德国AI采购架构比较：公共API、专属云与本地部署

结论先行：公共API、专属云和本地部署不存在统一优劣。公共API迭代快但依赖外部服务与证据；专属环境改善隔离和配置，却仍需核查运营者访问；本地部署扩大技术控制，也把安全、更新、性能和人才责任带回企业。德国采购团队应以数据敏感度、用途风险、集成延迟、审计要求和退出能力逐项比较。

比较数据边界而非部署标签

公共API通常涉及供应商处理输入、输出和遥测；专属云可限制租户共享，但管理员、支持和备份仍可能跨边界；本地部署也可能向外发送许可、更新或监控数据。

要求供应商提供完整数据流、区域、子处理者、保留、训练使用和远程支持说明。用实际网络与合同证据验证“欧盟托管”“私有”或“不训练”等宣传词。

公共服务由供应商决定模型退役、过滤、容量和接口节奏，企业可快速获得新能力但回归测试压力大。专属实例可能提供版本锁定，本地模型则允许深度配置却要自行管理依赖。

采购文件要求版本标识、变更通知、测试窗口、回退和长期支持。对关键流程保存基准集与可接受差异，任何架构都不能让未验证更新直接改变客户或员工决策。

API供应商负责底层平台，客户仍负责身份、密钥、提示、数据最小化和应用权限；专属云增加网络与租户配置；本地部署要求补丁、漏洞、模型文件和运行基础设施全套能力。

依据BSI建议建立共同控制矩阵，列供应商证据与企业证据。渗透测试、日志访问、事件通知和取证支持在合同中写明，不因大型云品牌而省略应用层威胁建模。

无论架构如何，最终用途和角色决定AI Act义务。外部模型服务必须提供足够能力限制、评估和事件资料，本地部署也不能因代码可见就假设数据、性能和文档已合格。

高风险或受严格客户要求的场景，先列必须取得的技术文档、日志、人工监督和质量证据。若供应商只允许查看营销摘要，应缩小用途或淘汰，不用额外保密协议掩盖资料缺口。

公共API按用量和服务层计费，专属云增加保留容量，本地部署包含硬件、能源、运维与闲置。延迟、吞吐、可用性和模型质量要在德国真实负载下共同测试。

三年成本模型加入增长、峰值、数据出口、专业支持、合规审计和模型迁移。不要同时采用公共云的低启动成本与本地部署的固定边际成本，董事会必须看到各自完整情景。

检查数据、提示、向量库、微调成果、评估、日志和配置能否导出，接口是否使用专有功能，终止后多久删除。Data Act相关切换规则的适用需按服务和合同核对。

实际做一次替代模型演练，测量质量差异、开发工作和客户停机。退出计划指定预算、负责人和最晚决定点；没有验证的“可移植”不能降低供应商集中风险。

本比较以公共模型API、专属云实例与本地部署在数据、控制、证据、成本和退出方面的差异为共同口径，不把产品宣传或单一报价当作事实。所引欧盟法规、德国官方入口和研究生态资料已于2026年7月24日交叉复核；最终选择仍取决于具体用途、数据、责任分配和退出成本。

比较边界：比较软件交付架构，不评价工业网络设计、机房建设或机器人边缘控制方案。结论用于形成尽调问题和董事会选项，不替代德国律师、数据保护人员、安全专家、采购方或主管机构的正式判断。