夜雨聆风最近一个朋友正在参与某国企的一个项目招采。
他们公司主要做信创硬件，方向包括国产服务器、算力平台、GPU基础设施等。
从硬件角度来看，其实没有什么问题。
毕竟信创项目首先需要稳定可靠的基础设施，算力、服务器、安全体系，这些都是企业AI建设的基础。
但是我看了一下方案里面关于 AI 软件部分的内容，还是提了一些建议。
不是说方案不能用，而是感觉：
硬件已经进入2026年，但软件方案还停留在过去。
模型选型，不能拿去年的方案直接套用
方案里面推荐：
Qwen2.5系列 DeepSeek-V3 BGE-M3
这些模型本身没有问题。
但是问题在于：
这是一个2026年的AI基础设施建设方案。
如果还是按照上一阶段的大模型选型方式：
选择一个模型 → 部署上线 → 项目结束
这个思路已经不适合现在的AI发展速度。
大模型迭代速度非常快。
模型能力：
推理能力 长上下文能力 多模态能力 工具调用能力 Agent能力
都在持续提升。
企业采购的不是某一个固定模型，而应该是一套能够持续升级的AI基础能力。
否则今天部署的是最新模型，可能一年后就变成旧版本。
AI基础设施，不应该只是“部署完成”
传统信息化项目，软件版本可能几年变化不大。
但是AI不一样。
模型能力每隔一段时间都会发生变化。
所以企业AI基础设施更应该考虑：
新模型如何接入？ 老模型如何替换？ 多模型如何管理？ 效果如何评估？
简单来说：
硬件可以稳定使用多年，但AI能力必须持续进化。
如果只完成一次部署，而没有后续升级能力，那么硬件投资的价值会快速下降。
AI应用，也不能停留在两年前的模式
方案里面设计的应用场景：
企业知识库问答 文档摘要 智能写作 数据分析 代码辅助
这些方向没有错。
但是它们更多代表了前几年的AI应用方式。
而现在，企业AI正在进一步向更主动、更流程化的方向发展。
AI不仅需要回答问题，还需要逐步具备：
调用工具 连接系统 执行业务流程
的能力。通俗的讲AI Agent应该是第一位的AI应用。
RAG很重要，但不是AI建设的终点
这里不是说RAG没有价值。
企业知识库依然是非常重要的基础能力。
但是需要认识到：
RAG解决的是：
AI知道什么。
而企业真正需要逐步解决的是：
AI能够做什么。
未来企业AI建设，需要的不只是一个问答入口，而是一套能够持续连接数据、系统和业务流程的能力体系。
给信创AI方案的一点建议
其实硬件厂商进入AI领域是非常有优势的。
因为算力基础设施本身就是AI发展的基础。
但是AI时代，硬件价值越来越依赖软件能力释放。
一个好的信创AI方案，不应该只是：
国产服务器
国产GPU 大模型部署 知识库
而应该考虑：
模型持续升级能力 AI应用持续演进能力 企业数据和系统连接能力 安全可控能力
这样才能让硬件投资产生长期价值。
最后
看完这个方案，我最大的感受不是：
“硬件方案有什么问题。”
而是：
很多企业已经准备好了AI算力，但是软件能力还没有跟上AI发展的速度。
信创AI建设，不应该只是购买一套设备、部署一个模型。
因为：
硬件生命周期可能是几年。
但是AI能力，每个月都在变化。
未来真正有价值的AI基础设施，不是一次建设完成，而是能够持续成长。