企业级内网：私有化选型与部署
上一节的"直连国内 API"解决无墙与降本，但推理和数据仍在厂商机房——对真正断网的内网（金融、政企、军工、涉密研发），这不够。这节回答企业级的问题：代码不能出内网时，AI 编码工具怎么落地。两条路线：买成品私有化，或者用开源组件自建"推理 + 网关 + 分发"三件套。
两条路线，先想清楚再动手
买成品：国内大厂都有"企业专属版 + 私有化部署"的产品线，付席位费或项目制询价，厂商负责部署与模型更新，代价是价格不透明、更新节奏受制于人。自建三件套：推理层（vLLM/Ollama）+ 网关层（LiteLLM/new-api）+ 分发层（verdaccio/pnpm），全部开源组件、完全自主，代价是首次部署的工程量和持续更新的运维责任——后者正是下一节的主题。第 17-04 节讲过用 Ollama 跑 bge-m3 做服务端本地推理，这节把它放进完整的企业架构里。
成品私有化：先看国产厂商报价
国内成品的商务模式高度一致：席位订阅 + 私有化项目制询价。2026-10 核实的主流选项：
| 产品 | 公开价格 | 私有化 | 备注 |
|---|---|---|---|
| 通义灵码（阿里） | 企业专属版 ¥159/人/月，100 人起购 | 项目制询价 | 专属 VPC、IP 白名单、企业私有模型训练；网上"迁移 Qoder CN"说法来自二手来源，官网 lingma.aliyun.com 仍在售，以官网现名为准 |
| 文心快码 Comate（百度） | 个人标准版免费；企业专属版 100 人起、30 天试用 | 商务询价 | 二手称公有云旗舰版约 ¥283/席/月，未核实 |
| CodeGeeX（智谱） | 无公开价 | 商务定制 | 底层即 GLM 系模型 |
| Fitten Code（非十科技） | 个人免费 | 官方私有化方案 | 清华系团队 |
| iFlyCode（讯飞） | 无公开价 | 私有化 + OpenAPI | 可切换星火私有化代码模型或任意标准 OpenAI 兼容模型——自备模型的灵活度最高 |
| 腾讯云 CodeBuddy | 企业版 ¥198/人/月（二手来源） | — | 可作对照价 |
再看国际厂商这组反面教材，帮你看清"私有化"不是行业标配：Cursor 官方论坛员工原话 "We don't currently support on-prem, and are focused only on the cloud-based version"——没有 on-prem。Windsurf 在 Codeium 时代曾有企业自托管，但 Cognition 收购后，2026-10-05 官网 /enterprise 页面已是 Devin Enterprise，主打 VPC 部署——Windsurf 企业线并入了 Devin。GitHub Copilot 官方文档明确不支持 GHES 本地部署，模型推理始终在 GitHub 云（Business 19/Enterprise39 每用户每月，Enterprise 还以 GitHub Enterprise Cloud 为前提）；能做的是网络层隔离——防火墙 allowlist、Azure VNET、自托管 runner——推理不出云，只是管道受控。
一句话总结这组对比：国际工具基本买不到私有化，国产工具私有化是标配但普遍询价制。评估成品时必问三个问题：模型更新滞后 SaaS 多久（下一节有实测数据）、私有部署的最小硬件规格、能否换用自有模型。
自建三件套之一：推理层
vLLM 是自建 OpenAI-compatible 推理服务的事实标准：96,488 stars（2026-11-07 核实）、Apache-2.0、仍在日更；官方文档覆盖 GPU/CPU/TPU 部署安装与 Helm/K8s 部署，生产集群走 K8s + Helm 是成熟路径。硬件门槛给个量级概念（量级观点，非精确要求）：跑主流 30B 级 MoE 模型，单机多卡 A100 或几张 4090 起步。Ollama 走另一端：MIT 协议、186,161 stars（2026-11-07 核实），单机即开即用，第 17-04 节已经用过；但注意它的商业模式是云订阅（本地功能免费，Pro 20/月、Max100/月、Team $500/月），没有企业私有许可产品——内网用 Ollama 商用无法律障碍（MIT），但也别指望厂商支持。实践中的常见分工：个人与小组用 Ollama，集中部署给全公司用 vLLM。
课堂给的选型口径更直接：超过 10 人上 vLLM，3-6 人小组 Ollama 完全够用；前期验证、单机单卡先用 Ollama 打通流程，上高并发再换 vLLM——vLLM 在性能上甩 Ollama 一个量级（知乎有大量对比实测可查）。部署路径建议先用 Docker 把 vLLM 跑通，再上 K8s 以 Pod 形态做推理引擎，难度是递进的，不要一上来就 K8s。硬件口径：vLLM 推荐单卡 A100 或 4090/5090 起步，对模型的支持也更全面；Ollama 没有这种门槛，没有 GPU 时用 CPU 推理小模型做验证也可以。
国产卡口径（2026-10，课堂讲授 + 讲者经验值）：市面主流是昇腾 910B/910C，920B/920C 单卡已上 10 万元（早年集采价约 6-8 万，当前溢价明显）；vLLM 有官方 Ascend 后端 vLLM-Ascend，docker 镜像下载即可在昇腾上推理千问/DeepSeek 系模型，但性能上大约 3-4 卡昇腾才等价 1 张英伟达卡。华为自家推理引擎 MindIE 对 DeepSeek 系优化尚可、对千问系体验较差（讲者实测观感）。值得留意的生态动作：2026-09-30 DeepSeek 开源了面向昇腾的全套基础设施组件——TileLang 算子编译语言、DeepGEMM、DeepEP、FlashMLA 等，与 CUDA 工具链对齐、适配 128 卡超节点（来源：todayforai.com / aitoollab.cn 2026-09-30 报道），国产算子的软件栈短板在被快速补齐。采购三坑：生态成熟度（文档以中文为主、英文资料少）、版本适配差（要么最新版配新卡、要么旧版配旧模型）、交付排队靠后（常拿到旧卡，要自己规划驱动升级）。逐项对接细节见 19-04 第二章。
成本怎么演算：两个课堂案例
一个实用技巧：把设备与并发参数发给大模型，让它按"项目形态 + 人数 + 并发"帮你演算成本，几十秒出一份可比的方案初稿——演算本身不必是人工苦役。两个课堂上过的案例（2026-10 价格口径，讲者估算）：
| 场景 | 模型 | 设备方案 | 成本量级 |
|---|---|---|---|
| 5 人团队，并发 20 路 | Qwen3.8-Flash-Next | 四卡 4090 或两卡 A100 + vLLM | 4090 单卡约 2-3 万元，四卡整机过 10 万 |
| 50 人团队，并发 200 路 | GLM-5.3 | 12 卡 H100 或 8 卡 H200 | H100/H200 基本有价无市 |
4090 的租赁价约 1.9-3 元/卡/小时，短期开发、短期训练用租赁比自购划算。2026 年的市场行情加剧了自购的溢价：高端 GPU 租赁价格半年涨近 40%（知乎横评 2026-08）；信通院口径 2026Q1 国内算力租赁市场规模 680 亿元、同比增长 62%，高端卡租赁率超 90%、供不应求（CSDN 引信通院/赛迪数据）——大公司包圆算力，小公司拿卡溢价严重，华为卡同样要渠道且溢价严重。这也是为什么"等一个能力够强的小模型在本地跑"成了很多小团队的期待，但当前小模型的能力普遍不尽如人意（课堂判断）。
Qwen3.8-Flash-Next 补一句背景：2026-08-26 开放权重的多模态 MoE 模型，Qwen4 架构的早期预览——125B 模型 + 51B N-gram Embedding，单 token 激活约 6B，原生上下文 262,144 token；Qwen3.8-Flash 是基于它的生产 API 版本（默认 1M 上下文）。来源：Qwen 团队模型卡与 CSDN/知乎解读（2026-08-26）。
自建三件套之二：网关层
网关解决三件事：协议转换（harness 讲 Anthropic/OpenAI/Responses，推理层讲 OpenAI）、key 分发与用量统计、多渠道管理。三个候选按档位排：
| 网关 | Stars / 许可（2026-11-07 实测） | 状态 | 一句话定位 |
|---|---|---|---|
| LiteLLM | 62,851 / MIT + 企业版 | 活跃 | 虚拟 key、预算、用量统计俱全；被 Codex 官方文档点名为企业网关路径；仓库是双许可结构（enterprise/ 目录商业许可、其余 MIT） |
| new-api（QuantumNous） | 51,513 / AGPL-3.0 | 活跃（2026-11-06 仍有推送） | 协议转换、渠道管理、key 分发、用量统计一体；AGPL 许可——做闭源二次改造前先过法务 |
| one-api | 37,346 / MIT | 最后推送 2026-01-09，约 10 个月未更新（2026-11-07 核实） | 停更风险，不建议新项目采用 |
选型上，要 Codex 生态对接走 LiteLLM 最顺（官方文档背书）；要开箱即用的管理界面选 new-api，但 AGPL 的闭源改造边界要心里有数。
课堂选型口径把这件事说得更白：内网环境用 LiteLLM 就够了——MIT 协议可放心基于它做开发，虚拟 key、预算、用量统计齐全，集团内部使用不需要更复杂的统计与分发管理；1-3 个月的短期验证项目同样直接上 LiteLLM。new-api 的强项是协议转换（Claude 系 ↔ OpenAI 系）与渠道管理，一般团队用不到这么重；sub2api（Wei-Shaw/sub2api）是另一路——把 Claude/OpenAI/Gemini 等订阅账号的额度转换成 API 对外分发，定位是中转站而非企业内网网关，别混着选。
自建三件套之三：分发层
内网没有公网 npm，Claude Code（@anthropic-ai/claude-code，npm 上已有 537 个版本，最新 2.1.289）和 Codex（@openai/codex 0.160.0）这些 npm 形态分发的工具需要走私服。verdaccio 是私有 npm registry 的事实标准：17,980 stars、MIT、活跃（2026-11-06 仍有推送，2026-11-07 核实）。两条搬运路线：
# 路线一：verdaccio 代理缓存——有网机器访问公网 npm，内网读缓存
npm install @anthropic-ai/claude-code --registry http://npm.corp.local:4873
# 路线二：tarball 搬运——完全断网时用 npm pack 导出再手动入私服
npm pack @anthropic-ai/claude-code # 得到 claude-code-2.1.289.tgz
# 将 tgz 导入 verdaccio，内网按版本号安装
bash
需要说明：官方首选分发方式是原生安装器（install.sh，带后台自更新），走私服/tarball 是内网场景的通用工程惯例，不是官方内网文档——出了问题要自己排查版本链。配套的离线安装工具是 pnpm fetch：按 lockfile 把全部依赖拉进本地 store（官方定位就是 Docker/离线场景），之后 pnpm install --offline 只从 store 装、缺包即失败（适合 CI 强校验），--prefer-offline 则缺失才联网（适合日常）。Python 侧对应物是 devpi，角色相同不展开。
分发层搭建的完整命令级步骤（verdaccio 断网改造、storage 拷贝导入、.npmrc 配置、推理层 vLLM/Ollama 部署与 dsh 端点对接）已整理成运维手册，见 19-04——它是本节"选型结论"到"落地操作"之间的那本手册。
模型许可红线：拿权重前先读 LICENSE
自建推理层意味着自己选模型权重，而 2026 年的模型许可明显收紧，这是新一代选型红线。逐家核对（2026-10 核实）：
| 模型家族 | 许可 | 内网商用结论 |
|---|---|---|
| Qwen3-Coder 系列 | Apache-2.0（480B 与 30B 均已核实） | 可放心商用 |
| GLM-4.5 / GLM-5 | Apache-2.0；GLM-4.6 为 MIT | 可放心商用 |
| DeepSeek V3 / V3.1 / V3.2-Exp | 均 MIT | 可放心商用 |
| Kimi-K2 | Modified MIT | 商用前读修改条款 |
| Kimi-K3 | 自定义 Kimi K3 License | 逐条审，不能想当然按 MIT 用 |
| MiniMax-M2 / M2.1 | MIT | 可商用 |
| MiniMax-M2.5 起 | 自定义 license，GitHub LICENSE 原文标 NON-COMMERCIAL，商用需书面授权 | 内网商用受阻，先拿书面许可 |
两个补充事实：DeepSeek V4 系列（V4.1-Flash / V4-Pro）截至核实日未发布公开权重——组织仓库最新公开权重仍是 V3.2-Exp（MIT），想在内网用 V4 只能走 API，这直接推翻"最新模型自己部署"的默认假设；MiniMax 的转折说明"上一代 MIT"不能外推到下一代，每次拿新权重都要重新读一遍 LICENSE，把这一步写进采购或入库流程。课上还有一句提醒值得记着：许可风险是"人怕出名猪怕壮"——规模小、不赚钱时没人关注你，产品做大了，其中违规的部分才会被有心人拿来利用；合规整改的最佳时机是还没出名的时候。
安全与合规收尾
三件事收口。第一，企业 MITM 证书链：内网出口如果是解密型防火墙，Claude Code 侧要配 NODE_EXTRA_CA_CERTS 指向企业 CA（上一节讲过），Codex 侧同理配 Node 环境——这层不配，工具表现为随机连接失败，排障极其耗时。第二，策略统一下发：Claude Code 有企业级 managed-settings.json 机制（托管配置优先级高于用户/项目设置，可锁权限、锁模型、锁 env），三平台路径与 MDM 分发细节下一节展开。第三，AGPL 传染边界：new-api 是 AGPL-3.0，只部署不改代码风险很低，一旦做闭源二次开发并对外提供网络服务，许可义务就来了——改造前过一次法务，别让网关选型变成合规事故。
选型决策：三行建议
按约束条件收敛（基于本章核实事实的组织，非拍脑袋）：
- 数据不极端敏感 + 预算敏感（初创、小团队）：不必碰私有化——上一节的国内 API 直连或 Ollama + 开放 harness 即可，月成本从接近零到几百元
- 代码不能出内网 + 无自研运维（百人以上、有采购渠道）：成品私有化。通义灵码企业专属版 ¥159/人/月（100 人起）是唯一公开报价的锚点，其余询价时拿它压价；需要接自有模型优先看 iFlyCode
- 代码不能出内网 + 有平台工程团队：自建三件套。vLLM（或小组内 Ollama）+ LiteLLM/new-api + verdaccio，模型从 Qwen3-Coder/GLM/DeepSeek 这三家 Apache/MIT 里选——许可干净、内网商用无障碍
小结
- 成品格局：国内"席位订阅 + 私有化询价"是标配（通义灵码 ¥159/人/月 100 人起是唯一公开锚点）；Cursor 无 on-prem、Windsurf 企业线并入 Devin Enterprise、Copilot 推理只在云——国际工具买不到真私有化
- 自建三件套：推理层 vLLM（超 10 人上 vLLM，3-6 人小组 Ollama 够用；先 Docker 跑通再上 K8s）；网关层 LiteLLM（Codex 官方点名；内网用 LiteLLM 就够，new-api 偏重、sub2api 定位中转站）；one-api 停更 9 个月不推荐
- 成本演算：5 人 20 路并发 → 四卡 4090 / 两卡 A100，整机过 10 万；50 人 200 路并发 GLM-5.3 → 12 卡 H100 / 8 卡 H200 有价无市；4090 租赁约 1.9-3 元/卡/时适合短期项目；高端 GPU 租赁价半年涨近 40%（2026-08 横评）
- 国产卡：910B/910C 主流、920 系单卡 10 万+（早年集采 6-8 万已过去）；vLLM-Ascend 约 3-4 卡 ≈ 1 张英伟达卡；DeepSeek 2026-09-30 开源昇腾全套基建（TileLang/DeepGEMM/DeepEP/FlashMLA）
- 分发层：verdaccio 私服 + npm pack tarball + pnpm fetch 离线 store；走私服是工程惯例而非官方支持路径
- 许可红线：Qwen3-Coder/GLM/DeepSeek 可内网商用；MiniMax M2.5 起 NON-COMMERCIAL、Kimi K3 自定义——每次拿新权重重新读 LICENSE；DeepSeek V4 权重未开源
- 合规三件：MITM 证书链（NODE_EXTRA_CA_CERTS）、managed-settings.json 策略下发、AGPL 改造前过法务
↑