AI 应用与知识服务 · 数据平台与可视化 · 系统集成与遗留接管

AI 应用与图像识别

两条有交付实证的主线:把大模型能力封装成统一识别服务接进业务系统(已在生产环境部署、多端复用);在手机端完成 3D 扫描与重建(美区 App Store 在架并持续更新)。AI 问数(本地大模型、数据不出内网、只读 SQL 白名单)已在内部演示环境实现。图像识别场景有过项目经验。

  • 大模型服务化
  • 手机端 3D 扫描重建
  • AI 问数 POC
  • 小成本 POC 先行

PROBLEM

解决什么问题

两条有交付实证的主线:把大模型能力封装成统一识别服务接进业务系统(已在生产环境部署、多端复用);在手机端完成 3D 扫描与重建(美区 App Store 在架并持续更新)。AI 问数(本地大模型、数据不出内网、只读 SQL 白名单)已在内部演示环境实现。图像识别场景有过项目经验。

想把大模型用起来,难点不在模型本身,而在工程:数据能不能不出内网、输出错了谁兜底、能力怎么封装成多端复用的服务、效果拿什么证明。本页只写我们有交付实证的方向;没有实证的(模型训练、语音识别)直接列在不适用里,不让你为用不上的能力买单。

FIT CHECK

适用与不适用

不适用清单是有意写全的:不合适的项目直说,比签约后彼此为难便宜。

适合我们的场景

  • 已有业务系统或 APP,想把大模型能力封装成统一服务 API,供多端复用
  • 数据敏感,要求模型本地部署或内网私有化,数据不出内网
  • 想在手机端(iOS 深度相机)做 3D 扫描与重建,产出可用的 3D 模型
  • 想先用小成本 POC 在自己的数据上验证可行性,再决定要不要扩大投入
  • 有报表 / 数据问答类需求,希望业务人员用自然语言查数(AI 问数方向)
  • 接受「模型辅助 + 人工复核」的混合流程,不要求全自动化

不适合的情况

  • 模型训练、微调与数据集标注服务:没有可展示的交付实证,我们不作为卖点承接
  • 语音识别、ASR、TTS 类需求:无交付实证,不接(实时音视频互动类 RTC 产品另走 APP 开发服务页)
  • 通用大模型套壳、没有业务闭环的演示型项目
  • 以准确率指标承诺为前提的项目:我们用评测集给实测结果,不做指标保证
  • 要求模型输出直接写入生产数据、不经任何人工确认的场景

SCOPE

典型范围与明确不含项

右侧这些不在报价里。事前写清,比事后加钱少吵一架。

我们负责的部分

  • 大模型接入与封装:统一 REST 服务(可选 OpenAI 兼容接口),含超时、重试与降级策略,供多端复用。
  • 视觉识别服务化:把视觉大模型的分析能力封装成识别 API,输出结构化结果(如标准名提取),已在生产环境部署过同类服务。
  • 3D 扫描与重建 APP:iOS 深度相机采集 → 3D 模型生成 → 云端上传,端到端在 APP 内完成,有过美区在架交付。
  • AI 问数 / 报表问答类 POC:本地大模型 + 只读 SQL 白名单 + 评测集,数据不出内网(内部演示环境已实现,客户环境生产化需单独评估)。
  • POC 先行:先在你的数据上建评测集验证,再谈扩大范围。
  • 部署与上线支持:含内网私有化部署方案与监控说明。

明确不含(另行确认)

  • 模型训练、微调、数据集标注与算法研发。
  • 语音识别 / 语音合成(ASR / TTS)方向的功能交付。
  • 第三方模型服务的调用费用与账号开通(按其官方计费规则)。
  • 对准确率、响应时延等指标的承诺与保证。
  • 上线后的长期驻场运维(需另签服务协议)。

HANDOVER

交付物与售后

验收时按这份清单逐项过;下面的售后条款是写进合同的口径,不是口头承诺。

交付物清单

  • 《AI 应用范围与边界说明》(含人工复核点清单)
  • 《接口与数据边界设计》(模型可见数据范围与权限对齐)
  • 可运行的源代码仓库(Git)
  • 《部署与监控说明》(含内网私有化部署路径)
  • 评测集与评测报告:以评测结果作为验收与扩量的依据
  • 《提示词与服务维护手册》

售后条款

  • 维护期限、响应边界与合同内变更范围按具体项目合同确认。
  • 评测集随版本迭代回归:服务或模型变更后重跑评测,结果写入版本记录。
  • 高出错成本环节的人工复核入口属于交付范围,不是可选项。

SCALE

投入量级:要多少人、做多久

这里只给人数与工期,不给金额。为什么报价不公开 →

量级典型形态项目组人数工期
POC 验证 单场景可行性验证,含评测集建设 按合同确认 以周计
服务化落地 接入业务系统的正式项目 按合同确认 以月计

SMALL JOBS

小单也接

项目大小不是筛选条件,能不能验收才是。下面这些我们经常做,固定范围签约,通常 5–15 个工作日完成。

01

单场景大模型接入 POC

选一个重复度最高的环节接入模型能力,配评测集与人工复核入口

02

AI 问数 POC

本地大模型 + 只读 SQL 白名单,业务人员用自然语言查数,数据不出内网

03

3D 扫描可行性验证

用你场景里的实物与手机深度相机验证扫描重建链路

小单的边界:固定范围内计价、不含硬件与第三方费用、不配驻场、不含长期运维(可另签)。范围外需求走增补,先确认再动手。

STACK

技术栈与工作方法

选型按你的约束定(既有系统、机房或云、运维谁做),不为了时髦堆栈。

大模型接入

Qwen(通义千问 / Qwen-VL)GPT-4o 视觉OpenAI 兼容接口vLLM 私有化推理

服务化封装

Python / FastAPIGoREST 统一服务RabbitMQ 异步队列

3D 与移动端

SwiftARKit / 深度相机StandardCyborg 扫描 SDKFirebase

方法与安全

本地部署 / 内网私有化只读 SQL 白名单(AI 问数)评测集回归人工复核闭环

工作方法

  • 小成本 POC 先行:先在最值得做的一个环节验证,用评测结果决定要不要扩大。
  • 数据留在客户内网:需要不外传的场景走本地部署 / 内网私有化,数据边界在方案阶段写清。
  • 高出错成本环节保留人工复核:模型辅助生成,人在关键一步确认。
  • 用评测集说话:效果不靠演示印象,靠事先约定的评测集给实测结果。
AI 识别助手对话示意(示意界面)
AI 识别助手对话示意(示意界面)

LIVE DEMO

看看实际运行的样子

在我们自有 ERP 产品上实现的内部演示:中文提问,本地大模型生成只读 SQL,执行后返回结果,SQL 全程可核对。数据为虚构;可部署到客户内网,模型本地运行。

FAQ

常见问题

数据会外泄吗?
默认按数据边界设计:模型可以本地部署或内网私有化,问题与数据只在你的内网流转(我们的 AI 问数演示环境就是这个口径:本地大模型、只读白名单、数据不出内网)。如果走第三方模型 API,哪些字段可以进入调用、哪些必须留在本地,在方案阶段写进设计文档。
多久能验证你们行不行?
用 POC 口径:先选一个环节、用你自己的数据建一个小评测集,跑通后拿评测结果说话。POC 以周计,不绑定后续大合同。
你们做模型训练吗?
不做。我们的能力在大模型接入、服务化封装与工程落地;模型训练与数据标注没有交付实证,也不在我们承接范围。
语音识别、语音转写能做吗?
这一类我们目前没有可展示的交付实证,不作为卖点承接。实时音视频互动类(语聊房、直播)产品我们有双端在架的交付经验,另走 APP 开发服务页。
你们做过哪些能查证的 AI 项目?
两条线有生产实证:一是把视觉大模型封装成统一识别服务,已在生产环境部署并被多端复用;二是手机端 3D 扫描重建 APP,在美区 App Store 在架并持续更新。AI 问数(本地大模型、数据不出内网)已在内部演示环境实现。
识别效果能承诺准确率吗?
不承诺指标。我们交付评测集与评测报告,用你自己的数据给实测结果;高出错成本环节保留人工复核,允许模型出错而不让错误直达业务数据。

相关技术笔记

这一页服务背后,我们在交付现场实际处理过的问题。

下一步

先聊需求,再谈报价

把业务目标、现有系统和约束条件告诉我们。三个工作日内回一页纸的边界建议:第一期做什么、明确不做什么、需要你先确认什么。需求评估不收费,也不绑定后续合作。

商务联系人卢刚
商务联系人微信二维码 微信扫码加商务联系人,
发需求文档或截图都行。