署文档自行安装，也可以由我们远程协助。按你的数据政策选择部署环境。
本地部署
在你自己的机房服务器上运行匡优数言。文件、提示词、模型调用和日志都留在你的基础设施内。
完全离线（物理隔离）
在不连接互联网的隔离网络中运行匡优数言和模型，适合不允许任何外发流量的团队。
私有云
如果你的合规环境在云上，可以部署到自己的云账号或私有 VPC 中。
支持私有大模型：DeepSeek、GLM 等开源模型
匡优数言运行在你自己托管的开源大模型之上，提示词和文件内容不会发送到公共模型 API。可以先用自己的文件测试几个候选模型，再按效果和硬件预算选定。
不同模型和版本的效果存在细微差别，最终效果以你的文件和硬件实测为准，建议先用自己的数据测试。
为什么这很重要：
私有化部署与云端 AI 数据分析对比
两种方式使用同一套匡优数言工作流，区别在于文件和模型运行在哪里。
| 对比项 | 匡优数言云端版 | 匡优数言私有化部署 |
|---|---|---|
| 文件在哪里处理 | 匡优数言云端，加密存储 | 你自己的服务器或私有云 |
| 由哪个模型回答 | 匡优数言托管的模型 | 你自己托管的开源模型，如 DeepSeek 或 GLM |
| 是否需要联网 | 需要 | 可选，支持完全离线 |
| 如何上手 | 注册后上传文件 | IT 团队按部署文档用 Docker 部署 |
| 适合场景 | 用非受限文件快速开始 | 不能离开内网的财务、人事和受监管数据 |
DeepSeek、GLM 私有化部署的硬件要求
硬件成本主要取决于模型，而不是匡优数言本身。下表是模型厂商及其推荐推理框架公布的最低 GPU 配置。
| 模型 | 规模 | 官方公布的 GPU 配置 | 来源 |
|---|---|---|---|
| GLM-4.7-Flash | 30B (3B active) | 1× H100 (BF16) | Z.ai GLM README |
| GLM-4.5-Air | 106B (12B active) | 2× H100 (FP8) / 4× H100 (BF16) | Z.ai GLM README |
| GLM-4.5 / 4.6 / 4.7 | 355B (32B active) | 8× H100 (FP8) / 16× H100 (BF16) | Z.ai GLM README |
| DeepSeek V3 / R1 | 671B (37B active) | 1 node of 8× H200, or 2 nodes of 8× H100 / H20 | SGLang DeepSeek guide |
数据来自厂商官方文档，前提是使用 NVIDIA H100/H200 等支持 FP8 的 GPU。更长的上下文和更多并发用户需要更多 GPU。两个模型系列也都官方支持华为昇腾和 AMD 加速卡。具体到你的业务量的配置，我们会在部署文档中确认。
您的团队可以投入生产的结果
交付物是一套受控工作流：把真实业务文件转化为带证据的分析和可用于报表的输出。
数据边界
模型选择
工作流适配
结果可审查性
您的团队可以：
从真实文件开始
使用团队已经在审查的电子表格和导出文件
执行重复检查
在分析前检查列、合计、日期、重复项和缺失值
套用工作流模板
按已知业务流程完成对账、比较、解释或总结
展示证据
让来源行、公式、假设和修正记录对审查者可见
导出决策材料
完成人工复核后分享报表、图表或仪表盘
机会在于可重复的结果：减少手动工作、证据清晰、团队敢于使用。
为有重复性敏感工作流的团队而构建
匡优数言私有化部署非常适合以下组织：
常见团队包括：
部署流程：从 Docker 镜像到第一份分析
1. 申请部署文档
填写简短表单，我们会把部署指南、参考架构和配置建议发到你的邮箱。
2. 准备服务器和模型
选择 DeepSeek 或 GLM 等开源模型，并按官方要求准备 GPU。
3. 用 Docker 启动匡优数言
在你的网络中启动匡优数言容器：本地机房、私有云或完全离线环境均可。
4. 用自己的文件测试
用有代表性的文件跑一个重复性工作流，比如对账或月度报告，并核对结果。
5. 审核后推广
由业务审核人确认结果后，再推广到更多用户和工作流。
获取私有化部署文档
简单介绍一下你的环境，我们会通过邮件发送用 Docker 运行匡优数言的部署指南。
匡优数言私有化部署资料包
PDF • 定期更新
Docker 部署指南
参考架构（含离线部署）
硬件和模型配置建议
部署与验收清单
为技术审查和业务采用而构建
匡优数言私有化部署旨在帮助技术和业务利益相关者充满信心地前进。
技术团队可以审查：
- 部署架构
- 数据流边界
- 环境所有权
- 模型路由选择
- 基础设施要求
业务团队可以评估：
- 报表工作流匹配度
- 到可用输出的速度
- 结果可审查性
- 内部推广潜力
目标是一套技术、安全和业务团队可以共同评估的可审查工作流。