企业建设 AI 和智能体平台时，容易先关注模型能力和应用场景，但真正进入生产使用后，底层基础设施往往决定平台能否持续运行。模型部署、服务发布、API 路由、密钥管理、资源监控、访问审计，以及后续与业务系统和内部工具连接，都需要统一的基础设施和平台能力支撑。
某船舶制造用户的实践说明，智能体平台不是独立于现有架构之外的新系统，而是建立在已有企业云基础设施和模型服务能力之上的延展。该用户先完成虚拟化、容器、文件存储和安全可观测能力建设，再引入榫卯 AI 平台，最后进一步建设智能体平台。
为什么不能只靠开源工具手工部署模型？
开源工具适合快速验证模型可用性，但生产使用会带来更多基础设施问题。集群搭建、版本更新、故障排查、模型部署、服务治理、密钥管理和资源观测都需要持续投入。
该船舶制造用户早期通过开源工具手工部署模型，完成了初步验证。但进入生产使用后，用户更倾向于通过成熟商业产品承载生产环境，把平台复杂度和服务保障纳入可控范围。
统一 AI 平台需要承接哪些能力？
榫卯 AI 平台在该项目中承担的是模型服务统一管理和快速上线支撑。平台提供算力管理、模型管理和模型网关能力，将模型部署、服务发布、API 路由、密钥管理、资源监控和访问审计纳入统一管理。
这类能力可以帮助 IT 团队统一管理模型实例，了解资源使用情况和模型运行指标；通过模型网关，为私有模型形成统一入口，并降低调用配置分散和密钥管理风险。
需要强调的是，AI 平台提供的是模型服务和治理基础。具体模型效果、推理性能和智能体业务价值，还取决于模型选择、硬件资源、应用流程、数据质量和业务集成方式。
智能体平台为什么依赖前面的基础设施建设？
智能体平台需要调用模型服务，也需要连接企业业务系统和内部能力接口。如果前面的资源承载、模型服务、访问控制和监控能力没有统一，智能体平台很容易变成新的孤立系统。
在该项目中，智能体平台基于已有云平台和榫卯 AI 平台能力，连接模型服务、企业业务系统及各类能力接口，将部分业务流程和运维流程沉淀为可调用、可编排的能力。当前可面向资源交付、系统运维等 IT 场景提供支撑，并逐步扩展到研发设计、生产制造、供应链协同和经营管理等业务场景。
对企业的启示
企业 AI 和智能体平台建设不宜只从单个应用试点出发，也需要同步规划基础设施底座。更稳妥的路径是：先让虚拟化、容器、文件存储、安全可观测和算力资源具备统一承载能力，再建设模型服务平台，最后把智能体能力接入业务流程和内部工具。
这样，AI 能力不是叠加在基础设施之外，而是成为企业云平台持续演进的一部分。
相关问题
参考资料
