一、先看案例在替代什么

1. 替代硬件：把算力来源换掉

这类案例的核心是把原先依赖外部供应的加速卡，换成国产卡，业务形态不变。衡量指标很直接：迁移后精度是否一致、吞吐下降多少、迁移花了多长时间。

判断这类案例能不能照搬，看两点：模型是否在对方那套软件栈已完成适配；团队是否有能补算子的工程角色。缺一条，迁移周期就要重新估。

2. 替代人工流程：把重复判断交出去

政务问答、政策匹配、材料预审、病历撰写、报告起草，这类场景替代的是人工重复劳动。衡量指标是时长与退回率，而不是模型跑分。

这类案例的价值容易量化，也便于复刻，因为它不动核心交易链路，出错可以人工兜底。

3. 替代外购服务：把能力收进自有边界

原来靠外部接口完成的检索、审核、生成，改为在自有环境内运行。这类案例的驱动力通常是数据不出场地的要求，衡量指标是隔离程度与可审计程度。

这类案例的投入偏高，因为它要求从算力、模型到运维整套自持。适合合规压力高、数据敏感的行业。

二、政务：看办理时长与退回率

1. 关键指标是什么

政务场景不看单次响应多快，看两件事：群众办一件事要多久，材料被退回的比例有多高。这两项直接对应体验，也直接对应窗口人力。

一个可以核对的过程是：把高频事项做成对话式引导，边聊边办，材料校验前置。效果通常表现为单笔办理时长从半小时量级压到十分钟量级，材料退回率从三成多降到个位数。

2. 场景怎么分层

第一层是咨询类：政策问答、办事指引，改动小、见效快，适合先做。第二层是办理类：表单填充、材料预检、进度查询，要打通业务系统。第三层是决策类：辅助审批、智能派单，涉及责任划分，要格外谨慎。

三层不要一起上。按咨询、办理、决策的顺序推进，每层跑稳了再动下一层，是这类案例反复验证过的节奏。

3. 复刻前提

一是事项库要整理好，把散在各处的办事指南归一成结构化条目；二是业务系统的接口要能开出来，否则只能停在咨询层；三是有一支懂业务的队伍做校验，模型给出的答案要有人抽查。

三、金融：看周期与检索命中

1. 关键指标是什么

金融场景看周期与准确率。典型的过程指标是：尽调报告撰写周期、预审耗时、知识检索的命中与效率。有案例显示，尽调报告从三周压到一周，预审从七天压到一天，检索环节效率提升接近一个量级。

这类指标的共同点是都可核对，且都能换算成人天。换算之后，投入是否合理一眼可见。

2. 场景怎么分层

第一层是知识型：制度问答、合规条款检索、产品资料查询。第二层是文书型：尽调报告、风险提示、会议材料起草。第三层是判断型：授信预审、异常识别、合规审查。

前两层可以较快见效，第三层要先解决可解释与留痕问题。金融行业的审计要求决定了，任何进入判断环节的输出都要能回溯到依据。

3. 复刻前提

一是资料要能进场，受限材料只能入库元信息或摘要；二是每条答复要带出处，无出处的结论不能进流程；三是模型输出要留痕，形成可审计的记录。

还有一条容易被忽略：口径统一。同一个指标在不同部门有三套算法，模型会把三套混着用，输出的数字看着合理却对不上账。进场前先把口径定下来。

四、能源与制造：看干预率与单耗

1. 关键指标是什么

工业场景看两件事：人工干预的比例降了多少，单位产出的能耗降了多少。有案例显示，某类化工装置的全链路调控引入模型后，人工干预下降约七成，单台设备年节煤数千吨、年节约成本数百万元。

这类指标的说服力足，因为换算成钱很直接。但也要看清一点：这类收益来自工艺与控制策略的改进，模型只是其中一环，把它全归给算力会误判投入产出。

2. 场景怎么分层

第一层是监测与告警：设备状态、工艺参数越界提醒。第二层是优化建议：参数寻优、排产建议，由人确认后执行。第三层是闭环控制：模型直接下指令。

层与层之间隔着安全责任。多数落地停在第二层，把第三层留给有完整验证体系的场景，这个分寸要自己把握。

3. 复刻前提

一是要有历史数据，至少覆盖一个完整生产周期；二是要有懂工艺的人参与标注与校验，纯算法团队做不了；三是要有小范围试运行的场地，先在一个工段验证再推广。

五、医疗与教育：看文书负担与检索精度

1. 医疗场景的落点

医院里先见效的不是诊断，而是文书：病历撰写、随访记录、知识检索。有案例显示，病历撰写效率提升七成以上，知识检索精度达到九成以上。

这个顺序值得借鉴：先减文书负担，再谈辅助判断。前者风险低、见效快，也更容易让一线人员愿意用。

2. 教育场景的落点

教育场景分两类：一类是教学辅助，备课、出题、答疑条目；另一类是实训环境，按需开出带工具的运行环境，让学生在同一套环境里做实验。

后一类的价值在一致性：所有学生拿到同一份环境，结果可比，教师排查问题时不必猜学生装了什么。

3. 复刻前提

一是领域术语表要由本行业的人建，模型的译名与缩写用法不统一；二是要有抽查机制，按比例人工复核；三是要有退出机制，模型给出低把握的结论时要能明确提示，而不是硬答。

六、案例复刻的四条前提

1. 数据能不能进场

案例里的效果大多建立在多年积累的数据上。自己的数据够不够、格式能不能解析、有没有标注，决定了能复刻到几分。数据只有图片扫描件、没有文字层的，先解决解析，再谈模型。

2. 算子能不能补齐

国产卡上的缺口通常出在特殊算子与推理引擎版本。做可行性验证时，要拿环节偏多、算子覆盖面广的那条链路去试，不能用一句问答代表全部。

3. 流程要不要改

很多案例的效果一半来自流程调整：材料校验前置、审批环节合并、模板统一。只想上模型不改流程，效果会差很远。

4. 运维谁来接

上线之后要有人看监控、处理告警、更新模型、抽查质量。案例里的团队通常有专职角色，自己如果没有，就要把这块算进人力预算。

七、把案例变成可行性清单

1. 三问定方向

一问这个场景的痛点能不能用一个可量化的指标描述，比如时长、退回率、周转天数。二问这个指标改善之后谁受益、受益多少，能不能算成钱或人天。三问出错时谁兜底、怎么兜底。三问答得上，方向基本成立。

2. 三验定可行

一验数据：抽一百条真实样本，看能不能解析、能不能覆盖主流程。二验算子：拿目标模型在目标卡上跑通一次推理，记录精度与吞吐。三验流程：找一条真实业务走一遍，看模型输出能不能嵌进现有系统。

3. 小步走的方法

先选一个部门、一条链路、一个指标，跑一个季度。指标改善可量化、团队负担没增加、故障有人兜底，三条都成立再扩。反过来，其中一条不成立就先修那一条，别急着加场景。

结语

看案例的价值，不在记住数字，而在看清数字背后的前提。政务看办理时长与退回率，金融看周期与检索命中，能源制造看干预率与单耗，医疗教育看文书负担与环境一致性。行业不同，衡量的东西不同，选型的落点自然不同。

落地建议：先按三问定方向，再用三验定可行，末了选一条链路跑一个季度。判断案例有没有真正复刻成功，有个很朴素的标准：一年之后，这条链路上的那个指标还在改善，而且改善不是靠加人维持的。做到这一点，才算把案例变成了自己的能力。