第五章 你只需要两样东西——技术底座比你想象的简单
面向企业主和财务负责人的财务 AI 落地指南，系统讲解财务团队 FDE 化、合规基线、技术底座、六大场景、实施路线与风险治理。
第五章 你只需要两样东西——技术底座比你想象的简单
核心结论：你不需要一个庞大的数字化转型项目，不需要一支 AI 工程团队，不需要买一套六位数的系统。你只需要两样东西：一台部署了 AI 模型的服务器，和一套 AI 编程工具。投入比你想象的低得多，部署比你想象的快得多。
两样东西，一张清单
痛点是真的，传统路径走不通，这条路可行，合规没问题。逻辑清楚了。
接下来你一定会问：技术上需要什么条件？我要花多少钱？
答案比你想的简单。你只需要两样东西：
| # | 东西 | 是什么 | 解决什么问题 |
|---|---|---|---|
| 1 | 本地部署的 AI 模型 | 一台装了开源大模型的服务器 | 数据不出域、AI 能力本地化、成本可控 |
| 2 | AI 编程工具 | Cursor、Copilot 等编程辅助工具 | 财务人员用自然语言写代码、降低开发门槛 |
就这两样。不需要买 ERP 升级包、不需要上云、不需要招标选型。下面逐一说明。
第一样：本地部署的 AI 模型
为什么需要它
AI 编程工具（第二样东西）在生成代码时，背后需要一个"大脑"来理解和推理。这个大脑可以放在云端（调用 OpenAI、Anthropic 的 API），也可以放在你自己的服务器上。
对于财务场景，必须本地部署。原因在第三章和第四章已经说清楚了：
- 财务数据是企业最敏感的商业数据，不能发给第三方
- 本地部署意味着数据从始至终不离开企业
- 合规成本最低——不需要跨境评估、不需要第三方安全审查
- 用自己的财务数据微调后，模型更懂你的业务
选什么模型
2025-2026 年，开源大模型的性能已经足够支撑财务场景。不需要追求最大最强的模型——够用就行。
| 场景类型 | 推荐模型类型 | 说明 |
|---|---|---|
| 代码生成（写脚本） | 通用代码模型（如 Qwen-Coder、DeepSeek-Coder） | 财务人员最常用的能力——把自然语言描述变成可运行代码 |
| 文档理解（合同、发票提取） | 多模态模型（如 Qwen-VL） | 读取 PDF、图片中的结构化信息 |
| 知识问答（政策查询、制度问答） | 通用对话模型 + RAG | 搭建财务知识库，用企业自己的制度文档做检索增强 |
| 数据分析（归因、异常检测） | 代码模型 + 统计分析库 | 生成数据分析脚本，不直接用模型做预测 |
实操建议：起步阶段选一个代码能力强的通用模型就够了。等第一个工具跑起来、团队有了信心之后，再根据具体场景补充专用模型。
需要什么硬件
硬件选择取决于模型大小和并发需求。这里给三个档位的参考：
| 档位 | 适用企业规模 | 硬件配置 | 大致成本 | 能做什么 |
|---|---|---|---|---|
| 入门级 | 小企业（<50 人财务团队） | 1 台消费级 GPU 工作站（如 RTX 4090 24GB） | 3-5 万元 | 运行 7B-14B 参数模型，代码生成、简单文档理解 |
| 标准级 | 中企业（50-500 人） | 1-2 台企业级 GPU 服务器（如 A100/A800 80GB） | 15-30 万元 | 运行 32B-72B 参数模型，代码生成、多模态理解、RAG |
| 企业级 | 大企业（>500 人） | GPU 集群（多卡多机） | 50 万+ | 运行大参数模型、多场景并行、高并发 |
重要提醒：起步阶段不需要一步到位。先买入门级硬件验证可行性，等团队跑起来了再扩容。硬件升级是线性的——加一张卡就行，不需要推倒重来。
怎么部署
部署难度已经大幅降低。2025-2026 年，开源社区提供了大量开箱即用的部署方案：
- Ollama / vLLM / SGLang：一行命令启动模型服务，不需要懂 Kubernetes
- Dify / RAGFlow / FastGPT：带界面的 AI 应用平台，拖拽式搭建知识库和工具链
- Open WebUI：类似 ChatGPT 的本地界面，直接在浏览器里用
一个会装软件的 IT 管理员，半天就能把模型跑起来。 不需要 AI 工程师，不需要云服务，不需要供应商。
与现有 ERP 的关系
本地部署的 AI 模型不替代 ERP，也不旁路 ERP。它是叠加在 ERP 之上的能力层：
你的财务人员
↓ 用 AI 编程工具写脚本
AI 编程工具
↓ 调用本地模型生成代码
本地部署的 AI 模型（在服务器上运行）
↓ 脚本读取/处理数据
ERP 系统（数据来源和最终归宿）脚本从 ERP 导出数据、在本地处理、把结果写回 ERP 或生成报表。数据流始终在企业内部，始终经过 ERP。AI 模型是"大脑"，不是"系统"。
第二样：AI 编程工具
它们是什么
AI 编程工具是财务人员从"描述需求"到"生成代码"之间的桥梁。你用自然语言说你要做什么，它帮你生成可运行的代码。
主流工具：
| 工具 | 类型 | 特点 | 费用 |
|---|---|---|---|
| Cursor | AI 代码编辑器 | 内置 AI 对话、代码生成、错误修复。目前最受欢迎的 AI 编程工具 | 约 $20/月/人 |
| GitHub Copilot | IDE 插件 | 在 VS Code 等编辑器中提供代码补全和生成 | 约 $10-19/月/人 |
| Claude Code | 命令行 AI 编程工具 | 终端中直接对话生成代码，适合自动化脚本场景 | 按 API 用量计费 |
| Windsurf | AI 代码编辑器 | 类似 Cursor 的替代方案 | 约 $15/月/人 |
实操建议：起步阶段选 Cursor——界面友好、学习曲线最平、中文支持好。每个需要 FDE 化的财务人员配一个账号。
还需要什么基础能力
AI 编程工具生成的是代码（通常是 Python 脚本）。要让这些代码跑起来，还需要：
必选项（成本很低）：
- Python 运行环境：免费，安装包下载安装即可
- 基础数据处理库：pandas（数据处理）、openpyxl（Excel 读写）——免费，一条命令安装
可选项（按需配置）：
- 数据库连接工具：如果脚本需要直接从 ERP 数据库读数据——如 sqlalchemy，免费
- OCR 能力：如果需要识别发票/合同——可调用本地模型的视觉能力，或用开源 PaddleOCR，免费
- API 调用工具：如果需要对接外部系统——如 requests 库，免费
一个人完整的技术栈成本：AI 编程工具订阅费（约 150 元/月）+ Python 环境（免费）+ 基础库（免费）= 每月不到 200 元。
学习曲线有多长
这是企业主最关心的问题：我的财务人员真的能学会吗？
答案是：比你想的短得多。 因为 AI 编程工具改变的是"从想法到工具"的距离——你不需要先学会编程，你只需要学会描述你的想法。
传统编程的学习路径：
学语法（1-3 个月）→ 学框架（1-3 个月）→ 学调试（1-3 个月）→ 能做简单的工具AI 编程工具的学习路径：
学会描述需求（1 天）→ 学会审查 AI 生成的代码（2-3 天）→ 学会运行和调试（2-3 天）→ 能做实用的工具区别在于：传统路径你需要学会造砖，AI 编程路径你只需要学会看图纸。财务人员不需要从零学 Python 语法——他们需要的是学会把自己脑子里的规则清晰地描述出来，然后审查 AI 生成的代码逻辑对不对。
这正是 FDE 培训的核心内容：教「用工具解决问题」，不教编程。
总投入估算
把两样东西的成本加起来，按企业规模分档：
| 投入项 | 小企业（<50 人） | 中企业（50-500 人） | 大企业（>500 人） |
|---|---|---|---|
| 硬件（一次性） | 3-5 万 | 15-30 万 | 50 万+ |
| 模型部署 | 免费（开源方案） | 免费（开源方案） | 免费（开源方案） |
| AI 编程工具（年费） | 2-3 人 × 2000 元/年 ≈ 6000 元 | 5-10 人 × 2000 元/年 ≈ 1-2 万 | 15-30 人 × 2000 元/年 ≈ 3-6 万 |
| FDE 培训 | 待定 | 待定 | 待定 |
| 首年总计（不含培训） | 约 4-6 万 | 约 16-32 万 | 约 53-56 万+ |
几个要点：
- 硬件是一次性投入，后续只有电费和维护成本。不像 SaaS 每年都要付订阅费
- 软件全部开源免费，模型、部署工具、数据处理库都是开源的
- 唯一持续性费用是 AI 编程工具订阅，但人均每月不到 200 元
- 用得越多，边际成本越低——这是本地部署对比 SaaS 的核心优势
与传统的财务数字化转型项目（动辄百万起步）相比，这个投入是数量级的差异。而且你买的不是一套系统，是一种能力——你的团队一旦掌握了这种能力，后续的工具都是自己做的，不再需要持续购买外部服务。
两样东西准备好之后
硬件到货、模型部署、AI 编程工具安装——这些事情一周内可以完成。
然后呢？你的财务人员具体可以做什么？
下一章给你六个场景。每个场景都会告诉你：你的财务人员用这两样东西，自己能搭什么、花多长时间、预期效果如何。
第五章小结：本地部署的 AI 模型 + AI 编程工具——两样东西，就是 FDE 化所需的全部技术底座。硬件一次性投入（入门级 3-5 万元），软件全部开源免费，唯一持续性费用是 AI 编程工具订阅（人均每月不到 200 元）。首年总投入：小企业约 4-6 万，中企业约 16-32 万。不是一个数字化转型项目，是一次能力投资。下一章：你的团队可以先做这六件事。