80%的预算花在了用不上的能力上
过去一年，XFPENG收到最多的需求是："给我们上一套AI客服，要接大模型。"但深入沟通后我们发现，80%的重庆中小企业日常咨询问题高度集中——"你们做什么的""价格多少""有没有案例""怎么合作"——四类问题覆盖了全部会话的91%。为了回答这四个问题，上动辄几十万的私有化大模型方案，性价比极低。
大模型适合什么场景？不适合什么场景？
适合：
- 知识库文档量>500篇且频繁更新
- 对话涉及多轮推理、方案组合（比如给客户配置产品方案）
- 多语种自动翻译与语义理解（外贸场景）
不适合：
- FAQ问答，问题集固定不超过50条
- 简单信息收集（姓名+电话+需求），用表单+规则就够
- 内部工单流转，用流程引擎比NLP稳定得多
XFPENG推荐的三阶段渐进方案
第一阶段：规则引擎 + 意图匹配（1周内上线）
用决策树和关键词匹配处理标准问答。访客说"多少钱"→ 推价格话术；说"案例"→ 推案例列表；沉默超过30秒 → 主动跟进。成本低、响应快、可预测。重庆本地超过60%的企业客户止步于第一阶段，因为流量本身还不够大，暂时没必要升级。
第二阶段：轻量NLP + 知识库检索（2-4周）
接入向量检索（如Chroma/Milvus），把企业已有的产品说明、FAQ、技术文档灌入知识库。访客问"你们齿轮加工精度能到几级"，系统自动从文档中定位原文段落回答。这一步开始体现大语言模型的语义理解优势，但模型本身可以用开源7B级别跑在单张消费级显卡上。
第三阶段：私有化大模型 + 多智能体编排（1-3个月）
面向年询盘量>5000、需要7×24多语种接待的中大型企业。大模型跑在企业内网，对话数据不出门。配合工单Agent、CRM Agent、数据分析Agent形成协同工作流。XFPENG在重庆已落地的5个私有化大模型项目全部走这一阶段，平均硬件投入18万（2×A100），月运营电费约1200元。
真实数据：1083次对话里只有7%需要"真正的大模型"
10月1日至10日，XFPENG客服系统处理了1083条真人会话。我们按问题复杂度做了采样标注：
- 标准FAQ类（第一阶段能搞定）：71%
- 需要检索知识库：22%
- 需要多轮推理或方案组合（真正需要大模型）：仅7%
也就是说，对绝大多数重庆中小企业，花大价钱上全尺寸大模型，是在用95%的算力去服务5%的场景。
结论：先跑通，再升级
智能客服的核心价值不是"AI有多聪明"，而是"能不能在客户需要的时候出现"。一个7×24秒级响应的规则引擎，比一个三天两头挂掉的大模型强十倍。先上线，再根据实际会话量和问题分布决定是否升级。
XFPENG提供三阶段渐进部署服务，重庆本地客户可上门评估。第一阶段从签约到上线，最短48小时。
