我們的論點

企業值得一個把主權當作架構的平台。

OrbanAI 是企業級的主權 Agent 平台,為企業捍衛資料主權、鍛造協作體驗。

三條路,三種妥協

要把 AI 做到上生產,今天大概只有三條路。每一條都要你放棄一些本來可以不放棄的東西。

第一條是自己建。主權保住了,但要養一支常設的 ML-ops 團隊,這個開銷只有大型企業撐得住。

第二條是 hyperscaler 的受管服務,像 SageMaker、Vertex AI、Azure AI Studio。省了建置的麻煩,代價是深度綁雲,而且服務條款決定了你的資料會被怎麼使用。

第三條是直接套在前沿 API 外面的薄殼服務。上線快,但資料主權是上游模型廠商給的,不是你自己的。

中間那家企業

在這三條路中間,有一類企業三條都不合身。

他們是中型的企業級客戶,手上有合約、病歷、政府公文這些拿不出去的敏感文件。組織裡有很多部門,必須能共享知識,但又不能共享機密。他們請不起專職的 ML-ops 團隊,不想把資料綁在單一雲,也不願把主權外包給上游 API 廠商。

這群企業一直沒有被好好服務。OrbanAI 就是為他們而造的。

OrbanAI 的論點

我們相信以下四件事。平台的每一個設計選擇都從這裡出來。

01

做一個 AI Agent,不該需要 ML 博士。

要開始做生產級 AI,該付的「入場票」是一個業務需求加一份檔案,不是六個月的建置專案。所以我們把「三步上線」直接寫進平台約束,不是口號。

02

資料主權是架構決定,不是合規補釘。

資料放哪、誰可以碰、會不會被拿去訓練共享模型,這些問題都該在平台這一層就決定好。事後再補的,永遠有漏洞。

03

明天的體驗,是今天唯一值得衡量的指標。

一個平台的價值,不是功能清單上列了多少項,而是團隊真的用了以後,隔天有沒有覺得比昨天輕鬆、比昨天有信心。我們每一個決定都回到這裡。

04

企業層級的協作才是重點。

一個人用的 AI 是工具,一整家企業一起用的 AI 才是基礎設施。我們設計的是後者,因為這才是企業實際需要的:共享知識庫、RBAC、審計、組織計費、跨部門 Agent。

協作層

每一個 OrbanAI 部署都自帶這些企業協作能力。別的平台通常要你自己拼裝。

  • 共享知識庫,依組織獨立隔離。
  • 角色存取控制:Admin、Editor、Viewer、Billing,每個團隊自行設定。
  • 審計日誌:來源檔、時間、使用者、模型、輸出全紀錄,可匯出。
  • 組織計費:合併發票,支援台灣統一發票。
  • 跨部門 Agent:每個部門自己部署,共用企業知識庫。
  • 對話記錄自動下標題,組織內好搜尋、好再利用。

你的資料現在是這樣被保護的

  • GDPR 對齊架構。
  • 台灣個人資料保護法對齊。
  • 按部署區域決定資料駐留。
  • 依組織獨立隔離——平台層強制。
  • 傳輸與儲存皆加密。
  • 企業資料絕不用於訓練任何共享模型。

主權是怎麼被實作的

OrbanAI 跑在一組分散式節點上,由我們自己營運;企業版也可以直接跑在客戶自己的基礎設施裡。

文件從 orban.ai 控制面進來,會被送到你指定區域的專屬推論節點,沿路留下不可篡改的稽核軌跡。任何文件、向量、輸出都不會離開部署邊界。我們絕對不會拿企業資料訓練任何模型,一次都沒有。

部署邊界
  1. 企業使用者(你的文件)
  2. → orban.ai 控制面(認證、RBAC、路由)
  3. → 你指定司法管轄區的區域推論節點
  4. → 企業範圍知識庫(依組織隔離)+ 審計日誌 + 計量
  5. ← 引用式答案只在邊界內回傳

先公開試,要企業功能再登入。

你在公開頁面看到的功能,都不用登入就能試。拖放區、拖檔案、拿到答案。

以企業身分登入之後,同一個產品就升級成企業版:共享知識庫取代個人命名空間、RBAC 取代單人存取、審計日誌取代記憶、組織計費取代個人信用卡。產品是同一個,但協作是新的。

什麼情況下,OrbanAI 不是對的選擇

我們不是每個場景的答案。

  • 要從頭訓練千億參數的 foundation model,請用 hyperscaler。
  • 要以毫秒級別做多雲 GPU 調度套利,請找專屬基礎設施 broker。
  • 要用 OpenAI 或 Anthropic 當主介面,直接找原廠或用跟他們合作的 hyperscaler。
  • 如果你已經有成熟的 ML-ops 團隊而且主要做研究,SageMaker、Vertex、Azure 能回報你的專業比我們多。

我們相信:企業對資料、模型、AI 的主權,不該是合規要交的作業,而該是平台本身的樣子。OrbanAI 就是這樣的平台。

Why OrbanAI|企業級主權 Agent 平台的論點 | OrbanAI