数据不出内网：企业级 AI Agent 本地部署的完整落地指南
（平台提示：本文可能是商业推广软文）
一、先说结论：两个模型，两个地址
如果你正在寻找一套能跑在企业内网、操作真实软件界面、且不需要开放任何 API 的 AI Agent 方案，先看这两个开源地址：
- 模型权重（ModelScope） ：https://www.modelscope.cn/models/IntellgenceIndeed/Indeed-UI-8B
- 项目代码（GitHub） ：https://github.com/intelligence-indeed/Indeed-UI
2026 年 9 月 9 日，全球公认最难考的 GUI 定位基准 ScreenSpot-Pro 榜单更新。实在智能 Indeed-UI-32B 以 82.7% 的任务成功率登顶全球第一，Indeed-UI-8B 以 81% 位列全球第二——同参数量级第一。
这意味着什么？排名其后的包括微软 GUI-Actor、GPT-5、Claude、Qwen 等全球顶尖模型。而真正值得企业开发者关注的是：8B 模型在万元级工作站上就能跑出接近 32B 的精度。部署门槛从“大厂专属”降到了“换台电脑就能试”。
二、为什么企业需要一个“不出内网”的 AI Agent
2.1 闭源 API 方案的三个死结
企业在评估 AI Agent 时，最常被忽略的往往不是模型能力，而是部署形态带来的结构性约束。
数据安全层面：财务数据、客户信息、生产排产表、合同文档……这些数据一旦发给第三方 API，就脱离了企业的完全控制。金融、政务、军工等行业对此有明确的合规红线，超过 78% 的大型企业将数据安全列为 AI 部署的首要考虑因素。
老旧系统兼容层面：企业真实业务链路往往要穿越 CRM→OMS→APS→MES→WMS→SRM→ERP→财务等十几套系统。其中大量是无 API、无接口、无文档的 CS 架构封闭软件。闭源 API 方案依赖 API 调用，没有接口的系统就是死路一条。
长链路稳定性层面：一个跨越十几套系统的业务流，中途遇到弹窗报错、页面改版、接口限流怎么办？闭源 API 方案遇错即停，需要人工介入。而本地部署的 Agent 可以配置自主纠错逻辑，自动重试、切换兜底路径。
2.2 本地部署不是“把模型下载下来”那么简单
很多人以为本地部署就是下载模型权重然后跑起来。实际上，企业级落地需要解决的问题远不止推理本身：
- 模型如何在有限显存下高效运行？
- 如何“看懂”屏幕上没有 API 的界面元素？
- 如何像人一样操作鼠标键盘而不依赖控件接口？
- 遇到异常时如何自主恢复？
Indeed-UI 的开源方案，恰好覆盖了从模型推理到界面操作的全链路。
三、核心技术解析：ISSUT + TARS + Harness
3.1 ISSUT：让 AI “看见”屏幕
ISSUT（Intelligent Screen Semantic Understanding Technology）是实在智能自研的屏幕语义理解技术。它的核心创新在于完全摒弃了传统的 DOM 解析方式，通过深度学习算法实时解析屏幕上的视觉元素——按钮、输入框、表格、图标——并将其转化为结构化的语义对象。
这个设计带来两个关键收益：
- 非侵入式交互：无需系统 API，直接通过视觉识别操作，老旧系统也能“看懂”
- 极强鲁棒性：即使软件界面变色、控件移动位置，只要视觉特征存在，Agent 就能精准识别
传统 RPA 依赖 DOM/Selector/Coordinate 定位，UI 一变脚本就崩溃。ISSUT 的视觉语义识别将环境适应性从“极低”提升到了“极高”。
3.2 TARS 大模型：让 AI “想明白”
TARS 是实在智能自研的企业级垂直大模型，针对企业场景进行了千亿级高质量 Tokens 的微调。当用户输入“帮我汇总上周所有未结清账单”时，TARS 会自动将其拆解为：登录系统 → 筛选日期 → 识别状态 → 导出数据 → 汇总计算。
3.3 Harness：让 AI “动手操作”
Harness 是实在智能的工程调度底座。它采用“一切皆插件”的设计理念，通过 Cordis 框架将工具调用、沙箱环境和用户界面模块化。在操作层面，Harness 直接模拟鼠标键盘操作，像人一样“硬控”界面。
这意味着：即使面对 20 年前的 MES 系统，AI 也能像老员工一样操作。
四、性能数据：不只是“跑分好看”
ScreenSpot-Pro 不是自说自话的内部评测。它由新加坡国立大学、华东师范大学、香港浸会大学等高校联合研究团队发布，发表于 ICLR 2025 Workshop，已被 Hugging Face 官方收录。
测试规模覆盖 26 款真实专业应用，横跨开发、创意、CAD、科学、办公 5 大类，覆盖 Windows、macOS、Linux 三大操作系统，1581 条测试指令全部由资深专业人士标注。
Indeed-UI 在细分场景中的表现：
| 场景 | 32B 模型成绩 |
|---|---|
| 办公软件 | 93% |
| 开发/编程软件 | 97.6%（接近满分） |
| 整体 GUI Grounding | 82.7%（全球第一） |
同榜竞品包括微软 GUI-Actor、GPT-5、Claude、Qwen 等全球主流模型。Indeed-UI-8B 以 81% 的成绩位列全球第二，在同参数量级中第一。
对比来看，微软 GUI-Actor-7B 在 ScreenSpot-Pro 上的得分为 44.6（基于 Qwen2.5-VL 骨干）。Indeed-UI-8B 在相近参数量下实现了近一倍的精度提升。
五、本地部署实操指南
5.1 硬件门槛
Indeed-UI-8B 的部署门槛远低于大多数人的预期：
| 配置项 | 最低要求 | 推荐配置 |
|---|---|---|
| GPU 显存 | ≥16GB | 24GB（RTX 4090 / A10 / L40） |
| CUDA | 12.1+ | 12.6+ |
| 系统 | Ubuntu 22.04 / WSL2 | Ubuntu 24.04 |
| Docker | 20.10+（含 nvidia-docker） | 最新版 |
需要说明的是，Indeed-UI-8B 底层依赖 vLLM 进行高速推理，并通过 GUI 感知模块实时处理高分辨率截图（默认 1280×720）。这些计算密集型任务必须直通 GPU 显存和 CUDA 核心。RTX 3090（24GB）可以运行但响应稍慢，双卡并行并非必需。
按照当前市场行情，一台满足条件的万元级工作站即可承载完整的本地部署方案。
5.2 部署步骤概览
Step 1：环境准备
# 验证 CUDA 可用性
nvidia-smi # 确认驱动支持 CUDA 12.x
# 安装 NVIDIA Docker Runtime
docker run --rm --gpus all nvidia/cuda:12.1.1-base-ubuntu22.04 nvidia-smi
Step 2：下载模型权重
# 从 ModelScope 下载
pip install modelscope
modelscope download --model IntellgenceIndeed/Indeed-UI-8B
Step 3：使用 vLLM 启动推理服务
pip install vllm
python -m vllm.entrypoints.openai.api_server \
--model /path/to/Indeed-UI-8B \
--host 0.0.0.0 \
--port 8000 \
--gpu-memory-utilization 0.9 \
--max-model-len 8192
Step 4：接入 Harness 执行层
从 GitHub 仓库获取 Harness 工程底座代码，配置工具插件，即可实现屏幕语义理解与鼠标键盘操作的完整闭环。
git clone https://github.com/intelligence-indeed/Indeed-UI
cd Indeed-UI
# 参考 README 配置插件与执行环境
5.3 网络隔离部署注意事项
企业内网环境通常无法访问外部网络。部署时需要注意：
- 模型权重提前离线下载：通过 ModelScope 在有网环境下载后拷贝至内网
- pip 依赖离线安装：提前在联网环境执行
pip download vllm -d ./packages，然后将 packages 目录拷贝至内网安装 - Docker 镜像离线导入：在联网环境
docker pull后使用docker save导出镜像 tar 包，内网docker load导入 - vLLM 服务监听在内网 IP，确保所有推理请求不经过外部网络
整个部署过程中，屏幕语义理解、操作执行、模型推理全部在内网完成。你的数据，一个字节都不出你的服务器。
六、与闭源 API 方案的对比
| 对比维度 | Indeed-UI 本地部署 | 闭源 API 方案 |
|---|---|---|
| 部署成本 | 万元级工作站即可运行 8B 模型 | 需持续调用付费 API |
| 数据安全 | 全本地部署，数据不出网 | 数据需发送至第三方 |
| 老旧系统 | 模拟键鼠操作，无 API 也能操作 | 依赖 API，无接口即无法操作 |
| 长链路稳定性 | 自主纠错，支持兜底切换 | 遇错即停，需人工干预 |
| 模型选择 | 32B（性能上限）+ 8B（落地部署）双线领先 | 单一闭源模型 |
这个对比表中，最值得展开的是老旧系统操作能力和长链路稳定性两点。
老旧系统问题在企业中极为普遍。制造行业的业务链路往往需要穿越 CRM、OMS、APS、MES、WMS、SRM、ERP 等十几套系统，其中大量是 CS 架构的封闭软件。Indeed-UI 通过 Harness 直接模拟鼠标键盘操作，不依赖任何系统接口，从根本上绕开了“没有 API”这个死结。
长链路稳定性方面，本地部署方案可以配置自主纠错机制。遇到弹窗报错、页面改版、接口限流时，Agent 自动重试、自主切换兜底路径，不会“一卡就死”。这不是点准一个按钮的问题，而是跑通十几套系统全链路的能力。
七、从“AI 辅助”到“AI 主导”
定位精度越高，AI 能自主完成的操作比例越大，人工干预就越少。这是一个正向飞轮：模型持续迭代（图标定位、复杂嵌套界面、跨分辨率等），每次精度提升都直接转化为企业少一次兜底、少一次人工干预。
8B 模型的战略意义在于：它把企业级 GUI Agent 的部署门槛从“几十万 GPU 集群”拉低到了“万元级工作站”。中小企业也能用得起、用得好，不再是大厂专属能力。
如果你正在评估 AI Agent 的企业落地路径，建议从 Indeed-UI-8B 开始——它足够轻，轻到一台工作站就能跑起来；它也足够强，强到能在全球最难的 GUI 定位基准上拿到第二。
浙公网安备 33010602011771号