SEO2026第215期 ｜SEO从业者AI使用行为规范及标准（八）

索未 · SEO ｜ SEO 深度解读

索未 · SEO 深度解读

SEO 从业者 AI 使用行为规范及标准（八）：AI 供应商准入评估、模型采购审查与第三方服务退出机制

创见日期：2026 年 8 月 3 日

企业采购 AI 服务时，最容易关注的是三个问题：

• 模型效果好不好；
• API 价格高不高；
• 响应速度快不快。

这些指标当然重要，但它们只能说明一个模型在当前测试中的生产表现，不能证明这家供应商适合进入企业生产环境。

一家模型供应商即使当前能力领先，也可能存在以下问题：

• 数据留存条件与企业要求不匹配；
• 不同产品使用不同的数据处理政策；
• 服务调用了未充分披露的第三方；
• 模型版本可能快速退役；
• 价格、限额和上下文能力可能随时调整；
• 无法提供稳定的审计日志；
• 不支持企业所需的数据区域；
• 合同没有明确事故通知责任；
• 退出后无法完整导出提示词、文件和运行记录；
• 企业已经深度绑定其专有接口，无法快速切换。

因此，AI 采购不能被理解为购买一个“聪明的模型”。

企业实际采购的是一整套持续变化的服务关系，包括：

法律主体、具体产品、模型版本、数据处理路径、基础设施、连接器、子处理者、合同条款、服务支持、版本变更机制和退出能力。

NIST 的网络安全供应链风险管理指南提出，组织应在整个供应链范围内识别、评估和降低产品与服务带来的风险，并将供应链风险管理纳入组织整体的风险管理活动，而不是只在采购完成后被动处置问题。(NIST Computer Security Resource Center)

ISO/IEC 42001 同样适用于使用第三方 AI 系统的组织，要求企业通过结构化管理体系识别和管理 AI 风险。ISO 同时明确，ISO/IEC 42001 认证属于自愿性认证，并由独立认证机构实施，ISO 本身并不直接为企业颁发认证。(ISO)

这意味着：

认证、品牌规模和市场知名度可以成为供应商评估证据，但不能代替企业自己的准入判断。

⸻

同一家供应商可能同时提供：

• 消费者免费版；
• 个人订阅版；
• 团队工作区；
• 企业工作区；
• 开发者 API；
• 云平台托管版本；
• 第三方市场中的模型版本；
• 带文件存储、网页搜索或代码执行能力的扩展功能。

这些产品在以下方面可能完全不同：

• 数据是否用于模型改进；
• 输入输出保存多久；
• 是否支持零数据留存；
• 是否支持数据区域控制；
• 是否提供审计日志；
• 是否支持单点登录；
• 是否允许管理员管理连接器；
• 数据处理者究竟是谁；
• 是否调用第三方搜索、代码执行或文件存储系统；
• 合同和赔偿条款适用于哪个产品。

例如，OpenAI 官方商业数据说明显示，部分 API 输入输出可能保留最长 30 天，符合条件的客户和端点可以申请零数据留存；其数据区域控制也需要根据具体项目、模型和资格进行配置。(OpenAI)

Anthropic 的官方 API 文档同样区分标准留存和零数据留存安排，并明确说明不同 API 功能可能有不同的存储需要和资格条件；部分模型或功能可能要求固定留存时间，不能使用零数据留存配置。(Claude Platform Docs)

因此，企业不能只在供应商名录中写：

• 已批准 OpenAI；
• 已批准 Anthropic；
• 已批准 Google；
• 已批准某国内大模型平台。

更准确的批准对象应当是：

供应商＋产品＋账户类型＋服务区域＋模型版本＋功能模块＋数据等级＋允许用途。

例如：

批准某供应商企业 API 中的指定模型，用于处理 D0 和 D1 数据；禁止启用文件长期存储、网页搜索及第三方连接器；D2 数据必须脱敏并经过专项审批。

⸻

企业应区分四个层面。

评估提供服务的法律主体，包括：

• 公司身份；
• 注册地区；
• 经营稳定性；
• 安全治理；
• 合规能力；
• 事故记录；
• 支持能力；
• 争议处理机制。

评估实际承载服务的平台，例如：

• 供应商自有 API；
• 公有云托管平台；
• 第三方模型市场；
• 企业应用商店；
• 自动化平台；
• MCP 服务器。

同一模型通过不同平台调用时，数据处理者、留存方式、地域、日志和合同责任可能不同。

Anthropic 官方文档明确说明，在其自有 API、Amazon Bedrock 和 Google Cloud 等不同平台中，承担数据处理责任的主体可能不同，应分别参考相应平台的数据留存与合规文档。(Claude Platform Docs)

评估具体功能，例如：

• 基础聊天；
• 文件上传；
• 网络搜索；
• 代码执行；
• 长期记忆；
• 模型微调；
• 向量存储；
• 企业连接器；
• AI 代理；
• 批处理。

评估：

• 具体模型名称；
• 版本或快照；
• 上下文容量；
• 工具能力；
• 数据要求；
• 质量表现；
• 安全边界；
• 退役计划；
• 可替代模型。

只有四层信息都明确，准入结论才具有实际意义。

⸻

每个供应商或产品完成审查后，应得到以下六类结论之一。

满足生产环境要求，可以在限定范围内正式使用。

可以使用，但必须满足附加条件，例如：

• 只处理 D0 和 D1 数据；
• 关闭文件存储；
• 禁止使用连接器；
• 只能通过受控 API 调用；
• 所有输出必须人工审核；
• 不得用于自动发布。

只允许使用模拟数据和测试环境，不得进入正式客户项目。

资料不完整，或者安全、合同、稳定性问题尚未解决。

风险超出企业承受范围，不得处理任何企业数据。

停止新任务，正在迁移存量数据和工作流。

准入状态应设置有效期，并定期重新评估。

⸻

建议企业从九个维度对候选供应商进行评估。

任何一个维度出现重大缺陷，都可能推翻总体高分。

⸻

企业首先需要确认：

• 签约主体是谁；
• 实际提供服务的是谁；
• 收款主体与数据处理主体是否一致；
• 服务由哪个国家或地区的实体提供；
• 是否存在母公司、代理商和云平台多层关系；
• 发生争议时向谁提出要求；
• 服务支持由谁承担。

还应评估：

• 供应商是否有持续服务能力；
• 是否依赖少数基础设施或模型伙伴；
• 是否频繁改变产品方向；
• 是否具备企业客户支持团队；
• 是否公开服务状态和重大变更；
• 是否存在单点经营风险。

对于小型创新供应商，企业不必因为规模较小而直接否决，但应相应提高：

• 数据限制；
• 预付款限制；
• 备份要求；
• 替代模型准备；
• 退出能力要求。

⸻

供应商销售演示和公开排行榜不能代替企业自己的任务评测。

应使用第一篇建立的“模型—任务匹配表”，分别测试：

• 关键词分类；
• 搜索意图识别；
• 内容 Brief；
• 技术 SEO 诊断；
• Google 官方文档解读；
• 数据报告摘要；
• HTML 生成；
• Schema 代码；
• 多语言内容；
• 工具调用。

评测至少记录：

• 首次合格率；
• 严重错误数；
• 最终采纳率；
• 人工审核时间；
• 平均响应时间；
• 单条合格产出成本；
• 格式正确率；
• 工具调用成功率；
• 低置信度识别能力；
• 对抗提示表现。

企业采购的不是“平均能力最强的模型”，而是适合具体工作负载的服务组合。

公开榜单通常难以完整反映：

• 企业真实提示词；
• 私有数据；
• 多语言表现；
• SEO 专业错误；
• 工具调用稳定性；
• 高风险失败样本；
• 人工审核成本；
• 长期版本稳定性。

模型可能在通用推理测试中表现领先，却在以下任务中不适合生产：

• 结构化 JSON 输出不稳定；
• 无法保持长篇 HTML 格式；
• 经常虚构官方来源；
• 不适合大规模低成本分类；
• 版本变化过快；
• 不支持企业所需数据控制。

公开评测只能用于候选筛选，不能直接作为采购依据。

⸻

至少应核验：

身份与访问

• 是否支持企业账号；
• 是否支持 MFA；
• 是否支持 SSO；
• 是否支持 SCIM；
• 是否支持角色权限；
• 是否可以限制管理员；
• 是否能够回收离职账号。

数据保护

• 传输是否加密；
• 静态数据是否加密；
• 是否支持客户自管密钥；
• 是否支持区域存储；
• 是否提供备份保护；
• 是否限制内部人员访问。

日志与监控

• 是否记录用户登录；
• 是否记录模型调用；
• 是否记录管理员操作；
• 是否记录连接器和文件访问；
• 日志保存多久；
• 是否支持导出到企业 SIEM 或 DLP 系统。

漏洞与事件管理

• 是否有漏洞报告渠道；
• 是否进行渗透测试；
• 是否有独立安全审计；
• 发生事件后多久通知客户；
• 是否提供事件调查协助。

安全白皮书、SOC 报告和 ISO 认证可以作为证据，但必须核验：

• 覆盖的是哪一项产品；
• 报告时间；
• 审计范围；
• 是否包含 AI 功能；
• 是否存在保留意见；
• 认证主体是否与签约主体一致。

⸻

ISO/IEC 42001 为 AI 管理体系提供结构化框架，ISO/IEC 27001 等标准可以反映信息安全管理能力。

但认证本身不能证明：

• 某个模型不会产生事实错误；
• 某个 API 满足企业特定留存要求；
• 某个连接器没有过度权限；
• 某次事故不会发生；
• 所有子处理者都达到相同标准；
• 企业的具体使用场景符合合规要求。

ISO 官方说明，认证只是在特定审核范围内由第三方认证机构确认组织符合相应要求；企业仍需理解认证覆盖范围和证据边界。(ISO)

⸻

数据审查至少应回答十六个问题：

1. 输入输出是否用于训练？
2. 默认设置是什么？
3. 是否可以退出模型改进？
4. 是否存在人工审查？
5. 标准留存时间是多少？
6. 是否支持自定义留存？
7. 是否支持零数据留存？
8. 哪些功能不适用零留存？
9. 删除请求多久生效？
10. 日志是否另行留存？
11. 数据存储在哪些区域？
12. 数据处理可能经过哪些国家或地区？
13. 是否允许选择数据区域？
14. 是否建立向量索引或长期记忆？
15. 账户终止后如何返回或删除数据？
16. 供应商如何处理法律要求下的保留？

供应商写着“不使用企业数据训练模型”，并不等于：

• 完全不保存数据；
• 不进行安全监测；
• 不使用子处理者；
• 不产生审计日志；
• 所有功能都支持零留存；
• 删除操作立即清除全部副本。

企业必须分别检查训练、处理、存储、日志、备份和删除。

⸻

企业应根据：

• 服务提供地区；
• 用户所在地；
• 数据来源；
• 数据主体；
• 行业属性；
• 是否对公众提供服务；

判断适用要求。

在中国境内面向公众提供具有舆论属性或社会动员能力的生成式人工智能服务时，应核查相关备案或登记要求。国家网信办 2026 年 1 月发布的公告显示，截至 2025 年 12 月 31 日，已有 748 款生成式人工智能服务完成备案，435 款通过 API 等方式调用已备案模型能力的应用或功能完成登记；

公告同时要求相关应用按规定公示所使用模型及备案或登记信息。(CAC)

采购境内生成式 AI 服务时，企业至少应核验：

• 是否适用备案或登记；
• 当前备案状态；
• 实际调用模型；
• 公示名称是否与合同一致；
• 更换基础模型后是否重新履行相应程序；
• 服务是否符合企业具体用途。

对于面向欧盟市场的业务，还应关注欧盟《人工智能法》及通用人工智能模型规则。欧盟委员会资料显示，通用人工智能模型相关义务已自 2025 年 8 月 2 日起适用，委员会相关执法权限自 2026 年 8 月 2 日起开始适用。(Digital Strategy)

合规评估应由企业结合实际产品、地区和角色完成，不能仅依赖供应商声称“符合全球法规”。

⸻

AI 服务往往不是由单一企业独立完成。

其处理链可能包括：

• 基础模型提供商；
• 公有云平台；
• 内容分发网络；
• 日志系统；
• 搜索服务；
• 代码执行环境；
• 文件存储；
• 支持服务商；
• 安全审核服务；
• 插件和连接器；
• MCP 服务器。

企业应要求供应商提供：

• 子处理者名单；
• 子处理者用途；
• 数据处理地区；
• 变更通知机制；
• 反对新增子处理者的流程；
• 子处理者退出后的数据处理方式；
• 供应商对其下游服务承担的责任。

NIST SP 800-161 Rev.1 强调，供应链风险来自组织对产品和服务如何开发、集成和部署缺少足够可见性与控制，因此供应链风险管理应覆盖产品和服务的整个依赖关系。(NIST Computer Security Resource Center)

⸻

即使主 AI 平台已经批准，以下组件也不能自动获得批准：

• WordPress 连接器；
• Gmail 插件；
• 浏览器扩展；
• SEO 数据连接器；
• 第三方 MCP 服务器；
• 自动化平台节点；
• 数据抓取服务；
• 网页搜索服务。

每个连接器都可能拥有独立的：

• 开发者；
• 数据政策；
• 权限范围；
• 日志系统；
• 基础设施；
• 子处理者；
• 退出机制。

企业应在连接器目录中单独记录并审批，而不是因为它出现在某个大型 AI 平台的应用商店中，就默认安全。

⸻

AI 采购合同至少应覆盖以下内容。

服务范围

明确：

• 产品名称；
• 模型范围；
• 功能；
• 区域；
• 账户数量；
• 调用额度；
• 支持等级。

数据权利

明确：

• 企业保留输入输出的权利；
• 供应商可以怎样处理数据；
• 是否允许模型训练；
• 是否允许人工审查；
• 是否允许衍生统计；
• 终止后怎样返回和删除。

保密义务

供应商及其人员、分包商应对企业机密承担明确义务。

安全措施

将重要的身份、加密、日志、漏洞和访问控制写入合同或安全附件。

事故通知

明确：

• 什么构成安全事件；
• 供应商多久通知；
• 通知包括哪些信息；
• 是否协助调查；
• 是否提供后续报告。

服务等级

明确：

• 可用性；
• 响应时间；
• 支持渠道；
• 故障升级；
• 补偿方式。

模型和功能变更

明确：

• 重大功能变化如何通知；
• 模型退役提前多久通知；
• 是否提供迁移工具；
• 安全能力降低时企业有什么权利。

知识产权

明确：

• 输入和输出的权利；
• 训练数据相关责任；
• 第三方索赔处理；
• 商标和版权风险；
• 企业是否获得必要使用权。

终止与退出

明确：

• 企业何时可以终止；
• 怎样导出数据；
• 怎样删除数据；
• 供应商应提供什么协助；
• 删除后如何证明。

一些企业服务协议会对功能或安全措施发生重大降低时的通知和终止权作出规定；数据处理附件也可能规定协议终止后按客户要求返回或删除数据。企业可以将这类条款作为谈判参考，但必须以最终签署的具体合同为准。(OpenAI)

⸻

SEO 内容生产可能涉及：

• 文章正文；
• 图片；
• 代码；
• 产品描述；
• 报告；
• 翻译；
• 竞争页面分析；
• 客户资料。

采购前应核验：

• 企业是否拥有输出使用权；
• 是否可以商业使用；
• 是否存在特定模型例外；
• 供应商是否提供第三方知识产权赔偿；
• 赔偿是否覆盖全部模型和功能；
• 用户违反使用规则时是否失去保护；
• 搜索、插件或第三方模型输出是否仍在保护范围内。

“输出归用户”与“输出绝对不侵犯第三方权利”不是同一概念。

企业仍需对公开发布内容进行：

• 原创性审查；
• 事实核验；
• 商标检查；
• 版权风险检查；
• 人工编辑。

⸻

AI 供应商可以：

• 调整模型名称；
• 修改价格；
• 更改上下文限制；
• 降低或增加速率限制；
• 停止旧模型；
• 替换工具接口；
• 关闭预览功能；
• 更改数据要求；
• 迁移代理平台。

这不是理论风险。

Anthropic 官方退役记录显示，多款模型在 2025 年至 2026 年间完成退役或宣布退役；其 Claude Opus 4.1 计划于 2026 年 8 月 5 日退出 API 服务。(Claude Platform Docs)

Google Vertex AI 官方更新日志也持续记录模型和功能退役，例如部分合作模型、视频生成端点和 Vertex AI Extensions 均设置了明确关闭日期。(Google Cloud Documentation)

因此，生产采购必须审查：

• 模型退役政策；
• 最短通知期；
• 版本快照；
• 替代模型；
• 迁移文档；
• API 兼容性；
• 重大变更通知；
• 过渡支持。

⸻

每个生产模型应记录：

收到模型退役通知后，不能直接把模型名称替换为推荐新模型。

必须重新测试：

• 事实准确性；
• 格式；
• 成本；
• 延迟；
• 工具调用；
• 拒绝行为；
• 提示词适配；
• 严重错误。

⸻

很多供应商在采购阶段提供：

• 免费迁移；
• 技术支持；
• 试用额度；
• 模板；
• 专用连接器。

但企业使用一段时间后，可能把大量资产绑定在其系统中：

• 提示词；
• 对话；
• 文件；
• 向量索引；
• 微调模型；
• 代理工作流；
• 日志；
• 用户权限；
• 自动化节点；
• 专有函数接口。

如果这些资产不能完整导出，企业可能即使不满意，也无法快速退出。

因此，退出机制必须在采购前设计，而不是终止合同时才开始讨论。

⸻

采购前应确认：

1. 能否导出全部提示词？
2. 能否导出文件及其目录关系？
3. 能否导出对话和输出？
4. 能否导出审计日志？
5. 能否导出向量或原始知识库？
6. 能否导出微调数据？
7. 导出格式是否开放？
8. 是否依赖供应商专有代理协议？
9. 是否可以批量删除数据？
10. 终止后数据保存多久？
11. 是否提供删除证明？
12. 是否需要支付高额迁移费用？

不能导出嵌入向量时，企业至少应保留：

• 原始文档；
• 分块规则；
• 元数据；
• 嵌入模型名称；
• 索引配置；
• 检索逻辑。

这样才能在其他平台重建知识库。

⸻

L1：低锁定

• 使用标准 API；
• 提示词和数据保存在企业系统；
• 可快速切换模型；
• 没有长期专有存储。

L2：中等锁定

• 使用部分专有功能；
• 需要少量代码改造；
• 数据可导出；
• 迁移可以在数周内完成。

L3：高锁定

• 深度依赖专有代理和工具；
• 大量文件保存在供应商平台；
• 提示词与平台功能紧密绑定；
• 迁移需要重构工作流。

L4：极高锁定

• 无法完整导出；
• 使用不可迁移微调模型；
• 关键数据只存在于供应商系统；
• 无有效备用模型；
• 退出可能造成业务中断。

L3 和 L4 级采购必须获得更高级别批准，并准备专门退出预算。

⸻

综合评分可以比较候选供应商，但不能掩盖重大缺陷。

一票否决项

出现以下情况时，原则上不得进入生产环境：

• 无法确认签约主体；
• 拒绝说明数据如何处理；
• 无法提供基本安全措施；
• 业务数据默认用于训练且无法关闭；
• 无法说明子处理者；
• 不支持企业账号和权限回收；
• 无事故通知机制；
• 无法删除或返还客户数据；
• 不允许审计高风险操作；
• 关键承诺只存在于销售口头说明；
• 要求企业提供不必要的高权限凭据；
• 无法满足适用的强制监管要求；
• 严重错误率超过任务准入门槛。

参考综合评分

高风险数据项目应提高安全、隐私和退出权重。

低风险批量内容项目可以提高成本、速度和容量权重。

⸻

建议要求候选供应商提供以下资料：

主体资料

• 公司名称；
• 注册信息；
• 签约实体；
• 支持联系方式；
• 账单主体。

产品资料

• 产品说明；
• 模型清单；
• 版本政策；
• 功能清单；
• 限额；
• 价格。

安全资料

• 安全白皮书；
• 认证和审计报告；
• 渗透测试摘要；
• 漏洞报告机制；
• 访问控制说明；
• 业务连续性方案。

数据资料

• 隐私政策；
• 企业数据说明；
• 数据处理附件；
• 留存说明；
• 数据区域；
• 删除流程；
• 训练政策；
• 子处理者清单。

运营资料

• SLA；
• 服务状态页；
• 事故通知机制；
• 模型退役政策；
• 变更日志；
• 技术支持等级。

退出资料

• 数据导出方式；
• 支持格式；
• 删除机制；
• 终止流程；
• 迁移协助；
• 删除证明。

无法提供关键资料的供应商，只能进入低风险试验环境，不能直接进入生产。

⸻

沙盒测试必须使用：

• 模拟数据；
• 脱敏数据；
• 测试账号；
• 测试站点；
• 限定权限；
• 独立预算。

沙盒阶段检查：

• 模型质量；
• API 稳定性；
• 权限范围；
• 日志完整性；
• 删除是否有效；
• 文件是否残留；
• 连接器是否越权；
• 费用是否可控；
• 退役与切换是否可行。

不要为了提高测试真实性，在供应商尚未通过审查前上传真实客户数据。

⸻

第一步：提出业务需求

说明：

• 要解决什么任务；
• 为什么需要外部 AI；
• 当前人工成本；
• 预计处理量；
• 涉及的数据等级；
• 是否需要工具写入。

第二步：确定风险级别

根据：

• 数据敏感性；
• 输出用途；
• 操作权限；
• 对外影响；
• 可逆性；

确定采购审核等级。

第三步：市场初筛

筛选：

• 功能；
• 价格；
• 地域；
• 模型能力；
• 企业支持；
• 基本合规条件。

第四步：发送供应商问卷

要求供应商书面回答关键问题。

第五步：资料核验

不能只接收销售人员的回答，还要检查：

• 官方政策；
• 合同；
• DPA；
• 安全资料；
• 子处理者；
• 更新日志。

第六步：沙盒评测

运行标准任务集和风险测试。

第七步：安全与隐私审查

核验数据路径、权限、留存和事故流程。

第八步：合同审查

将重要承诺写入正式合同。

第九步：退出可行性测试

至少完成一次：

• 数据导出；
• 删除；
• Token 撤销；
• 模型切换；
• 工作流重建。

第十步：形成准入结论

由业务、技术、安全和必要的管理人员批准。

第十一步：灰度上线

先使用：

• 少量用户；
• 低风险数据；
• 一部分任务；
• 严格人工审核。

第十二步：正式生产

满足生产指标后扩大范围。

第十三步：持续监督

监控：

• 质量；
• 成本；
• 事故；
• 政策；
• 版本；
• 子处理者；
• 供应商经营变化。

⸻

准入不是永久授权。

以下变化应触发重新审查：

• 模型版本变化；
• 数据政策变化；
• 留存方式变化；
• 新增子处理者；
• 服务区域变化；
• 公司被收购；
• 重大安全事件；
• 价格大幅变化；
• 接口或权限变化；
• 关键功能退役；
• 企业使用场景升级；
• 从只读变为写入；
• 从 D1 数据升级到 D2 或 D3 数据。

供应商没有发生变化，但企业用途发生变化时，也要重新评估。

⸻

年度复评至少检查：

• 过去一年质量；
• 严重错误；
• 可用性；
• 实际费用；
• 人工审核成本；
• 数据政策变化；
• 安全事件；
• 退役通知；
• 子处理者变化；
• 支持响应；
• 出口和删除测试；
• 替代供应商状态。

结论可以是：

• 继续使用；
• 缩小使用范围；
• 增加合同条件；
• 切换产品；
• 增加备用供应商；
• 启动退出。

⸻

• 合同到期；
• 条款无法续签；
• 供应商重大违约；
• 安全承诺降低。

• 首次合格率持续下降；
• 严重错误反复出现；
• 模型不再适合核心任务。

• 重大数据泄露；
• 权限控制失效；
• 无法满足日志要求；
• 供应商未及时通知事故。

• 失去必要资质；
• 无法满足地域或数据要求；
• 基础模型或应用不符合适用监管要求。

• 模型退役；
• 服务频繁中断；
• 支持能力不足；
• 价格不可接受；
• 调用额度不能满足需求。

• 企业改用多模型架构；
• 改为自建或私有化；
• 业务方向变化；
• 降低供应商集中度。

⸻

每个正式供应商都应拥有一份退出计划，至少包括：

• 退出负责人；
• 退出触发条件；
• 备用模型；
• 数据导出方式；
• 工作流迁移方式；
• 用户迁移；
• 连接器关闭；
• Token 撤销；
• 数据删除；
• 合同终止；
• 客户沟通；
• 最终验证。

没有退出计划的供应商，不应承载企业不可替代的关键流程。

⸻

第一阶段：启动退出决策

记录：

• 退出原因；
• 影响系统；
• 风险；
• 时间计划；
• 批准人。

第二阶段：冻结新增依赖

停止：

• 新项目接入；
• 新文件上传；
• 新提示词只保存在旧平台；
• 新连接器开发；
• 新增长期数据。

第三阶段：盘点存量资产

包括：

• 用户；
• 提示词；
• 文件；
• 对话；
• 模型配置；
• 工作流；
• 微调数据；
• 向量库；
• 连接器；
• API Key；
• 日志；
• 自动化任务。

第四阶段：导出和验证

导出后检查：

• 文件是否完整；
• 格式是否可读；
• 元数据是否保留；
• 日志是否连续；
• 是否可以在新系统使用。

第五阶段：建立替代环境

部署：

• 新模型；
• 新账号；
• 新权限；
• 新连接器；
• 新日志；
• 新工作流。

第六阶段：重新评测

新供应商不能因为是“替代方案”而跳过测试。

第七阶段：双轨运行

旧系统和新系统在限定时间内并行，对比：

• 质量；
• 成本；
• 延迟；
• 工具调用；
• 错误率。

第八阶段：切换生产流量

分批把任务迁移到新系统。

第九阶段：关闭旧权限和数据

撤销：

• Token；
• 连接器；
• 用户；
• 服务账号；
• 自动化任务；
• 外部分享。

第十阶段：完成删除与审计

确认：

• 数据已删除；
• 必要日志已归档；
• 合同已终止；
• 费用已停止；
• 没有残余调用；
• 退出报告已批准。

⸻

企业停止向供应商发送新请求，并不代表退出已经完成。

仍可能存在：

• 历史文件；
• 向量索引；
• 对话；
• 用户账号；
• 连接器 Token；
• 自动化 Webhook；
• 日志；
• 备份；
• 未结清账单；
• 第三方子处理者副本。

完成退出必须有证据证明：

• 新数据不再进入旧系统；
• 权限已经撤销；
• 存量资产已经迁移；
• 应删除数据已经删除；
• 合同关系已经处理；
• 业务已经稳定运行。

⸻

对于 D2 和 D3 数据，退出时应根据合同和实际风险要求：

• 删除确认；
• 删除完成日期；
• 删除数据范围；
• 未删除数据及原因；
• 法律保留范围；
• 备份清除周期；
• 子处理者删除状态。

供应商声称“账号已经关闭”，不能自动证明全部企业数据已被删除。

⸻

包括：

• API Key；
• OAuth Token；
• Webhook Secret；
• 服务账号；
• 数据库凭据；
• WordPress 应用密码；
• 外部连接器授权。

即使旧凭据理论上已经失效，也应检查：

• 是否仍有本地副本；
• 是否被写入代码；
• 是否存在于自动化平台；
• 是否被其他团队重复使用。

⸻

企业不一定需要同时长期使用大量模型，但关键任务不应只有一个不可替代入口。

建议至少准备：

• 主模型；
• 同供应商备用模型；
• 跨供应商备用模型；
• 人工降级流程；
• 无 AI 应急流程。

多供应商策略的目的不是增加采购复杂度，而是避免：

• 单一模型退役；
• 服务中断；
• 政策变化；
• 价格大幅上涨；
• 地域限制；
• 安全事件；

导致全部 SEO 工作停摆。

⸻

真正的备用能力必须经过验证。

至少应完成：

• 账号开通；
• 合同检查；
• 数据政策审查；
• 模型评测；
• 提示词适配；
• API 集成；
• 权限配置；
• 切换演练。

从未实际调用过的备用模型，不能被视为可靠的灾备方案。

⸻

企业可以统计：

多少 AI 任务依赖同一家供应商。

多少 AI 费用集中在一家供应商。

多少高风险任务没有可用替代方案。

多少 D2 和 D3 数据保存在同一供应商。

多少流程依赖无法迁移的专有功能。

每项关键任务切换供应商需要多久。

集中度不是越低越好。

关键是企业是否清楚依赖程度，并具备与其风险相匹配的备份能力。

⸻

出现以下情况应提高警惕：

• 只愿提供营销材料，不愿提供正式政策；
• 销售承诺与公开条款不一致；
• 数据处理回答含糊；
• 不说明模型实际来源；
• 不披露子处理者；
• 不能解释删除机制；
• 申请与任务不相称的权限；
• 频繁改变价格和产品名称；
• 模型退役通知期极短；
• 没有服务状态或事故沟通机制；
• 不允许企业导出关键资产；
• 使用“完全安全”“绝不出错”等绝对承诺；
• 要求员工使用个人账号；
• 不支持基本企业权限控制；
• 发生事故后缺乏透明沟通。

单个红旗不一定意味着必须拒绝，但需要进一步调查和附加控制。

⸻

⸻

尚未建立正式采购制度的 SEO 团队，可以先完成以下十六项：

1. 建立已批准供应商目录；
2. 批准对象精确到产品和账户类型；
3. 禁止员工自行采购企业 AI 服务；
4. 使用真实数据前完成沙盒测试；
5. 核验数据是否用于训练；
6. 核验留存和删除规则；
7. 核验子处理者；
8. 核验企业权限与日志；
9. 把关键销售承诺写入合同；
10. 每个生产模型设置备用模型；
11. 记录模型退役政策；
12. 禁止把唯一业务资产只保存在供应商平台；
13. 每年至少完成一次供应商复评；
14. 每年至少测试一次数据导出；
15. 项目结束后撤销连接器和 Token；
16. 供应商退出后获取删除确认。

⸻

成熟企业可以进一步建设：

统一供应商目录

记录：

• 准入状态；
• 产品；
• 模型；
• 数据等级；
• 责任人；
• 合同；
• 复评日期；
• 退出计划。

自动策略控制

根据供应商和数据等级，自动决定：

• 是否允许调用；
• 是否需要脱敏；
• 是否允许文件上传；
• 是否允许连接器；
• 是否需要人工审批。

供应商质量仪表板

持续统计：

• 首次合格率；
• 严重错误；
• 费用；
• 延迟；
• 可用性；
• 退役通知；
• 支持响应。

合同与政策监测

发现：

• 隐私政策变化；
• DPA 变化；
• 子处理者变化；
• 服务条款变化；
• 模型退役；
• 价格变化。

自动化退出编排

在退出时统一执行：

• 停止调用；
• 导出资产；
• 切换路由；
• 撤销权限；
• 删除数据；
• 生成审计报告。

发现多少绕过采购流程的 AI 服务。

正式生产供应商中，完成全部审查的比例。

到期供应商是否完成重新审核。

重要安全、数据和退出承诺是否写入合同。

关键任务中拥有经过测试备用模型的比例。

能否完整导出企业资产。

核心工作流依赖单一供应商的程度。

从收到退役通知到完成切换需要多久。

供应商退出后还保留多少账号、Token、数据和连接器。

由模型供应商、云平台、连接器或子处理者引起的事故数量。

⸻

API 单价只是总成本的一部分。

企业还应计算：

• 模型调用费；
• 文件和向量存储费；
• 搜索和工具调用费；
• 日志与安全系统费；
• 人工审核费；
• 集成开发费；
• 模型迁移费；
• 供应商管理费；
• 合规审查费；
• 事故与停机成本；
• 退出和重建成本。

一个价格较低但错误率高、迁移困难的模型，长期成本可能高于价格更高但稳定、可审计和易迁移的模型。

因此，应使用：

单条合格业务产出成本＋供应链风险成本＋潜在退出成本

进行综合比较。

⸻

AI 供应商准入至少需要以下角色参与：

业务负责人

判断服务是否真正解决 SEO 任务。

模型或数据负责人

完成能力测试和成本测算。

技术负责人

审核接口、权限、集成和连续性。

安全与数据负责人

审核数据路径、留存、访问和事故机制。

合同或合规负责人

审核法律条款、责任与适用规则。

最终批准人

根据剩余风险决定是否进入生产。

采购部门可以组织流程，但不能独立判断模型事实准确性、技术权限和数据风险。

供应商通过准入，不意味着企业永久信任它。

准入结论实际表示：

在当前产品、模型版本、合同、数据政策、使用范围和风险条件下，企业暂时允许该服务执行特定任务。

其中任何条件发生变化，都可能使原授权失效。

因此，供应商治理不是一次采购审批，而是持续授权、持续验证和可随时撤销的过程。

⸻

企业在选择 AI 供应商时，最容易被当前能力、价格和市场热度吸引。

但真正成熟的采购标准，还应包括另一组问题：

供应商是谁？实际处理数据的是谁？当前批准的是哪个产品和模型？数据怎样使用、保存和删除？哪些第三方能够接触数据？模型退役时怎样迁移？服务中断时怎样降级？合同结束后如何导出资产？怎样证明数据已经删除？如果明天必须停止使用，企业需要多久才能恢复正常业务？

AI 供应商并不是企业能力本身。

模型、接口和平台都可能变化，企业真正需要保留的是：

• 自己的任务定义；
• 自己的评测集；
• 自己的提示词；
• 自己的数据；
• 自己的业务规则；
• 自己的证据链；
• 自己的审批记录；
• 自己的替代能力。

无法退出的采购，本质上不是获得能力，而是在转移控制权。

真正专业的 AI 采购，不是寻找一家可以永远依赖的供应商，而是建立一种能力：

在供应商可用时充分利用其价值；在质量、政策、成本或风险条件发生变化时，也能够有序迁移、完整退出并保持业务连续。

当供应商准入、模型评测、合同审查、持续监督、多模型备份和退出机制形成闭环后，企业才真正拥有 AI 供应链的主动权。