隨著AI大模型技術的飛速發(fā)展，越來越多的企業(yè)開始探索如何將其融入自身業(yè)務，以提升效率、優(yōu)化用戶體驗并創(chuàng)造新的價值。本文將詳細梳理接入大模型的五種常見方式，幫助大家全面了解不同接入方式的適用場景、成本考量以及技術門檻。

DeepSeek 帶來的國民級熱度，很大程度上，是讓整個社會都意識到，AI 大模型對于生產(chǎn)力提效的巨大價值，同時也帶來了 AI 的洪流勢不可擋、不擁抱就落伍的危機感。今年以來，很多公司都在積極擁抱 AI 實踐，希望通過 AI，一方面提升自己企業(yè)、自己業(yè)務的效率，另一方面也希望為自己的用戶提供 AI 的能力。

我們在新聞通稿中，會看到很多公司，都使用了“接入 DeepSeek”的說法，那么，所謂的“接入 DeepSeek 等大模型”，究竟都有哪幾種形式？

其實不論是 DeepSeek，還是其他大模型，企業(yè)能夠接入的方式，一般就是以下 5 種：

1. 個人直接使用平臺功能

2.通過智能體平臺搭建 Agent

3.API 調(diào)用

4.私有化本地部署

5.通過云服務商間接部署

01 個人直接使用平臺功能

個人直接使用平臺功能，就是以個人身份，直接使用大模型官方的 C 端的服務，比如直接登錄 ChatGPT 官網(wǎng)、DeepSeek 官網(wǎng)使用，或者通過一些集成產(chǎn)品使用，但都是以個人身份使用通用的大模型產(chǎn)品。

這種方式對于小公司來說，實際落地的方式也就是作為內(nèi)部的提倡，鼓勵員工使用，或者公司出錢，買幾個 ChatGPT 賬號。比如我已知的幾家大廠，程序員編程已經(jīng)大規(guī)模使用 Cursor（一款 AI 編程軟件），代碼寫得又快又好。

這種方式輕量簡便，好處是能最快感受 AI 帶來的工作變化，劣勢是僅能作為個人工作提效的輔助，沒有定制功能，數(shù)據(jù)安全也有風險。

02 通過智能體平臺搭建 Agent

如果只是在官網(wǎng)中與 AI 進行簡單的對話，AI 能夠進行工作，也很有限，AI 的產(chǎn)出物也不太可控。實際工作當中，任何工作都有一個流程和標準的限制，才能讓產(chǎn)出的結果，達到預定的標準。

比如「小紅書運營」這項工作，如果讓 AI 直接進行工作，是沒有辦法完成的，因為小紅書運營包含著多種不同的工種環(huán)節(jié)。我們拆解一下，「小紅書運營」這項工作，其實包含以下步驟：

選題-撰寫文案-配圖-發(fā)布-數(shù)據(jù)分析　

這種把工作拆解成標準執(zhí)行動作的過程，就是一個工作流，在工作流中，我們分別識別出 AI 可以應用的點，然后調(diào)用不同的 AI，幫助我們完成一長串的工作。

就好像有好幾個“AI 員工”相互配合，最終做出一個成品。

比如以上的「小紅書運營」工作流，AI 介入后，就可以：

• 通過可聯(lián)網(wǎng)的大模型收集今日熱點新聞
• 通過大模型分析有哪些選題
• AI 為選題生成文案
• 通過大模型為文案的配圖，創(chuàng)作一個生圖的 Prompt
• 調(diào)用文生圖的大模型，使用 Prompt，生成配圖
• 【人工】將文案和圖片手動發(fā)布至小紅書（實際上，這一步通過 RPA 也能自動發(fā)布，但不可控因素比較多，亨亨 V：xiaozidaheng 建議手動發(fā)布）
• 通過發(fā)布的筆記鏈接，抓取點贊收藏評論數(shù)據(jù)，進行數(shù)據(jù)分析

在每個環(huán)節(jié)，AI 都只解決一個具體的問題，然后把許多個 AI 的工作串起來，就成為了 AI 工作流（如下圖）。

這種串聯(lián)起來的工作流，就被稱作 Agent 或者智能體，通過智能體搭建平臺，可以方便的搭建出適合自己業(yè)務的智能體，并可以將智能體發(fā)布到企業(yè)內(nèi)部的飛書、微信等平臺，解決各種各樣實際的問題。

智能體搭建平臺，國內(nèi)做得比較好的是扣子，集成了多種大模型。通過智能體平臺，在企業(yè)內(nèi)部部署 AI 的方式，好處很明顯，就是能夠低成本的將 AI 融合進企業(yè)的工作流當中，解決企業(yè)的實際問題，并且也不用開發(fā)，對于大多數(shù)不涉密的工作，這是性價比非常高的一種方式。缺點依然是使用公共的能力，不涉及私有部署，并且對于一些深度復雜的工作，還是沒辦法做好。

03 通過 API 調(diào)用

API 調(diào)用本質(zhì)上也是在訪問大模型廠商的能力，只不過無需去官網(wǎng)的對話框發(fā)消息，而是直接通過技術接口，將數(shù)據(jù)傳遞給大模型，大模型處理完成后，再通過 API 接口將處理結果返回。

調(diào)用 API 的好處是，能夠?qū)?AI 與自己的產(chǎn)品相結合，而無需跳轉(zhuǎn)到 AI 大模型的網(wǎng)站。

04 私有化本地部署

DeepSeek R1 能夠掀起 AI 應用的大浪潮，一方面是模型實力頂尖，另一方面是模型開源（DeepSeek 使用 MIT 協(xié)議開源）。開源就意味著，任何企業(yè)，都能夠?qū)?DeepSeek R1 部署到自己的服務器當中，并且可以通過微調(diào)，擁有一個屬于自己的大模型。

目前宣布接入 DeepSeek 的企業(yè)中，幾家大廠基本上都是采用私有部署的方式，為用戶提供 DeepSeek 的能力。

私有部署的優(yōu)勢和劣勢都很明顯，適合有技術實力的公司。

優(yōu)勢：

1.企業(yè)自主可控的本地大模型，業(yè)務安全等級最高；

2.可對模型進行一定程度的微調(diào)，使其更符合企業(yè)業(yè)務需要。

劣勢：

1.成本較高，不僅需要足夠的算力，也需要人力進行運維；

2.需要比較高的技術能力，才能實現(xiàn)大模型的訓練。

05 通過云服務商間接部署

DeepSeek 火爆之后，阿里云、騰訊云等云服務廠商，也第一時間推出了部署能力。這個過程，本質(zhì)上是云服務廠商進行了私有部署，然后幫助使用云服務的企業(yè)，快速獲得私有部署的能力。

這種部署方式，算是完全本地私有部署的優(yōu)化版，犧牲一部分自主性，獲得更方便的部署能力。

優(yōu)勢：

1.無需自行準備算力，可以使用云服務商的算力；

2.接入方便，成本較低，有一定的技術能力就可以完成接入；

3.可以進行小量的私有數(shù)據(jù)部署，實現(xiàn)大模型輸出結果的小量定制。

劣勢：

1.服務質(zhì)量受到云服務商服務質(zhì)量的影響；

2.并非完全自主可控，大部分信息是安全的，但絕密信息依然有風險。

06 總結

基本上，企業(yè)內(nèi)部接入大模型的方式，就是以上 5 種。企業(yè)可以根據(jù)不同的情況和需要，選擇合適的方式，進行部署。

我做了一張表，一目了然。