为企业构建定制 AI 解决方案的公司：你需要哪一类，以及如何考察

为企业构建定制 AI 解决方案的公司分为六类：AI 咨询公司、云服务商及其合作伙伴公司、产品工作室、把模型接入企业数据和系统的工程公司、数据科学公司，以及自由职业者。它们做的是不同的工作。哪一类适合你，取决于你要解决的问题，所以在给任何人打电话之前，先把问题说清楚。

每一类里的大多数公司都说自己做“定制 AI”。这个说法可以指一份战略演示文稿、加进应用里的一个聊天机器人、一个预测模型，也可以指每天读几千份合同的系统。下文按公司所做的工作分类，并对应到具体的业务问题。最后几节讲签约前要核查什么。

如今“定制 AI 解决方案”通常指什么？

如今在许多企业项目里，没有人训练新模型。公司拿一个现成的语言模型或标准的机器学习方法，围绕它构建其余部分。这些部分把模型与你们的文档和数据、以及员工已经在用的软件连接起来。

具体工作通常属于以下几类之一：

• 依据你们自己的文档回答问题，比如政策、合同或产品手册。工程师把这称为检索增强生成，简称 RAG
• 读取以各种格式送来的文档，并把它们转成你们系统能用的记录，比如发票、理赔单，或银行和券商发来的通知
• 根据你们的历史数据预测一个数字或一个“是/否”答案，比如下个月的需求、客户流失的概率或一笔贷款的风险
• 在客户使用的产品里加入 AI 功能，比如写作助手，或能听懂日常提问的搜索框
• 在你们公司掌控的服务器上运行语言模型，因为数据不能离开公司
• 在必须赶在硬性时限前作答的系统里做决策，比如在线广告竞价

每一类需要的技能都不同。擅长其中一类的公司，可能从没交付过另一类。

哪些类型的公司构建定制 AI 解决方案？

下面的清单按公司所做的工作分类，而不是按名称或排名。每一条都说明这类公司擅长什么，以及该问它什么。

• AI 咨询公司和战略公司帮你选择 AI 值得用在哪里、撰写商业论证并规划整个项目。其中很多会把开发交给另一个团队。要求见一见实际负责开发的工程师，并核实他们是正式员工还是分包商
• 云服务商及其合作伙伴公司基于该服务商自己的 AI 服务来构建。比如 Amazon Web Services 在2023年6月宣布成立 AWS Generative AI Innovation Center。这是一个 1 亿美元的项目，让 AWS 自己的 AI 专家与客户一起做生成式 AI 项目。如果你们的系统本来就在这家云上，这条路就合适。问清楚：如果哪天迁到别的服务商，设计中的哪些部分需要重做
• 产品工作室设计和开发应用，常常通过服务商的 API 调用模型来加入 AI 功能。当 AI 只是新产品里的一项功能时，就适合找它们。问清楚服务商的服务变慢或宕机时这项功能会怎样，以及它的用量费用由谁承担
• 在你们系统内部工作的工程公司，把模型接入你们的文档、数据库和内部工具。典型的工作有跨公司文档的搜索、从收到的文档中提取数据，以及在你们自己的服务器上运行模型。当 AI 必须使用你们已有的数据和软件时，就适合找它们
• 数据科学和机器学习公司用你们的历史数据构建预测模型：预测、评分和欺诈检查。如果答案是一个数字或一个类别，而且你们有多年的记录，就适合找它们。问清楚数据变化时模型怎么重新训练
• 自由职业者适合做第一个原型或单个脚本，这时一个人就能完成全部工作，你也能自己检查结果。问清楚合同结束后系统及其文档会怎样

现成软件是第七种选择，值得最先查看。如果很多公司都有和你一样的问题，比如回答常规的客服问题，那么在花钱请人开发之前，先找找有没有成品。

哪一类公司适合我们的问题？

先从问题出发，再看每天都在做这类工作的是哪一类公司：

• “我们不知道 AI 用在哪里能见效。”先找咨询公司或做一次内部评估，结果只保留一份简短的任务清单，每项任务都指定一名负责人
• “员工要花好几个小时在公司自己的文档里找东西。”能构建带访问权限规则的文档搜索的工程公司；如果文档都放在一个共享资料库里，也可以用现成产品
• “收到的文档里的数据，我们要重新手工录入。”做过文档数据抽取、并能用你们的文档样本展示错误率的工程公司
• “我们想预测需求或给风险打分。”数据科学公司，前提是你要预测的那件事有干净的历史记录
• “我们的产品需要一项 AI 功能。”产品工作室，或由你们自己的产品团队在工程公司协助下完成
• “我们的数据不能离开公司。”在客户自有基础设施内部署过模型的工程公司
• “我们全部押在一家云上。”找这家云服务商自己的团队，或它的某家合作伙伴公司

其他公司在选择 AI 供应商时看重什么？

MIT NANDA 于2025年7月发布的报告《The GenAI Divide: State of AI in Business 2025》，基于对 52 家机构代表的访谈。作者按主题归纳了买方在评估 AI 工具时强调的因素。对供应商的信任、对买方工作流程的深入理解、对现有工具干扰最小，以及清晰的数据边界都被提到了。随时间不断改进的能力和情况变化时的灵活性也在其中。

这些大多可以在签约前检验。懂你们业务的公司，在提出任何方案之前，会就你们的流程问得很细。数据可以流向哪里应该写进合同，而下面的核查项涵盖了公司在上线后应如何衡量质量。

签约前如何考察一家 AI 公司？

给你短名单上的每家公司发同样的要求，并把回答放在一起比较：

• 展示一套你们开发的、如今每天都在使用的 AI 系统。问清它做什么、现在由谁运维、多常给出错误答案。拿公司自己的样例数据做的演示不算
• 讲清合作结束时什么归谁。代码是显而易见的部分。提示词（模型遵循的书面指令）、模型设置、带正确答案的测试问题集，以及把你们的数据送进系统的脚本，也要问同样的问题，因为没有它们系统就无法运行
• 说明输出质量将如何衡量。好的回答是：一组来自你们公司的真实样例，每个都附有正确答案，在开发前商定，每次改动后重新跑一遍
• 画出你们的数据去向。图里要标出数据流经或存放的每一个地方，包括日志、备份和任何外部模型提供方，并标明其中有没有数据被用来训练供其他客户使用的模型
• 讲清上线之后会怎样。问清谁来盯质量，谁来修正错误答案，模型提供方下线系统所用的模型时又怎么办。OpenAI 和 Anthropic 都发布了页面，列出它们即将下线的模型及日期

选择 AI 公司时有哪些危险信号？

• 还没人看过你们的流程，每个问题就已经有了同一个答案，比如聊天机器人或 AI 智能体
• 参加销售会谈的人不会参与项目，而这家公司也说不出谁会参与
• 公司还没在你们的文档或数据上做过任何测试，就先用一个数字承诺准确率
• 系统会在其他软件里执行操作，比如发邮件或修改记录，却没有任何一步需要人来批准
• 合同对提示词和测试问题只字未提，或把它们列为这家公司的财产
• 这家公司拿得出的例子只有试点和演示，没有一套真实员工或客户每天在用的系统

amBrain 在其中处于什么位置？

amBrain 在客户自有基础设施内部署私有语言模型，并把它们接入客户已在运行的系统。amBrain 基于企业自己的文档构建检索增强生成（RAG）系统。

amBrain 公开描述的唯一一个语言模型项目是：“我们已在一家客户的金融科技边界之内，将一项 LLM 集成投入生产：把非结构化的经纪商与交易场所通知——公司行动、金融工具与保证金变更——抽取并规范化为交易系统所消费的结构化记录。”

amBrain 另有一条业务线在在线广告领域。amBrain 在出价方内部构建 ML 推理：模型在竞价窗口之内决定出价。出价方是在线竞价中决定为一个广告位出价多少的系统。

amBrain 自 2019 年起开发软件。它用一句话描述自己的团队：“团队规模最多 40 人，其中约 75% 是资深人员。”amBrain 有三种合作方式：整体交付、专属团队，或工程师嵌入你的团队。客户拥有产品与代码的全部所有权，amBrain 的可复用组件除外。

如果你的问题是依据自己的文档回答问题，或者在你掌控的服务器上运行语言模型，就把你那一句话的问题，以及发给名单上其他每家公司的同样五项要求，也发给 amBrain。

常见问题

• 我们真的需要定制 AI 吗？不一定。如果已有产品能完成这项任务，并且符合你们关于数据流向的规定，买现成的往往更简单。当任务依赖于你们自己的文档、数据或系统，而且没有哪款产品能覆盖时，定制才划算
• 这家公司应该为我们训练自己的模型吗？一开始很少需要。在为训练付钱之前，先请对方说明：一个现成模型在拿到你们的文档和好的指令后，为什么在你们的测试问题上仍然达不到要求
• 定制 AI 解决方案要花多少钱、多长时间？价格取决于工作类型、AI 需要对接的系统数量、你们数据的状况、关于数据流向的规定，以及上线后由谁运维系统。请每家公司为一个小的第一阶段报价，并附上书面的验收标准
• 以后能换公司吗？能，前提是代码、提示词、测试问题和运维说明都归你所有，并且系统不依赖这家公司的服务器或许可证密钥。在开工之前就把这一点写进合同