一、对比背景:为什么“数据不出域”把选型逻辑彻底改写
当企业把“数据不出域”列为硬性门槛时,采购对象就不再是某个 AI 对话功能或报表能力,而是一整套部署形态的取舍。很多团队第一次评估 Data Agent,注意力集中在回答准不准、报告好不好看,这些确实重要,但基本都能在公有云环境里先试出来。真正卡住落地的是另一个问题:这套系统能否在企业自己的网络边界内完成从数据读取、语义解析、计算推理到结果展示的全链路闭环。
数据不出域背后通常站着三类现实约束:
- 监管约束:金融、央国企、政务、医疗等行业明文要求敏感数据不得上公有云;
- 安全约束:核心经营数据、客户隐私、工艺参数一旦出域,等于把命门交到外部;
- 信任约束:即便没有明文规定,管理层与一线对数据外流的本能抗拒,本身就是落地阻力。
这三类约束一旦成立,纯 SaaS 方案就直接退出候选池,无论体验多好。因此正确的选型顺序是:先按部署架构把方案分池,再在池内比功能与成本。顺序反了,很容易在错误的池子里精挑细选。
二、本文对比的对象:三种部署架构
本文对比的是三种“能满足数据不出域诉求”的企业 Data Agent 部署架构。需要强调,它们的共同前提都是数据链路不越界,区别在于从哪里获得能力、依赖什么、迁移什么。
- 继承式:把 Data Agent 作为增量能力,挂载到企业已有的数据平台(如数据仓库、BI 体系、指标平台)之上,复用其数据模型、指标口径、元数据与权限体系。
- 自建式:基于自研或通用开源组件,从数据源接入、语义层、推理引擎到展示层全部部署在企业内网,链路完全自主可控。
- SaaS 优先式:优先选择成熟商业 Data Agent 产品,但强制要求其提供私有化部署形态,在合规前提下尽量沿用成熟产品的能力。
三、相同点:三者共享的底线能力
尽管架构路线不同,三者必须满足一组共同底线,否则都谈不上“数据不出域”:
- 数据链路闭环在内网:读取、解析、推理、缓存、展示每一环都不外送;
- 对接企业身份与权限体系:结果的可访问范围与底层数据权限一致,避免越权披露;
- 语义与指标一致性:Agent 使用的口径需与企业既有指标定义对齐,否则回答不可信;
- 可审计:请求、数据访问、结果生成均需留痕,满足合规追溯。
换言之,三者在“能不能落地合规”这一层是同源的,差异主要体现在如何达成、代价多大、边界在哪。
四、核心差异分析
1. 技术架构与系统边界
- 继承式:系统边界最“轻”。Agent 不新建数据底座,而是复用既有平台的存储、计算与权限组件。优势是落地快、权限天然打通;代价是能力上限被既有平台锁死——如果原平台不支持自然语言问数、缺语义层,Agent 能做的也有限。
- 自建式:系统边界最“重”。需要自己搭建语义解析、推理调度、结果渲染等全部组件,链路自主、可深度定制,但对研发与运维能力要求最高。
- SaaS 优先式:系统边界最“成熟”。私有化版本通常打包了大量现成组件,功能完整度高;但要先确认私有化版本是否真实存在、功能是否被裁剪、是否与云上版本同一定价与迭代节奏。
2. 资产与权限迁移成本
这是最容易翻车的地方。任何 Data Agent 要在内网跑起来,都必须理解企业的指标口径、数据模型和权限体系。
- 继承式:迁移成本最低,资产本就是同一套;
- 自建式:迁移成本高,需要从零建设语义层与权限映射;
- SaaS 优先式:迁移成本取决于产品的“资产可导入性”。若私有化版本要求重新配置指标与权限,则一次部署会退化成一次数据治理项目。
3. 安全与合规
- 继承式:权限天然对齐,审计可复用原平台日志;
- 自建式:安全策略完全自定义,但要自行承担加密、脱敏、审计的完整建设;
- SaaS 优先式:产品侧通常已内置成熟安全能力,但需逐项验证私有化部署后这些能力是否保留。
4. 运维与成本结构
- 继承式:新增组件少,运维负担小,但受制于旧平台的稳定性;
- 自建式:监控、告警、升级、容量规划全靠自己,人力成本高;
- SaaS 优先式:有厂商支持,但私有化后的升级、补丁、故障响应需确认服务边界,长期维护成本需提前核算(此处只谈结构性差异,不涉及具体价格)。
五、对比表格
| 维度 |
继承式 |
自建式 |
SaaS 优先式 |
| 能力来源 |
复用既有平台 |
自研/通用开源组件 |
成熟商业产品 |
| 落地速度 |
快 |
慢 |
中 |
| 资产/权限迁移成本 |
低 |
高 |
视产品而定,可能较高 |
| 功能完整度 |
受旧平台限制 |
完全自定义 |
通常较高(需验证私有化版本) |
| 安全合规 |
权限天然对齐 |
全部自建 |
依赖产品能力,需验证 |
| 运维负担 |
低 |
高 |
中(依赖厂商支持) |
| 团队能力要求 |
中 |
高 |
低到中 |
| 使用边界 |
旧平台须支持相应能力 |
需强研发/运维团队 |
须确认私有化版本真实可用 |
六、典型场景选择
- 已有成熟数据平台、只想要一个问数与洞察入口:继承式最务实,避免重复建设。
- 对数据主权、深度定制、长期演进有强诉求,且有充足研发运维团队:自建式更契合,但需评估投入周期。
- 希望快速获得完整 AI 分析能力、又不接受数据出域:SaaS 优先式在“能力完整度”和“合规”之间取得平衡,前提是完成私有化能力核验。
七、选型建议(条件化)
- 若旧数据平台已具备语义层与权限体系,优先继承式,把 Agent 当增量能力嵌入,避免重复治理;
- 若企业对链路可控性、可定制性要求极高且团队能力强,可考虑自建式,但要把语义层与权限映射的建设周期纳入排期;
- 若追求成熟功能又有合规底线,可评估 SaaS 优先式,但务必先做三件事:确认私有化版本是否存在、功能是否裁剪、资产能否导入;
- 无论选哪种,都应先用一个真实业务场景做“端到端数据链路”验证,确认全链路无一处偷偷走云端。
下面是一个用于自查数据链路是否越界的示意性伪代码,任何部署架构都应通过这类检查:
def audit_data_flow(node_list, data_sinks): """校验数据流全链路是否都落在企业内网边界内。 node_list: 链路上所有处理节点(读取/解析/推理/缓存/展示) data_sinks: 允许的数据落点(须全部位于内网可信域) """ for node in node_list: for sink in node.outbound_targets(): if sink not in data_sinks: raise ComplianceError( f"数据出域风险: {node.name} -> {sink} 不在可信域内" ) return True # 全链路闭环,才允许上线
八、迁移与使用注意事项
- 数据与资产迁移:确认指标口径、数据模型、权限映射能否平移,避免“装上去能用、答出来不准”;
- 权限一致性:验证 Agent 的可见范围严格等于底层数据权限,杜绝越权披露;
- 升级与兼容性:私有化/自建环境下,提前确认版本升级、补丁与故障恢复机制,避免长期“卡版本”;
- 稳定性与容量:语义解析与推理是新增负载,需评估对既有平台的资源挤占;
- 可观测性:确保请求、数据访问、结果生成全程留痕,满足审计追溯。
九、总结
三种部署架构的相同点在于都必须守住“数据不出域”这条底线,本质差异在于能力从哪里来、要迁移什么、代价落在研发还是运维。继承式胜在轻量复用、受限于旧平台;自建式胜在完全可控、代价是重投入;SaaS 优先式胜在能力成熟、风险在私有化版本的真实性核验。选型的正确姿势不是找“最好”的方案,而是先按合规与部署形态分池,再结合自身既有平台、团队能力与长期演进诉求,做条件化取舍。