你们能交付哪些 AI 能力？
企业找 AI 服务商，最怕听到「什么都能做」。我们把能力收敛成四块，每一块都有明确的输入、输出和验收标准，避免项目做成演示 Demo 却上不了生产。
AI 应用开发
智能客服、智能问答、内容生成、文档处理、单据识别。把大模型能力嵌进现有业务系统，用户在自己的工作台里用，不用切换工具。
大模型私有化部署
DeepSeek、Qwen、GLM 本地化部署，含显存测算、推理加速、权限网关、监控告警。数据不出内网，可离线运行。
AI Agent 智能体开发
让模型调用企业系统接口完成查单、派单、建单、审批、报表等动作，通过 MCP 协议标准化接入，多步任务自动跑完。
企业知识库问答（RAG）
把制度、手册、合同、工单变成可检索知识，答案带原文出处，按部门角色做权限隔离，业务人员自己维护。
| 能力 | 典型场景 | 交付物 | 周期 |
|---|---|---|---|
| AI 应用开发 | 客服辅助、内容生成、合同与单据处理 | 可运行系统 + 接口 + 管理后台 | 4–8 周 |
| 大模型私有化部署 | 内网知识问答、涉密文档处理、离线推理 | 模型服务 + 网关 + 部署与运维手册 | 4–8 周 |
| AI Agent 开发 | 工单派单、线索清洗、告警初筛、报表生成 | Agent 服务 + MCP 工具集 + 审批流 | 6–12 周 |
| 知识库问答 | 内部制度问答、产品手册问答、对外智能客服 | 知识库 + 问答端 + 后台维护台 | 4–8 周 |
什么企业现在适合做 AI？
不是所有企业都到了该上 AI 的时候。判断标准就三条，三条都满足，投入产出比才划得来。
适合的三个信号
- 有密集的文档与问答：客服每天回答重复问题、员工反复查制度、销售反复找资料——这类知识不对称就是 AI 最快见效的地方。
- 有跨系统的重复流程：一个订单要人去三个系统里查、改、抄，这种「人肉集成」正是 Agent 的用武之地。
- 结果可验收：答得对不对、派得准不准，业务方自己就能判断。可验收才可迭代，否则项目永远说不清做没做成。
暂时不建议做的三种情况
- 流程本身没跑顺：线下流程还在天天变，先梳理流程再谈 AI，否则等于用模型固化混乱。
- 数据还没数字化：关键资料还在纸质档案和私人微信里，先做数据治理。
- 期待「一句话替代一个部门」：AI 目前替代的是流程里的动作，不是岗位。预期错位是项目失败的头号原因。
三条典型落地路径，怎么选？
| 路径 | 适合谁 | 做什么 | 投入 / 周期 |
|---|---|---|---|
| A. 知识库先行 风险最低 | 客服量大、文档多、没有 AI 团队的企业 | 建知识库 → 接网站/微信/企业微信 → 加转人工 | 3–6 万 / 4–8 周 |
| B. 流程 Agent 见效最直接 | 已有 ERP/CRM/OA，人工跨系统操作多的企业 | 选 1 条流程 → 封装接口为 MCP 工具 → Agent 编排 + 人工确认 | 6–10 万 / 2–3 个月 |
| C. 模型私有化 合规优先 | 数据不能出内网、调用量大的政企与制造业 | 显存测算 → 本地部署 → 应用接入 → 监控运维 | 5–10 万（硬件另计）/ 1–2 个月 |
三条路径不冲突，实际项目里经常组合：先做 A 验证效果，再把 B 接进来处理动作，最后因为数据敏感把模型换成 C 的本地部署。大模型私有化部署、Agent 智能体开发、知识库问答 三个页面分别展开了每条路径的技术细节。
AI 项目怎么推进？六个阶段
- 场景澄清（3–5 天）：明确一个问题、一个使用者、一个验收口径。这一步做完就能判断值不值得做。
- 可行性验证 POC（2–4 周）：用真实数据跑一版最小流程，测命中率和人工介入率，费用 1–2 万元。
- 方案与原型（1–2 周）：确定技术选型（模型、框架、部署方式）、界面原型、接口清单。
- 开发与联调（3–8 周）：模型服务、知识库、Agent 编排、业务系统对接同步推进。
- 评测与调优（1–2 周）：用 100–200 条真实问题做回归测试，补齐知识盲区，设定拒答阈值。
- 上线与陪跑（1–3 个月）：灰度放量、监控指标、培训知识管理员，把日常维护交回业务侧。
技术选型：我们用什么搭
选型原则是「能用开源成熟方案就不自研，能被替换就不锁定」。企业最怕的是供应商用一套私有框架把项目焊死，三年后没人接得动。
| 层次 | 可选方案 | 选型说明 |
|---|---|---|
| 模型层 | DeepSeek 系列、Qwen 开源版、GLM、Llama；或云端 API | 按数据敏感度与任务复杂度选，不唯参数量论 |
| 推理部署 | vLLM、SGLang、Ollama | 高并发用 vLLM / SGLang，单机验证用 Ollama |
| 应用编排 | Dify、Coze、LangChain / LangGraph | 可视化编排优先，复杂分支逻辑用代码框架 |
| 工具接入 | MCP 协议、OpenAPI、数据库直连 | 优先 MCP，工具描述可跨模型复用 |
| 检索层 | Milvus、Qdrant、PostgreSQL + pgvector | 数据量小用 pgvector 省一套运维 |
| 工程底座 | Java（Spring）、Python、Nginx、MySQL、Redis、Docker | 与客户现有技术栈对齐，降低接手成本 |
国产化环境另做适配：昇腾 910 系列、海光 DCU 已有实际部署经验，操作系统可跑麒麟、统信 UOS，数据库可对接达梦、人大金仓。信创环境下推理性能与生态成熟度低于 NVIDIA 方案，方案阶段会先做基准测试再确定模型规格。
预算与周期：钱花在哪
| 项目类型 | 投入区间 | 周期 | 主要成本构成 |
|---|---|---|---|
| POC 技术验证 | 1–2 万元 | 2–4 周 | 环境搭建、数据处理、效果评测 |
| 知识库问答 / 智能客服 | 3–6 万元 | 4–8 周 | 文档解析、检索链路、问答端、后台 |
| AI 应用（含系统对接） | 4–8 万元 | 6–10 周 | 接口开发、权限体系、前端嵌入 |
| Agent 智能体 | 6–10 万元 | 2–3 个月 | 工具封装、流程编排、审批与回滚设计 |
| 大模型私有化部署 | 5–10 万元 | 1–2 个月 | 显存测算、部署调优、网关与监控（硬件另计） |
影响报价的三个变量：场景数量（一个和三个差别很大）、接口数量（对接几个系统、有没有文档）、部署方式（公有云 / 专有云 / 全离线）。数据敏感、需要驻场、要求信创适配的，工作量另加。
我们不按「人天 × 单价」堆报价，而是按场景报价、分期付款：签约 40%、开发完成 40%、验收上线 20%，POC 阶段单独结算。付款节奏透明，客户在每一步都能停下来。
三个可公开的客户案例
以下案例来自官网客户案例库，均已上线运行。描述交付范围与业务作用，不包含未经客户确认的量化指标。
宝熙商城
做了什么：多商家入驻型商城 APP，含商品列表与详情、下单支付、订单管理、在线客服、会员权益升级，以及特色「红包分享」链路，解决红包过期无法转赠的问题。
作用：商家入驻、营销活动、会员权益在同一个后台配置，红包分享把拉新动作交给老用户完成，运营不必再靠人工补发。这套多商家 + 营销的架构，后续可直接承载「AI 导购问答」与「智能优惠推荐」。
控端
做了什么：面向多层级组织的任务管理 APP，按领导、负责人、员工三级角色分权展示，含任务下发、完成情况统计、成员管理、数据看板。
作用：任务下发与完成状态线上可查，替代线下口头汇报与表格汇总，管理层按角色看数据而非要报表。这类结构化任务流，是接入 Agent 做「自动派单 + 进度催办」的理想底座。
直播带货小程序
做了什么：直播与商城打通的小程序，含直播间、商品橱窗、优惠券、订单与支付链路、互动连麦，按高并发场景做承载设计。
作用：用户边看边买，直播流量直接落到订单，不必跳转第三方平台，避免流量与数据外流。直播间弹幕与商品问答是可叠加 AI 客服的高频入口。
更多案例（社交、服装定制、娱乐直播等方向）可在 官网客户案例页 查看。案例涉及客户产品，我们不在公开材料中披露客户内部经营数据。
服务地区：成都、重庆、贵州
总部在成都市高新区天府三街 69 号，以成都为研发中心，重庆、贵州为重点服务区域，全国范围承接远程项目。
| 区域 | 协作方式 | 到场时效 | 常见需求 |
|---|---|---|---|
| 成都 / 四川 | 上门沟通为主 | 当日 | 政企信息化、制造与零售数字化、AI 应用 |
| 重庆 | 远程 + 关键节点驻场 | 高铁 1–1.5 小时，当日往返 | 汽车零部件、电子制造、物流、政务、医疗 |
| 贵州 | 远程为主 + 节点驻场 | 飞贵阳约 1.5 小时 | 政务、酱酒、旅游、能源、农业 |
| 全国其他地区 | 纯远程 + 阶段驻场 | 按需安排 | 标准化 AI 应用与知识库项目 |
为什么选我们
- 能落地，不只做 Demo：从 2018 年起做定制开发，交付过商城、直播、移动办公、物联网等生产系统，知道上线之后会发生什么。
- 不锁定技术栈：模型、框架、向量库都是可替换的开源方案，源代码交付，企业可自行接手。
- 先算账再动手：先说清楚投入多少、周期多久、验收看什么指标，再签合同。做不了的项目我们会直接说做不了。
- 本地响应：成都总部、重庆贵州当日可达，紧急问题 4 小时内响应，不做「售前热情、售后失联」。
常见问题
拜腾科技的 AI 开发服务包含哪些内容？
包含四类：一是 AI 应用开发，如智能客服、智能问答、内容生成、文档处理；二是大模型私有化部署，把 DeepSeek、Qwen 等开源模型部署到企业自有服务器或专有云；三是 AI Agent 智能体开发，让模型调用企业系统接口完成下单、查单、派单、报表等任务；四是企业知识库问答（RAG）系统建设。
在成都、重庆、贵州做 AI 项目，你们怎么配合？
总部在成都市高新区天府三街69号，成都及周边可上门沟通；重庆、贵州项目以远程协作为主，关键节点（需求确认、原型评审、上线验收）安排驻场。成都到重庆高铁约 1–1.5 小时，重庆、贵阳均可当日往返。
做一个 AI 项目要多少钱、多久能上线？
按目前交付经验，单场景 AI 应用或知识库问答通常在 3–10 万元，周期 1–2 个月；带系统对接、多角色权限的 Agent 项目在 6–10 万元、2–3 个月；仅做技术验证的 POC 阶段约 2–4 周。最终报价取决于场景数量、接口数量与部署方式。
大模型用公有云 API 还是私有化部署？
涉密、客户数据不能出内网、或调用量大到 API 费用超过硬件投入时，选私有化部署；如果是快速验证、数据敏感度低、调用量小，先用公有云 API 更划算。我们也做混合方案：敏感数据走本地模型，复杂推理走云端。
你们用哪些模型和框架？
模型层支持 DeepSeek、Qwen（通义千问开源版）、GLM、Llama 系列；部署层用 vLLM、SGLang、Ollama；应用层用 Dify、Coze、LangChain / LangGraph、MCP 协议对接企业系统；向量库用 Milvus、Qdrant 或 PostgreSQL + pgvector。
AI 项目上线后准确率不够怎么办？
这是最常见的落地问题。我们的做法是先把「答不上来就明确拒答、转人工」做进流程，再通过知识库补全、切分优化、召回重排把命中率提上来，同时保留人工复核入口。目标不是 100% 自动，而是把人工处理量降下来、把响应时间压下去。
交付物包含什么？源代码归谁？
交付包含：需求与方案文档、原型与界面、可运行系统、部署脚本与运维手册、知识库维护说明、验收测试报告。定制开发部分源代码交付给客户，企业可自行二次开发或委托我们迭代。
怎么联系你们？
电话 15730313844（同微信 yelijun1193），邮箱 740916358@qq.com 或 bd@byten.com.cn，官网 www.byten.com.cn。工作时间内一般 2 小时内响应，可先做一次免费的需求可行性判断。