正在加载，请稍候
Demo 只演最顺利的那条路径，验收要看可复现的指标。2026 年企业 AI 立项，这 5 条硬指标建议直接写进采购合同。
2026 年 10 月，沪昆高速上一辆车的导航辅助驾驶（NOA）在距前方货车约 10 米时突然退出、把控制权交回驾驶员，此时车速 120km/h，最终追尾。企业 AI 立项验收要回答的，其实是同一个问题：系统什么时候必须把控制权交还给人，交回来的时候，人还来不来得及。
过去两年，企业买 AI 的流程基本是"看现场、签合同、上线再说"。这套做法已经失效：这类系统不再只是回答文本，它会执行模型自己生成的代码、操控浏览器、调用 MCP 工具和内部业务系统（InfoQ 对 QCon 上海议题的报道）。风险从"答错话"变成了"真的做错事"，而现场那一刻恰恰只展示最顺利的那条路径。
这种验收方式有三重失真：场景是排练过的、数据是干净的、失败路径是被剪掉的。而 2026 年真实世界里发生的自动化事故，都不会出现在排练脚本里：
所以验收对象必须从"排练脚本"换成"可复现的指标 + 可导出的证据"。下面 5 条硬指标，建议直接写进 SOW 或采购合同。
厂商给的样例几乎都跑在满速公网里。但企业真实的网络环境有出口管控、有隔离区、有专线抖动。采购时不要问"支持离线吗"，要问三个确定的动作：
这部分能力很大程度上取决于网络边界是否可观测。上汽集团在 QCon 上海分享的企业级智能体基础设施实践，用 OVN-Kubernetes 给每个租户建独立网络域、用租户级 Egress Gateway 收敛所有出口流量——只有边界清晰，"断网时到底发生了什么"才能被度量，而不是靠厂商一句话描述。
模型单价正在快速下行，这反而是采购最大的陷阱：今天基于单 token 价谈的预算，明天就失去意义。OpenAI 在 9 月 29 日把 GPT-6.1 Sol 定价压到 Astra 标准 API 输入/输出价的五分之一（OpenAI 官方博客）；国内 Qwen3.8-Flash、GLM-5.3-Flash 这类低价高频"补位"模型也在 8 月密集上线（雷峰网实测）。
所以验收口径应该是"每完成一个业务任务花多少钱"，而不是"每百万 token 多少钱"。具体要写进合同的有四条：
单价降了账单却涨，是这一类项目最常见的反直觉现象，我们在另一篇三笔看不见的账单里做过逐项拆解。
智能体时代的权限模型和传统 SaaS 完全不同：一条自动化流程会拿着凭证去调内部系统，而凭证一旦直接进入运行时环境，理论上就可能被读取甚至泄漏。前面提到的 Wikimedia 事件，以及同期曝出的丹麦政府数据库约 800 万人记录泄露（TechCrunch 报道），都指向同一件事：出事之后，你能不能还原"谁在什么时候、用谁的凭证、调了什么"。
建议照抄上汽集团那套四层隔离思路做验收提问：
验收动作很直接：让厂商现场导出一份审计日志，然后你自己用 grep 查一条完整任务链。查不出来，这一项就不通过。越权与沙箱逃逸的排查思路，可参考我们对路由降本与沙箱逃逸的技术复盘。
模型供应格局变化极快：闭源厂商按月更新定价与能力，开源权重阵营在追赶。Reflection 的 Beam 明确面向企业与"主权 AI"，主打在客户自己机房训练本地模型；DeepSeek 在 9 月底把整套算子工具链（TileLang、DeepGEMM、DeepEP、FlashMLA 等）原生适配华为昇腾，喊出"一套代码跑遍所有芯片"（雷峰网报道）。
这意味着"供应商锁定"不仅是商业风险，还是合规风险。欧盟 AI Act 的透明度规则已于 8 月 2 日生效，OpenAI 从 10 月 5 日起在欧盟为 ChatGPT / Codex 输出加上隐形水印，技术方案叫 textGrain（与宾夕法尼亚大学、耶鲁研究者合作），其接口可选用、默认关闭；测试显示把 10% 的词替换成同义词，检测率会从约 92% 掉到 66%（TechCrunch 报道）。也就是说，换一个模型，输出的合规标签、可检测性、甚至下游审计结论都会变。
落地要求只有一条：在业务代码和模型之间必须有一层自己定义的 task 接口，模型只是可插拔的 provider。验收时要看一次真实的"双供应商切换演练"，记录切换耗时和回归用例通过率；选型阶段可对照一份模型供应链风险清单逐项排查。
回到开篇那条高速：自动化在距离前车 10 米时交还控制权，法理上"接管成功"，工程上却是事故。企业采购也一样——"支持人工接管"这句话不构成 SLA，可度量的交接才构成。
携程在 QCon 上海分享的 AI + SRE 实践提供了一个可参考的闭环：告警收敛与分级 → 根因定位 → 预案库自愈 → 人工审核兜底，平台故障 MTTR 降低了 50%，同时特别强调要设计"自愈误操作的防护机制"（InfoQ 报道）。把同样的思路搬进采购合同，SLA 至少要写清五件事：
下表建议整段粘进采购需求书，把"通过证据"一列直接作为付款节点。
| 维度 | 要写进合同的验收问题 | 通过证据（不看现场） |
|---|---|---|
| 可用性 | 断网 30 分钟后关键任务完成度？降级路径是否确定？恢复后是否去重？ | 隔离环境断网演练报告 + 任务完成日志 |
| 成本 | 单次任务成本上限？月度账单封顶？超额如何熔断？ | 按任务打标的账单样本 + kill switch 测试记录 |
| 权限 | 每个执行单元是否独立身份 + 短周期凭证？能否禁止直连内网？ | 凭证签发/过期日志、内网直连被拒记录 |
| 审计 | 日志能否导出结构化格式？保留多久？能否串联单次任务？ | 现场导出并 grep 串联一条完整任务链 |
| 可替换 | 是否有内部 task 接口？换一个模型要几天？ | 双供应商切换演练记录 + 回归用例通过率 |
| SLA / HITL | 失败率上限？触发条件？交接窗口多长？ | 故障注入报告 + 交接演练记录 |
那个具体数字我们没有找到可核实的一手来源，不建议作为预算依据。更稳妥的做法是用"单次任务成本 × 月任务量"倒推，再乘 1.5–2 倍冗余；同时把模型单价的下行趋势（例如 GPT-6.1 Sol 定价降到 Astra 的五分之一）作为后续压价的空间写进谈判。
不一定。多数企业真正需要的是"关键路径可降级"，而不是全量离线。把必须离线的任务列成一份清单，只对清单内的任务要求本地推理或规则兜底，成本通常会低一个量级。
切换成本高，恰恰说明抽象层没做——这就是要在立项时投的工程预算，而不是上线后补救。可以先做一次纸面演练：列出当前方案依赖的所有厂商特有功能，逐个标注替代方案，评估真实切换代价。
短期会。但交接设计得好的系统长期反而更省：可度量交接意味着可度量失败，失败率下降本身就会减少返工。携程的做法是先分级，让系统处理高置信度部分、人工只处理低置信度——回报来自分流，而不是全量人工介入。
5 条里成本封顶和审计日志导出任何规模都值得做；离线基线和双供应商切换演练适合有合规或断网压力的团队；HITL SLA 建议所有对外提供服务、或涉及不可逆操作的场景必做。
指标写得再细，也需要在真实项目里验证过一遍才知道边界在哪。蓝曜炬辉（www.lanyaoai.com）在金融、制造、零售等行业交付过多套企业 AI 应用，涉及权限隔离、成本治理与人机协同的落地细节。想看这些指标在真实交付中怎么一一对应，可以浏览我们的企业 AI 落地案例；如果正在权衡自建底座与托管服务，可先看托管云服务与自建底座的取舍；如果正在写立项文档，也欢迎直接联系我们做一次针对性的验收口径对齐。