企业问华为盘古 NLP 大模型怎么用，答案通常不在哪里点按钮，而在我们这类需求该不该上、上了之后谁维护。这类企业级 AI 能力以接口和行业方案的形式交付，签完合同才进入使用环节，所以判断顺序要倒过来：先看需求形态，再看交付方式，最后看内部有没有人接得住。
先确认交付形态：它不是开箱即用的助手
盘古 NLP 属于面向企业的模型系列，交付形态一般是接口调用、私有化部署或打包好的行业方案。这意味着两件事：试用需要环境和账号体系，不是注册个账号就能试；价值也不体现在单次问答有多聪明，而体现在能不能嵌进已有系统里稳定跑上一年。
如果需求只是帮我把这段文字改通顺，用公开的对话产品更快更省。企业级模型的成本结构决定了它适合的是高频、成规模、需要接进业务流程的文本处理。
四类任务，对模型的要求并不一样
分类打标、信息抽取、语义匹配、生成改写，是企业 NLP 最常见的四类落地形态。分类要的是稳定和可评估，抽取要的是字段级准确和可追溯，匹配要的是召回率，生成要的是可控和可修改。
选型时把这四类分开谈，不要用一套标准打分。一个模型在抽取上表现好，不代表它生成的内容能直接对外发；反过来也一样。用同一个榜单分数决定四类任务的采购，是最常见的决策失误。
顺带一个判断：分类和抽取这类任务不需要长链推理，生成类才需要。这个区分方式和判断是否开启深度思考是同一套逻辑，先看任务形态，再谈模型档位。
选型该问四个问题：数据能不能出内网；行业术语在通用语料里覆盖得怎么样；出问题多长时间有人响应；效果怎么验收。前两个决定能不能做，后两个决定做完能不能用。
功能清单排在最后。清单上的能力同行都有，差别在工程细节：并发扛不扛得住、长文本怎么切、输出格式稳不稳定、调用日志留不留得下来。
四个问题里，数据能不能出内网往往直接决定交付形态。私有化解决的是数据不出内网，代价是硬件、运维、升级三件事都归你。模型装完只是开始，版本更新、显存占用、并发扩容都要专人，这个人要在采购前定下来。
一个常见误判是把支持私有化当成必须私有化。数据敏感度不高的场景，先用云端接口验证需求成立，再决定要不要搬进内网，通常更省。无论哪种形态，调用记录都要留，历史记录的留存与检索思路可以照搬到企业侧，出问题时才查得到是哪一次、用的什么输入。
术语适配的三条路径与优先级
术语词典、检索增强、少量样本微调，成本从低到高，推荐顺序也是这个。先加词典解决专有名词被切碎的问题，再用检索把企业内部文档接进来，最后才考虑微调。
微调最贵，而且业务规则一变就要重来。多数企业的实际问题不是模型不懂行业，是模型看不到你内部那份文档。网络上流传的行业模板也不要直接抄，模板要按自己的字段和口径改编，否则字段名对不上，效果会比通用写法更差。
卡点通常在数据和流程，不在模型
同一件事在 ERP、工单系统、共享盘里有三种叫法；时间字段有的带时区有的不带；一个字段在三个部门有三种填法。这些问题不解决，模型接进去只会把混乱自动化，而且速度更快。
一个可执行的起步动作：选一个具体场景，抽两三百条真实样本，人工标出正确答案，先量一遍现状。这个数字既是你决定投不投的依据，也是将来验收的基线。没有基线，任何效果提升都无法证明。
四种不值得上的需求
需求量小且不稳定，一个月只有几十条；规则明确到几行判断就能写完；错误代价极高且无法人工复核；数据根本无法规范整理。这四种情况下，集成和维护成本很难被效果覆盖。
还有一类更隐蔽：需求本身没定义清楚。想用 AI 提升效率不是需求，每天三百张单据的字段自动填出来、错误率不高于人工，才是。差别在于后者可以被验收，前者只能被感觉。
四类场景的落地形态
| 场景 | 具体做法 | 判断标准 |
|---|---|---|
| 工单自动分类 | 用历史工单做训练或提示分类，保留人工抽检 | 长尾类别的准确率，不只看总体 |
| 表单要素抽取 | 先定字段定义，再抽取，输出带原文位置 | 能否回溯到原句，字段缺失率多少 |
| 内部知识问答 | 文档切片入库，回答附来源段落 | 没有答案时是否承认不知道 |
| 报告初稿生成 | 固定模板加数据填充，人工改写后发布 | 人工修改比例是否逐月下降 |
四行里最容易高估的是知识问答。它的上线速度快，但效果衰减也快，文档一过期，答案就开始跑偏，所以判断标准里把承认不知道放在了前面。
企业选型速查
- 先问数据能不能出内网，再问效果好到什么程度
- 抽取类看字段级准确，生成类看人工修改比例
- 私有化等于把运维和升级一起接过来
- 顺序：词典、检索、微调，成本从低到高
- 没有基线数字，就不要谈效果提升
30 天验证路径
首周定场景和指标，第二周抽样本标注，第三周接接口跑离线评测，第四周做小流量灰度。30 天结束时手上应该有四个数字：基线准确率、接入后准确率、人工复核占比、单条处理耗时。
四个数字里，人工复核占比最能说明问题。它降不下来，说明这个场景还没到能自动化的程度，此时扩大投入只是把成本摊到更多条数据上。
三则实操问答
团队只有几十人，值得上吗？看需求密度不看人数。每天有几百条文本要处理，几十人也值得；一个月几十条，几百人的团队也不值得。先算清一年要处理多少条，再谈模型。
私有化和云端效果差多少？同一档模型下，差异主要来自工程环节：文档怎么切、检索怎么召回、输出怎么校验。这些环节做不好，换哪种形态都救不回来；做好了，两者在多数业务上的差距小于流程差异。
验收只看准确率够不够？不够。要按类别拆开看，长尾类别的准确率才决定人工兜底的量；还要看拒答率，一个什么都答的系统比一个会说不知道的系统更难用。
