我们的判断
过去两年，开源模型的能力增长速度远快于企业把它用起来的速度。绝大多数企业手里已经有足够好用的模型，卡住的地方在别处：数据散落、权限没梳理、没人定义什么叫「回答正确」、上线之后没人负责。
这些不是算法问题，是工程和管理问题。我们的能力建设集中在这一侧：评测体系、可观测性、权限模型、成本治理，以及把系统交接到客户能自己维护的状态。
推理成本经常是场景算不过账的直接原因，而我们所在的地区在算力成本上有结构性条件——这是同时做 MaaS 的原因。
公司信息
注册地址、统一社会信用代码、法定代表人与联系电话等工商信息需替换为营业执照上的准确内容后再对外发布。
为什么在内蒙古
绿电供给充沛
内蒙古是国内风电与光伏装机规模最大的地区之一，电力供给结构对高耗能的推理集群天然友好。
国家算力枢纽节点
「东数西算」工程的八大枢纽节点之一，配套的网络、电力与数据中心集群基础设施已经成形。
PUE 有天然优势
年均气温低，全年有大量时间可以用自然冷源，制冷能耗显著低于南方地区。
成本结构反映在计价上
电力与制冷成本的差异体现在计价上。推理成本下降，可行的应用场景范围会相应扩大。
我们走到哪一步了
公司成立时间不长，主要节点如下。
时间节点与事件描述请按公司实际情况核对后再发布。
公司成立
在呼和浩特注册成立，确定以 Agent 工程交付与推理服务为主线，而不是做通用大模型训练。
首批交付项目上线
完成能源与制造行业的首批知识助手项目交付，同时把项目里反复出现的编排、检索与评测能力抽象成内部平台。
MaaS 推理服务上线
推理集群在内蒙古枢纽节点部署完成，对外提供 OpenAI 兼容 API，首批开放 DeepSeek 与 Qwen 系列模型。
平台产品化
Agent 平台从内部工具转为可交付产品，支持私有化部署与国产 GPU 适配，评测与可观测能力成为标准交付物。
模型广场扩容
模型广场扩展至 30+ 模型，新增多模态与 Rerank 能力，并上线批量推理与微调托管。
我们怎么做事
这四条在报价和方案阶段会真实执行，也因此丢过单子。
先定标准，再写代码
我们坚持在项目启动前和客户一起把「什么算对」写成可量化的评测标准。这件事经常让前期沟通变长，也偶尔会谈崩——但它是我们和「演示型 AI 项目」唯一的实质区别。
把不确定说清楚
大模型有幻觉、有边界、有失效模式。我们的做法是把它讲清楚并设计兜底，而不是在售前含糊过去、上线之后让客户自己发现。
不制造锁定
接口兼容开放标准，数据和评测集归客户，私有化部署可以完全脱离我们运行。客户留下来应该是因为我们做得好，而不是因为走不了。
降低推理成本
在内蒙古做推理是有意的选择：绿电充沛、气温低、PUE 有条件优势。推理成本下降，可行的应用场景才会更多。
团队构成
四条线，没有中间层。售前接触的人通常就是后面动手做的人。
交付工程
在客户现场解决问题的人。负责场景拆解、系统集成、评测集建设与上线陪跑，多数有传统企业软件或行业系统的实施背景。
推理平台
负责 MaaS 集群的部署、调优与稳定性。工作内容包括推理引擎调参、显存与吞吐优化、国产芯片适配和成本控制。
平台产品
把交付项目里反复出现的模式抽象成产品能力。编排引擎、知识库、评测系统与可观测性都出自这条线。
商务与客户成功
我们没有独立的销售团队。商务沟通由参与交付的工程师直接进行——这样在报价阶段就不会承诺做不到的事情。