交付模式不是价格问题，是数据边界问题
很多企业第一次认真讨论 AI 交付，是从报价单开始的：共享托管按席位、按点数付费，前期投入小；私有化要买授权、要准备服务器，前期投入大。但如果只按这张报价单做决定，通常会在半年后返工——因为两种模式真正的差别不在价格，而在数据能走到哪里、谁能看见调用记录、以及停用之后资产归谁。
所以先把问题问对：你的业务数据里，有多少是出了组织围墙就会构成合规风险的？这个比例，比预算更能决定交付模式。
共享托管：省下的是运维，交出去的是边界
共享模式的边界很清楚：底层模型渠道由厂商维护，企业管理员不碰上游供应商和密钥，重点是把组织、人员、点数、技能和知识库配置起来。ECP 共享模式的操作路径就是这条线——确认授权与交付状态、配置管理员权限、开通员工与设备登录、配置 AI 能力与知识库，上线后看用量、告警、工单与审计。对没有专职 IT 的中小组织，这套路径能在一两天内跑通。
代价在于：模型调用链路上有一段不在企业自己手里。对于客户名单、报价、合同条款这类信息，共享模式下的可控手段是权限、脱敏和审计，而不是物理边界。它能管住谁在用、用了多少，却很难回答数据到底流到了哪台机器。
私有化：拿到的是控制权，也要接住运维责任
私有模式的边界反过来：企业自管上游渠道和点数池，管理员要先完成私有 AI Gateway 初始化，再配置渠道、模型、模型成本和企业点数价格，然后创建员工、分配额度与可用模型，最后用员工设备 token 发起一次真实调用，从用量和余额里读回验证。这条链路走通，才谈得上数据不出域——原始文档留在组织知识库服务端，密钥不进客户端，调用记录在自己后台可查。
但私有化不是买完就结束。渠道要维护、模型要升级、点数要对账、员工离职要吊销设备——这些工作在共享模式下由厂商承担，私有模式下落在企业自己身上。所以私有化真正的门槛不是钱，是有没有人接得住这份运维责任。
按合规要求分三档，比按预算分更靠谱
强监管档：金融、医疗、政务，以及法律与财税这类专业服务机构。这类组织的数据本身受行业监管约束，敏感数据不出组织边界往往是硬要求，选型时应默认私有化，并把审计日志、部门隔离、离职吊销写进验收项。
中敏感档：制造、贸易、连锁服务。核心资产是图纸、工艺、供应商价格，泄露有商业损失，但通常不涉及直接的监管处罚。务实做法是混合：通用办公场景走共享，涉及图纸、配方、报价的场景走私有，两边共用同一套账号与知识库权限体系。
通用办公档：没有敏感数据的团队协作与内容生产，共享托管就够用，不必为了看起来安全，提前背上服务器和运维。
四个问题，把交付模式定下来
第一，数据出围墙是否构成合规风险？是，直接私有化。第二，谁来做日常运维？没有专职的人，先用共享把场景跑顺，再谈私有。第三，资产要落在哪里？如果希望经验、流程、技能沉淀成组织可复用的东西，就需要一个自己能管的载体，这正是企业级集中管控的价值。第四，三年总成本怎么算？共享是持续付费，私有是一次买断授权加年维护，规模越大，前者的曲线越陡。
把这四问的答案写在一张纸上，模式基本就定了。反过来，先定模式再找理由，通常会在上线三个月后开始补课。
交付模式没有高下，只有匹配。真正要守住的是三件事：数据边界画在哪里、调用过程谁看得见、用完之后什么留在组织里。这三件事想清楚了，共享还是私有，只是一个执行选择。
