《DeepSeek私有化部署与政务央企AI落地》课纲

《DeepSeek私有化部署与政务央企AI落地》

主讲：白涛

【课程背景】

在十五五将人工智能上升为国家战略、国资委全面推进AI+专项行动的背景下，政务与央企单位正被推着走进大模型时代：上级要应用覆盖率、考核要落地成效，但实际推进却被一道道合规红线牢牢框住。

当前多数单位把AI私有化当成一道技术题来立项和推进，结果普遍卡在三处：说不清到底要不要私有化（是跟风上，还是业务真需要）；说不清要花多少代价、怎么向一把手开口（动辄数百万预算，却讲不出业务价值）；说不清先拿哪个场景下手（手里十个想法，分不清哪个能落地、哪个是伪需求）。表象是“不敢用”，根子往往是没算清账、没找对场景、没拿到上层拍板的依据。

本课程不堆模型原理，而是站在决策者的视角，把AI私有化落地还原成一道在合规红线内、投入产出算得清、风险控得住的经营决策题。课程沿着“让不让用—需不需要—花多少代价—数据怎么喂—先跑哪个场景—如何长期运营”的主线展开，帮助单位在合规前提下把第一个AI场景真正跑通，让“想用不敢用”变成“敢用、会用、用出成效”。

【课程收益】

明确本单位AI应用的合规边界与落地门槛，能向一把手讲清“让不让用、用到哪一步”。

掌握私有化、调用、混合三种路线的选型逻辑，能在一页纸内定下适用本单位的部署方式。

算清AI项目的算力、人才、隐性三本账，能用“省了多少、控住什么风险”替代技术参数做汇报。

用四库把单位沉淀的制度、公文、案例变成AI可用资产，建立不泄密的数据喂养路径。

套用场景价值公式筛掉伪需求，带走一张从试点到推广的90天路线图，回去就能跑通第一个demo。

【课程特色】

决策视角：站在一把手与分管领导的椅子上讲投入产出，不堆模型原理；

合规避坑：把数据出境、等保、密评三道红线前置讲清；

算账导向：用“省了多少、控住什么风险”的经营语言替代技术参数；

落地闭环：从路线选型、数据喂养到90天路线图，结课即产出可执行计划。

【课程对象】政务与央企单位的信息化、数字化分管领导，CIO、CTO，科技与信息化部门负责人，数据管理与网络安全负责人，以及数字化转型与AI项目的牵头人。

【课程时间】1天（6小时/天）（可根据需要压缩为半天概论版，或扩展为2天实战版）。

【课程大纲】

模块一：上面到底让不让用、方向对不对？

本模块帮助学员判断AI应用上面让不让、方向对不对，找准落子的战略坐标。

1. 国家AI战略与十五五政策信号

十五五对AI的战略定位（从工具升级为生产要素）

国家支持与明令禁止的AI应用边界

国资委AI+要求如何转化为本单位任务

研讨：对照政策信号，本单位哪些业务最该被AI优先赋能

2. 政务央企AI落地的三道门槛

AI应用的三道合规门槛（数据出境、等保、密评）

如何用投入产出判断AI是否值得投入

自主可控与运维能力如何决定用得稳不稳

自我评估：本企业当前卡在三道门槛的哪一道

3. 私有化部署在战略棋盘里的位置

数据主权为何是政务央企绕不开的底线

私有化与API调用如何组合（混合架构兼顾安全与能力）

案例：某能源央企把AI写进十五五规划的顶层表述与落地节奏

模块二：为什么想用却不敢用？

本模块厘清“想用不敢用”背后的合规死结，分清私有化能解决什么、解决不了什么。

1. 政务央企AI应用的三道合规关

等保三级与密评如何守住数据不出域

上线前的合规评估流程（过审环节与责任主体）

信创与国产化替代梯度（芯片到模型）

案例：某省级政务平台因数据出境被叫停的教训与整改

2. 私有化部署到底解决什么、解决不了什么

私有化部署保住的四件事（数据留内、模型可审计、权限可控、合规可交代）

私有化部署解决不了的短板（算力高、迭代慢、需专人运维）

三种部署模式的决策对照（云API、私有化、混合）

演练：三分钟判断你这个场景该选哪种部署方式

3. 数据主权与自主可控的底线思维

数据不出域为何是政务央企的硬约束

模型可审计、权限可控如何支撑合规交代

研讨：本单位哪类数据绝对不能碰、哪类可以有限开放

模块三：开源还是闭源、全量还是蒸馏怎么选？

本模块讲清开源与闭源、全量与蒸馏的取舍逻辑，帮学员定下本单位的技术路线组合。

1. 开源与闭源模型的取舍

开源模型的优势与代价（可私有化、需自运维）

闭源模型的适用边界（能力强、数据出域受限）

案例：某制造业集团闭源对外、开源对内的双轨策略

2. 全量与蒸馏模型的权衡

全量模型的精度与部署门槛

蒸馏模型的成本与轻量化收益

不同参数规模如何匹配业务场景

3. 本单位技术路线的组合策略

核心敏感业务如何选私有化开源

通用低风险业务如何借力闭源API

演练：给本单位三个业务定下技术路线组合

模块四：要花多少钱、怎么跟领导交代？

本模块把AI项目翻译成一把手听得懂的经营账，算清代价、讲清价值。

1. 算清算力、人才、隐性三本账

自建GPU集群的成本账（长期摊销 vs 按次买API）

AI团队的角色配置（算法、运维、标注，哪些自有）

易被低估的隐性成本（数据治理、安全合规、试错返工）

案例：同为700亿参数模型，两家企业落地成本差3倍的关键原因

2. 三种落地路线与适用对象

公有云API路线的适用场景与代价（低风险、数据出域）

本地部署开源模型的适用场景与代价（核心敏感、自主可控但运维重）

混合架构的内外分工（敏感留内、通用借外）

三条路线如何按风险对号入座（成本、安全、周期对比）

3. 用决策语言向一把手汇报AI项目

向一把手汇报的篇幅与切入（一页纸讲业务问题）

用业务语言替代技术参数（省了多少、赚了多少、控住什么风险）

演练：把“我要上大模型”改写成“我要解决X风险、创造Y收益”的立项表述

案例：一份被董事长当场拍板的AI立项汇报是怎么写的

模块五：数据怎么喂进去还不泄密？

本模块讲透如何把单位沉淀的制度公文案例变成AI可用资产，且喂养过程不泄密。

1. 用四库把单位老经验变成AI资产

AI如何理解制度规范标准

AI如何理解公文工单与对话

AI如何借鉴成败案例

AI如何学会规范出活（报告方案审批单范式）

2. 数据治理的五道关

数据分类分级（哪些能喂、哪些绝对不能喂）

脱敏与按角色授权（谁能看、看到什么程度）

传输存储加密溯源（出问题追到源头）

数据质量自识别（脏数据矛盾数据自动拦截）

3. 让数据喂养既安全又可用

知识库权限的分级管控

敏感数据的脱敏入库流程

演练：给本单位的制度公文设计一条安全的喂养路径

模块六：先拿哪个场景下手能跑通？

本模块给出筛掉伪需求的方法和高价值场景清单，并规划从试点到推广的90天路线。

1. 三分钟筛掉伪需求的场景价值公式

高频维度如何决定降本规模

高价值维度如何决定优先级

低风险维度如何决定能否先上

演练：用公式给本部门10个AI想法现场打分排序

2. 政务央企高价值场景清单按风险排序

低风险的典型应用场景（公文智能起草、制度问答、培训助教、会议纪要等）

中风险的慎推场景（合同审查、客服问答、数据分析、招采辅助等）

高风险场景的人审闭环（决策辅助与自动审批必须保留人审）

案例：某部委公文智能起草试点90天见效的范围与边界

3. 从试点到规模化的90天路线图

0-30天选场景搭最小环境跑通首demo

30-60天小范围试用、收集反馈、调优四库与提示词

60-90天固化流程、建运营机制、形成可复制推广模板

行动承诺：各组制定本企业AI试点的下一步计划与责任人

模块七：怎么让模型越用越聪明、长期运营？

本模块讲清如何让模型越用越聪明，建立能长期运营、持续见效的机制。

1. 反馈闭环如何驱动模型迭代

反馈闭环如何驱动模型迭代

RAG检索增强如何低成本更新知识

模型效果的可量化评估

案例：某能源央企知识库上线半年准确率提升曲线

2. 从试点到规模化的运营机制

试点期的小步快跑与快速纠偏

固化流程与建立运营责任主体

形成可复制推广的标准模板

行动承诺：制定本企业AI运营的第一步

3. 算力与人才的长效保障

GPU算力的弹性调度与成本管控

AI团队的岗位配置与能力建设

外部生态如何补自有短板

研讨：本单位AI长效运营的最大短板在哪

【教学方式】

讲师讲授 + 案例剖析：用政务央企真实场景讲清选型与落地逻辑。

小组讨论 + 白板共创：围绕三道门槛、场景打分等现场对齐共识。

实战演练 + 模板工具：现场填写选型对照表、汇报一页纸、90天路线图。

问答互动 + 行动规划：结课产出本单位可落地的第一步行动。

【教具支持】白板、白板纸、白板笔；积分卡、计时器、透明胶带；翻页笔、即时贴；现场助教（负责教具、积分、时间管理）；学员需要准备个人电脑及必要的预安装工具等。