使用 AI
选择 AI 使用方式时，先看任务约束，再看模型品牌。商业服务、本地部署和混合方案各自解决不同问题。
先判断你的首要约束
- 数据能否上传：涉及客户数据、源码、合同或个人隐私时，先确认服务条款、数据保留和组织政策。
- 是否必须离线：断网可用、内网访问或固定环境是硬约束时，本地部署的优先级更高。
- 能承担多少维护：商业服务可以减少模型部署和基础设施维护，用户仍需处理限流、服务中断、调用失败和回退；本地路线还需要自己处理硬件、模型格式、性能和安全更新。
- 结果如何验证：无论模型运行在哪里，事实、代码和高风险操作都需要独立验收。
选择商业服务
商业服务适合希望快速获得当前模型能力、多模态功能和成熟产品界面，且愿意接受网络、账号、配额与数据条款约束的场景。
先用真实任务试用，再决定订阅、API 或团队方案。选型方法见使用商业 AI。
选择本地部署
本地部署适合必须离线运行、需要将原始数据留在自有环境、想实验开源模型，或需要控制推理版本与部署节奏的场景。
硬件内存只是起点，模型量化、上下文长度、并发量、首字延迟和输出速度都会影响是否可用。具体选型见本地部署 AI。
组合两条路线
混合方案可以按数据和任务分流：敏感资料可先在本地检索、脱敏或摘要，但本地处理本身不会改变数据密级。只有经过明确规则或人工审查、已确认允许外发的内容，才可以交给商业模型。日常任务也可以使用本地小模型，困难且可上传的任务再调用外部模型。
这类分流需要明确的数据分类、日志边界和失败回退策略。需要统一多个 API 时，可继续阅读 AI 中转站。