企业级 AI 落地手册

C.1先把四个最容易混淆的区分立起来

这一节的内容，几乎覆盖了企业 AI 落地中最常见的四种误解。企业在内部推进时踩的坑，八成来自这里。

区分一：统一表征 ≠ 统一训练目标

很多人以为"广告/企业数据无法像多模态那样统一"——这个说法是错的。统一表征其实有三层：

真正的门槛在第三层。语言有序列结构（预测下一个词）、图像有空间结构（还原加噪图）、图文对有配对结构（判断是否匹配）——这三个任务都是从数据自身结构里"长出来"的；而广告数据是人为拼接的字段，没有内在结构，任务必须由人来设计。

区分二：训练 embedding 模型 ≠ 使用 embedding 模型

这是企业侧最常见的误解——以为要用自己的数据"训练"一个向量模型。

两者成本差 4–5 个数量级——所以绝大多数企业只做"使用"。只有当领域词汇极其特殊（医疗、法律、工业术语）时，才值得用自己的数据微调。

区分三：RAG 提供"事实"，不是"教规则"

• RAG：把相关文档片段塞进这一次提问的上下文。查完了就完了，模型什么都没记住——像允许带书进考场。
• 微调：用大量样本训练，永久改变模型参数，让它学会某种模式——像反复刷题练成肌肉记忆。
• "举一反三"是 LLM 自带的能力（预训练就有了），不是 RAG 教的。RAG 的贡献只是：确保它这次手里有正确的材料。

区分四：embedding 懂"语义"，不懂"业务"

这一个区分解决了最常见的疑问："预训练没见过我们公司的数据，它怎么能答得出来？"

所以"预训练里没有企业数据"根本不构成障碍：索引系统不需要读过贵公司的书就能建索引，它只要会判断"这两段文字说的是不是一回事"。
至于"我们的退款政策是 7 天还是 15 天"——这个事实存放在文档里、被检索出来、由 LLM 读给你听。业务知识从来不在 embedding 里。

C.2向量数据库到底怎么工作

这是最容易讲混的一环，把它拆成五步就清楚了：

C.3为什么不能"直接把资料全给模型"

这是一个特别自然的疑问：既然 LLM 能理解，为什么不把资料全部上传、让它自己去查？

但要承认：资料少的时候，你的直觉是对的。

• 只有 20 份文档、合计 5 万字 → 直接全塞进去反而更准（少一层信息损失）
• 每次只针对单一文件提问（"帮我总结这份合同"）→ 上传单个文件即可
• 但要跨几十万份资料问答（企业知识库、客服助手）→ 必须先检索

为什么不用关键词搜索？因为用户问"为什么我的接口老是失败"，文档里写的是"请求频率超限返回 429"——字面上没有任何共同词，关键词永远匹配不上，只有语义检索能建立关联。

C.4企业的三个关键选择

下面用一个真实场景把三个选择串起来：某企业软件公司，要把 3 年积累的客服工单 + 产品文档 + 销售合同，做成一个内部 AI 助手（客服和销售都能用）。

选择一 · 选模型：通用还是领域微调

现实做法：先用通用模型跑并测量准确率；只有当业务方反馈"AI 老是答错方向"、且确认是术语混淆时，再针对性微调。不要一上来就微调。

选择二 · 切分策略

选择三 · 元数据设计（最容易被忽略、却最影响可用性）

C.5一次真实检索的完整过程

C.6五层落地门槛：为什么"技术门槛低"是错觉

C.7为什么消费级已经普及，企业级还没跑起来

用本书的信号框架再看一遍

C.8一页速查：判断一个企业 AI 项目的六个问题

TOUGE RESEARCH

关注公众号，追更深度研究

每两周一期长报告：把一个行业的来龙去脉、商业模式与竞争格局讲透。只写能落到判断上的内容。

长按识别二维码关注

更多深度研究 → touge.com.cn/dr/