TECHNOLOGY ECOSYSTEM

技术生态与选型

Negency 帮助企业在全球 AI 技术与中国工程和硬件供应链之间做选型:先看业务问题,再定技术组合,最后在试点里验证。

评估我的 AI 项目

核心判断:中国供应链优势不是最低价承诺,而是多供应商选择、软硬件组合、工程迭代和交付灵活性。

合作口径:本页列出的产品与技术是选型研究对象,Negency 与所列厂商不存在已确认的正式合作关系;出现具体产品名仅为说明选型范围,不构成推荐或背书。

合规口径:跨境数据与监管要求以具体项目评估结果为准。

MODULE 01

AI 模型

技术选择

两条路线:闭源商用大模型 API(按量调用、上线快)与开源权重模型(可私有部署、可微调)。同一业务问题常需大小模型组合:小模型处理高频常规任务,大模型处理复杂判断。

Negency 如何选择

先看数据能不能出境、延迟与成本上限、是否需要微调;再按评测样本对比 2–3 个候选,不只看公开榜单;最后确认许可条款允许商用部署。

客户需要提供什么

业务问题与评测样本(问题加期望答案)、数据出境与合规要求、预算与延迟上限、现有系统清单。

如何验证

用客户自己的评测样本做离线对比;试点期间记录准确率、成本与失败案例;上线前做权限与数据边界检查。

主要风险

模型版本更新改变输出;商用 API 涉及数据出境与供应商锁定;开源模型的许可条款按版本不同,部署前须逐项核对。

MODULE 02

Agent 框架

技术选择

开源编排框架(LangChain / LangGraph、LlamaIndex 等,核心多为 MIT 许可)与云厂商托管 Agent 服务。框架只解决编排,权限、审批与审计要另外设计。

Negency 如何选择

按工作流复杂度选:单步检索用轻量方案,多步骤、有分支、有人工审批的用状态机式编排;核对框架核心与服务端运行时的许可是否一致——个别项目的服务端运行时采用不同许可。

客户需要提供什么

目标业务流程与异常处理规则、需要接入的系统与接口文档、审批人与权限矩阵。

如何验证

在受控环境跑通正常流程与四类异常(检索无答案、无权限调用、工具失败、审批拒绝);检查每一步的审计记录是否完整。

主要风险

框架版本迭代快,API 易变;托管服务存在供应商锁定;Agent 的错误会在多步骤中放大,须有人工审批兜底。

MODULE 03

云与算力

技术选择

公有云 GPU 算力(按需或预留)、本地 GPU 服务器,以及两者组合。训练与批量推理适合云端弹性算力;持续推理与数据不出境的场景适合本地部署。

Negency 如何选择

按工作负载的持续性与数据边界定:间歇性重负载走云端,7×24 推理算本地总成本;同时核对目标区域的算力供给与数据驻留选项。

客户需要提供什么

工作负载特征(峰值、持续性)、数据驻留与合规要求、现有 IT 基础设施情况、预算结构(资本支出或运营支出偏好)。

如何验证

先做小规模成本实测(同一任务在不同方案下的实际花费与耗时),再定部署形态;上线后持续监测成本与利用率。

主要风险

GPU 供给紧张时云端排队或涨价;本地服务器前期投入大、运维自担;跨境数据传输须按项目评估合规要求。

MODULE 04

边缘计算

技术选择

边缘 AI 计算模组(如 NVIDIA Jetson Orin 系列)、工业边缘网关与工控机。边缘的价值是低延迟、断网可运行、数据不出厂房。

Negency 如何选择

按模型算力需求、功耗与环境条件选模组;工业现场优先考虑宽温、抗振与长期供货周期;软件栈(JetPack 等)与模型格式须与推理框架匹配。

客户需要提供什么

现场环境条件(温度、振动、供电)、模型与延迟要求、现有设备与网络情况、维护能力。

如何验证

先在实验室用真实模型与真实数据做离线验证,再到现场做小批量试点;记录延迟、功耗与长期运行稳定性。

主要风险

边缘算力有上限,大模型跑不动;型号迭代快,停产风险须在选型时评估;现场环境超出模组标称范围会导致不稳定。

MODULE 05

视觉与传感器

技术选择

工业相机与传感器(多供应商可选,中国厂商选择多)、开源视觉模型与推理框架(ONNX Runtime、OpenVINO、YOLO 系列等)。相机决定输入质量,模型决定判断能力,两者要一起选。

Negency 如何选择

按检测对象、节拍与光照条件选相机与光源;按精度要求与许可条款选模型与推理框架——注意个别流行模型的许可为强 copyleft(AGPL-3.0),闭源产品使用前须确认商业许可。

客户需要提供什么

缺陷定义与样本图像(合格与不合格各一批)、节拍与精度指标、现场光照与安装条件、误报容忍度。

如何验证

用客户真实样本做离线验证(准确率与误报率分开统计),再做现场试点;每一张判为缺陷的图都要能回放判断依据与复核记录。

主要风险

样本不足时精度数字不可信;光照变化会让实验室精度在现场打折;强 copyleft 许可的模型用于闭源产品有法律风险。

MODULE 06

工业系统集成

技术选择

工业协议与中间件(OPC UA、MQTT、Modbus 等)连接设备,API 与 MCP 连接业务系统(ERP / MES / CRM)。集成的难点不在协议本身,而在老旧设备协议不统一、接口文档不全。

Negency 如何选择

优先用开放标准协议(OPC UA 是 IEC 62541 开放标准,MQTT 是 ISO/IEC 20922);按客户现有系统定集成深度:只读采集先行,写回操作须经权限与审批。

客户需要提供什么

设备清单与协议文档、业务系统接口文档与测试账号、数据边界与权限要求、停机窗口与验收标准。

如何验证

先在测试环境对接,再到现场分阶段上线;每一类写回操作都要有权限检查、人工审批与审计记录;验收按事先约定的指标逐项核对。

主要风险

老旧设备无标准接口,适配工作量大;业务系统升级会破坏集成;写回操作一旦出错影响生产,须有回滚方案。

SELECTION MATRIX

技术选型矩阵

本页说明六大技术模块的选型方法,并附一张可核对的选型矩阵——每一行都写明是否实际测试:测过就是测过,没测过就写没测过。

矩阵中的每一行都可核对:“是否实际测试”指 Negency 是否对该产品做过实际测试;“最近核验日期”指该行公开事实(名称与许可类型)最近一次与公开资料核对的日期,不是测试日期。

类别候选产品·技术适用场景核心限制技术来源商业许可数据与部署约束是否实际测试最近核验日期
AI 模型闭源商用大模型 API(例如 GPT / Claude / Gemini 系列)通用问答、摘要、代码辅助按量计费;输出随版本更新变化境外供应商商业 API 订阅,按量计费调用经境外服务,数据出境须评估未测试—
AI 模型开源权重模型(例如 Qwen / DeepSeek / Llama 系列)私有部署、领域微调需自备算力与运维;许可按版本不同开源社区与厂商Apache-2.0 / MIT / 社区许可,按具体版本核对可本地部署,数据可不出境未测试2026-11-13
Agent 框架开源编排框架(例如 LangChain / LangGraph / LlamaIndex)RAG、工具调用、多步骤工作流版本迭代快,API 易变;个别服务端运行时许可不同开源社区MIT(核心);服务端运行时须另行核对可本地部署未测试2026-11-13
Agent 框架云厂商托管 Agent 服务快速试点、托管运维供应商锁定;定制受限境外云厂商商业订阅数据经云厂商处理,须评估未测试—
云与算力公有云 GPU 算力(按需 / 预留实例)训练、批量推理成本随用量波动;GPU 供给紧张时排队境外及境内云厂商商业订阅数据驻留按区域选择未测试—
云与算力本地 GPU 服务器持续推理、数据不出境前期投入大;运维自担多供应商硬件硬件采购 + 开源软件数据不出境未测试—
边缘计算边缘 AI 计算模组(例如 NVIDIA Jetson Orin 系列)工业视觉、本地推理算力与功耗有上限;型号迭代快境外厂商(NVIDIA)硬件采购数据本地处理未测试2026-11-13
边缘计算工业边缘网关与工控机设备联网、协议转换协议适配工作量大多供应商(中国厂商选择多)硬件采购数据本地处理未测试—
视觉与传感器工业相机与传感器缺陷检测、尺寸测量选型依赖现场光照与节拍多供应商(中国厂商选择多)硬件采购图像数据本地处理未测试—
视觉与传感器开源视觉推理框架与模型(例如 ONNX Runtime / OpenVINO / YOLO 系列)目标检测、分类精度依赖数据集与调优;YOLO 系列为 AGPL-3.0,闭源产品须买商业许可开源社区与厂商MIT / Apache-2.0 / AGPL-3.0,按项目核对可本地部署未测试2026-11-13
工业系统集成工业协议与中间件(OPC UA / MQTT / Modbus)设备联网、数据采集老旧设备协议不统一国际标准与开源实现标准开放;实现许可按产品核对数据本地处理未测试2026-11-13
工业系统集成业务系统集成(ERP / MES / CRM,API 与 MCP)工单、数据回写接口文档与权限治理工作量大客户现有系统厂商按客户已有许可数据按客户系统边界处理未测试—

标记为“—”的行尚未逐项核对,仅作选型参考。全部 12 行目前均为未测试;试点测出结果后,本页会更新测试状态与日期。

NEXT STEP

从你的场景开始选型

先告诉我们业务问题与约束条件;我们会给出候选组合与验证方案,不先推销具体产品。