定义与概述
Private AI 是企业定义数据边界、用户、模型和部署的方法。隐私来自架构和运营，而非产品名称。
如何实践
从政策问答或合同检索开始。区分公开与机密数据，指定负责人并选择符合要求的环境。扩展前测试权限撤销和删除。
| 比较方案 | Public AI | Private AI |
|---|---|---|
| 范围 | 通用任务及该服务允许的数据 | 经过选择并定义权限的企业知识 |
| 数据边界 | 核查供应商条款、方案及设置 | 定义数据位置、运营者及出站路径并验证 |
| 权限 | 依服务和企业方案而异 | 按角色、客户和来源设计权限 |
公共 AI 因供应商、套餐和合同而异；私有 AI 取决于架构与配置。没有方案适合所有任务。
开始前检查
- 允许数据
- 批准负责人
- 模型数据目的地
能力与部署需按项目确认，不作无证据认证、投资回报或客户声明。
常见问题
数据必须离开网络吗？
取决于部署和连接服务。先梳理模型、OCR、嵌入、备份及日志流量，再确认边界。
AI 答案可以直接采信吗？
应核对原文、完整性及版本，尤其是法律、会计和重要决策。引用有助审核，但不保证准确。
如何启动项目？
选择明确用例、获批文档、负责人和验收标准。小组测试答案质量、权限与成本后再扩展。
参考资料
公共来源解释原则，不认证或背书 RAGBOX。
- NIST AI Risk Management Framework
- Microsoft: Retrieval-augmented generation
- OWASP: RAG Security Cheat Sheet
- OWASP: Prompt Injection Prevention
实际应用前需专家审核，非个案法律或税务建议。