企业上 AI，很快会碰到架构之争：全部私有化，还是调用公有云大模型。两边都有故事。私有化显得可控，却把运维和评测留给自己；公有云上得快，数据出域和提示泄露会变成审计问题。选错的根源，通常是还没切清数据和模型的边界。
先按合规切，再按成本和效果选。顺序反了，安全评审会把已经演示过的方案一票否决。
不要用口号代替边界
客户名单、工艺参数、未公告财务，这些默认不出域。工单分类、质检提示、知识库问答，视脱敏程度可以走云。模型权重放哪、日志留哪、提示是否含有标识符，要分别写，不能一句"我们很重视安全"带过。
业务为了效果会把真实单据贴进对话框。这不是技术问题，是边界没有做成系统拦截。拦截不做，私有化也防不住截图外发。
一种可执行的切法
- 数据分三级：禁止出域、脱敏后可出、公开可出，默认落在最严的一级。
- 模型分两路：内网处理标识数据，公有云只处理已脱敏文本，日志分开存。
- 每次调用记录谁、为何、是否含标识，抽查而不是等出事。
- 供应商合同写清训练禁用、删除时限、事故通知，技术选型服从合同，而不是相反。
XYN 数智化系统可以把 AI 节点挂在工单和质检上，按字段控制是否出域。私有化与公有云怎么选，先把边界切开，成本和效果才比较得有意义。
