今日技术观察 点击查看原文> 01 背景速览 背景速览：近期有文章以“85%的企业 AI 落地卡在数据上，为什么你还在选模型？”为题，引发了关于企业 AI 建设重点的讨论。对于很多组织而言，模型能力固然重要，但 AI 能否真正进入业务流程，往往还取决于数据是否可用、可管、可信，以及能否被安全地接入应用系统。 02 趋势影响 趋势影响：随着大模型、云计算和开源生态的发展，企业获取 AI 能力的门槛正在降低。但这也让问题从“有没有模型可用”转向“企业内部是否具备支撑 AI 的数据和工程体系”。数据分散、质量不稳定、权限边界不清、系统接口复杂等因素，都可能影响 AI 项目的交付效果和持续迭代能力。 03 企业应用启发 企业应用启发：在规划 AI 项目时，企业或许可以先从业务场景和数据现状出发，而不是直接比较模型参数或榜单表现。例如，先确认数据来源、更新频率、标注或清洗机制、访问权限、调用链路和反馈闭环，再评估模型选型、云资源配置、软件集成方式和运维机制。这样更有助于把 AI 从试点演示推进到稳定应用。 04 合规观察 合规风险提醒：AI 落地过程中，数据安全和网络安全不应被后置处理。企业需要关注个人信息保护、敏感数据访问控制、日志审计、第三方服务调用边界、开源组件合规以及模型输出风险等问题。特别是在云端部署或调用外部 AI 服务时，应明确数据是否出域、是否被用于训练、权限如何隔离，以及出现异常输出时如何追踪和处置。 05 开放讨论 开放讨论问题：你的企业在推进 AI 应用时，最先遇到的是模型能力问题，还是数据质量、系统集成、权限合规等基础问题？在有限预算下，应该优先投入模型选型、数据治理、云基础设施，还是安全合规体系建设？欢迎结合实际场景讨论：什么样的数据准备程度，才算真正具备 AI 落地条件？ 公开来源参考 85%的企业 AI 落地卡在数据上，为什么你还在选模型？