12 个服务域，把复杂 AI 工作拆成清楚范围。
服务域用来分类和组织工作，不是 12 个商品，也不表示所有能力都由 Myrilum 自营。打开任一服务域，可查看问题、模块、交付物、指标、依赖与人工决策点。
把目标说清
把模糊设想变成可以取舍、预算和验证的目标与产品方向。
AI 战略与价值管理把 AI 投入变成可取舍、可预算、可验证的业务路线。
典型问题
- AI 机会识别与组合优先级
- 业务案例、投资逻辑与价值基线
- AI 路线图、治理蓝图与能力规划
服务模块
- 战略诊断与管理层工作坊
- 用例组合与价值/风险评分
- 目标、OKR、KPI 与证据设计
- 采购、自建、合作与退出策略
- 预算、成本与收益实现管理
交付物
- AI 战略与目标树
- 机会组合与优先级地图
- 价值基线与评价框架
- 分阶段路线图与决策门
评价指标
- 价值基线完整度
- 优先级决策周期
- 试点转化/停止质量
- 已验证收益与计划差异
依赖条件
- 业务负责人
- 可信基线数据
- 预算与风险边界
人工决策点
管理层批准目标、预算、优先级和进入试点的条件。
AI 产品、体验与服务设计把复杂的 AI 能力变成用户能完成任务的产品与服务体验。
典型问题
- AI 原生产品发现与需求建模
- 对话、多模态与 Agent 体验
- 服务蓝图、流程重构与采用障碍
服务模块
- 用户研究与任务分析
- 价值主张与产品定义
- 人机分工与交互模式
- 原型、可用性与无障碍测试
- 内容、信任提示与失败体验设计
交付物
- 产品需求与服务蓝图
- 交互原型与设计系统扩展
- 人机职责与异常旅程
- 可用性、无障碍与采用报告
评价指标
- 任务完成率
- 采用与留存
- 人工接管与失败恢复
- 可访问性与满意度
依赖条件
- 真实用户与场景
- 品牌与设计系统
- 技术/政策边界
人工决策点
产品负责人批准用户影响、交互承诺、实验范围与发布标准。
让智能可用
把数据、知识、模型与 Agent 组合成可评价的工作能力。
数据与知识资产让分散的数据与知识可找到、可引用、可更新，也可按权限使用。
典型问题
- 数据质量、语义、血缘和访问权
- 企业知识、检索与证据链
- 训练/评价数据、合成数据与隐私
服务模块
- 数据盘点、分级与质量工程
- 知识建模、图谱与主数据
- 文档处理、搜索与 RAG
- 数据许可、同意、保留与删除
- 合成数据与隐私增强技术
交付物
- 数据/知识资产目录
- 语义模型、知识库或检索系统
- 质量规则、血缘与许可记录
- 评价数据集与数据卡
评价指标
- 覆盖率与新鲜度
- 检索正确性与引用率
- 质量缺陷与漂移
- 许可/来源可追溯率
依赖条件
- 数据权利与系统访问
- 领域专家
- 安全与隐私控制
人工决策点
数据负责人批准来源、用途、访问、跨境、保留和删除规则。
模型与算法为真实任务选择合适的模型与算法，并用一致证据验证取舍。
典型问题
- 基础模型选择、适配与路由
- 预测、分类、推荐、因果与优化
- 视觉、语音、时序、空间与多模态
服务模块
- 基准测试与模型选型
- 提示、微调、蒸馏与适配
- 传统机器学习与统计建模
- 优化、仿真与强化学习
- 模型组合、路由与成本控制
交付物
- 模型/算法技术方案
- 基准、评价集与实验记录
- 可复现训练/推理包
- 模型卡、限制与风险说明
评价指标
- 任务质量与鲁棒性
- 延迟、吞吐与成本
- 偏差、公平与稳定性
- 可复现性与回归通过率
依赖条件
- 高质量训练/评价数据
- 算力与运行环境
- 可接受风险阈值
人工决策点
技术和业务负责人批准模型用途、评价阈值、限制与变更。
智能体与数字自动化让 Agent 完成获授权的工作，并在需要时把决定交还给人。
典型问题
- 单/多 Agent 任务编排
- 知识工作、流程与桌面自动化
- Agent 身份、记忆、工具安全与 AgentOps
服务模块
- Agent 角色、任务与权限设计
- 工作流、状态机与工具集成
- 多 Agent 协作与资源调度
- 记忆、上下文与知识接入
- 沙箱、审批、预算与运行监控
交付物
- Agent/工作流架构
- 可审阅任务规范与工具权限表
- 原型、集成或运行候选
- Agent 评价集、日志与运行手册
评价指标
- 任务成功与完整率
- 人工介入与升级质量
- 工具误用/越权率
- 成本、时延与恢复时间
依赖条件
- 明确流程与工具接口
- 身份权限和审计
- 安全沙箱与停止机制
人工决策点
具名负责人批准 Agent 的权限、外部动作、预算、上线和紧急停止。
接入真实工作
让 AI 在企业系统、现场、科学工程与基础设施中解决具体任务。
AI 应用与企业集成把 AI 接入现有产品与系统，让流程真的向前走。
典型问题
- AI 应用、Copilot 与工作台
- ERP、CRM、MES、ITSM、办公与内容系统集成
- API、事件、身份、权限与数据同步
服务模块
- 应用架构与前后端建设
- 企业接口与集成层
- 身份、权限与租户隔离
- 事件、任务和消息编排
- 迁移、互操作与可观测性
交付物
- 可用应用或集成候选
- API/事件/数据契约
- 身份权限与控制矩阵
- 测试、部署、回滚与运维资料
评价指标
- 业务流程周期与采用
- 集成成功与数据一致性
- 可用性、时延与错误率
- 变更失败与恢复时间
依赖条件
- 现有系统与接口所有者
- 身份/安全基线
- 部署与支持窗口
人工决策点
系统所有者批准生产访问、数据写入、集成变更和上线窗口。
物理 AI 与自主系统把感知、仿真与控制带到现场，同时把安全决定留在独立控制中。
典型问题
- 机器人、无人系统与智能设备
- 机器视觉、空间智能与传感器融合
- 预测维护、数字孪生与自主调度
服务模块
- 场景、任务与安全危害分析
- 感知、定位、规划与控制算法
- 仿真、数字孪生与合成场景
- 边缘/设备端部署与通信
- 现场试验、接管与失效保护
交付物
- 物理 AI 系统方案与安全论证
- 仿真/原型/设备集成候选
- 场景库、测试报告与故障记录
- 现场运行、接管与维护手册
评价指标
- 任务/感知性能
- 安全事件与接管率
- 可靠性、能耗与实时性
- 仿真到现实偏差
依赖条件
- 设备、现场与安全负责人
- 仿真/测试环境
- 独立安全控制
人工决策点
合格安全和现场负责人批准每次现实世界试验、控制写入与扩大范围。
AI for Science 与工程把研究与工程迭代组织成可复核步骤，让每个结论都能回到方法、数据与专业判断。
典型问题
- 科学文献、数据与假设生成
- 科学机器学习、仿真与代理模型
- 材料/药物/结构/工艺设计与实验规划
服务模块
- 科学知识与证据综合
- 物理约束与科学机器学习
- 仿真、优化与逆向设计
- 实验设计、仪器数据与自动化
- 可复现计算与研究数据治理
交付物
- 研究问题与证据图谱
- 可复现实验/计算工作流
- 模型、仿真或候选设计
- 验证计划、限制与研究记录
评价指标
- 复现率与证据覆盖
- 预测/仿真误差
- 实验周期与资源效率
- 候选命中与失败学习
依赖条件
- 学科专家与实验负责人
- 合法数据/仪器访问
- 独立复现与验证
人工决策点
具名科学家或工程师批准假设、实验、专业结论及任何现实世界应用。
AI 平台、算力与基础设施让 AI 工作负载按约定环境、观测与退出机制运行，成本与退出路径同样清楚。
典型问题
- MLOps、LLMOps、AgentOps 与平台工程
- 训练/推理、GPU、云、边缘与混合算力
- 模型网关、特征/向量服务、评测和可观测性
服务模块
- 平台与参考架构
- 环境、流水线、注册表与制品治理
- 模型网关、路由、缓存与配额
- 性能、容量、成本与绿色算力
- 运行可观测、安全与灾备
交付物
- AI 平台蓝图与实施路线
- 环境、流水线和运行组件
- SLO、容量与成本模型
- 监控、灾备、运行与退出手册
评价指标
- 部署频率与交付周期
- 可用性、性能与容量
- 单位任务/模型成本
- 变更失败与恢复目标
依赖条件
- 云/数据中心与采购边界
- 安全和网络基线
- 容量、SLO 与退出要求
人工决策点
平台和安全负责人批准生产环境、供应商、容量预算、SLO 与重大变更。
在控制中扩展
用验证、运行控制与组织能力，让已获授权的服务稳定扩展。
可信 AI、安全、合规与验证在扩大使用前，看清 AI 的质量、安全、风险与剩余责任。
典型问题
- AI 治理体系、风险分级与影响评估
- TEVV、红队、对抗 ML 与模型安全
- 隐私、安全、供应链、监管与审计准备
服务模块
- AI 管理体系与政策控制
- 威胁建模、红队与安全测试
- 质量、鲁棒、公平与可解释评价
- 隐私工程、数据保护与供应链审查
- 合规映射、证据包与独立验证支持
交付物
- AI 风险/控制登记册
- 影响评估、威胁模型与红队报告
- 评价协议、测试结果与限制声明
- 合规/审计证据包与整改计划
评价指标
- 风险/控制覆盖率
- 严重缺陷与修复时间
- 回归、红队和鲁棒性通过率
- 证据完整性与审计可追溯性
依赖条件
- 风险所有者与适用规则
- 独立测试权限
- 整改和停止权
人工决策点
风险、法律、安全和业务负责人共同批准高风险用途、例外、整改与生产授权。
上线运营、持续优化与托管服务让已获授权的能力持续运行，也能被监控、改进、接管与安全停止。
典型问题
- 发布准备、变更控制与运行移交
- 质量、漂移、成本、风险和采用监控
- 事故响应、版本优化、SLA/SLO 与供应商管理
服务模块
- 上线清单、演练与受控发布
- 模型/Agent/数据运行监控
- 评价回归、漂移与持续优化
- 事故、问题、变更与知识管理
- 服务台、容量、供应商和退出管理
交付物
- 发布候选与授权清单
- 监控面板、告警与评价流水线
- 运行手册、事故与变更记录
- 服务报告、优化路线与退出包
评价指标
- SLO/SLA 与业务结果
- 质量/漂移/成本趋势
- 事故频率、MTTD 与 MTTR
- 采用、满意度与改进闭环
依赖条件
- 独立生产授权
- 监控、支持与升级责任
- 预算/SLO/退出约定
人工决策点
服务所有者批准上线、重大变更、风险例外、事故关闭和服务退出。
组织、人才、变革与生态让团队知道谁负责、如何使用、何时接管，并把能力真正留在组织里。
典型问题
- AI 组织模式、角色与决策权
- 人才、技能、学习与岗位转型
- 变革采用、沟通、伙伴与供应商生态
服务模块
- 组织与治理运行模型
- 角色、RACI、能力与人才规划
- AI 素养、专业训练与实战辅导
- 变革影响、沟通、采用与反馈
- 伙伴遴选、生态编排与供应商治理
交付物
- AI 组织与治理蓝图
- 角色、能力和培训体系
- 变革、沟通与采用计划
- 伙伴地图、责任矩阵与移交方案
评价指标
- 技能/角色覆盖与胜任度
- 采用、行为与满意度
- 决策与升级周期
- 伙伴绩效与知识留存
依赖条件
- 高层赞助与变革负责人
- HR/法务/员工机制
- 伙伴与采购治理
人工决策点
管理层与相应职能批准组织变更、岗位影响、伙伴准入与知识移交。
六个维度，让范围不再只有一个模糊的“AI”标签。
能力类型
研究、生成、预测、感知、决策支持、优化、执行、验证或运营。
数据与模态
文本、代码、表格、图像、音频、视频、时序、空间、传感器或多模态。
自主等级
从只读辅助、建议、人审执行到受限自主；高影响动作始终停在人工决策点。
部署方式
公有云、私有云、专有环境、本地、边缘、设备端或混合架构。
场景与司法辖区
按业务流程、行业、地区、语言、专业责任和跨境约束标注。
风险等级
按数据敏感性、用户影响、可逆性、外部行动和监管要求分级。
从判断方向到移交运营，选择合适的合作方式。
战略与诊断
目标、基线、机会组合、风险、路线图与投资优先级。
评价与方案设计
问题模型、系统方案、评价集、架构选择、责任与停止条件。
原型与有限试点
在有限数据、用户、权限和时间窗口中验证价值与风险。
建设与企业集成
构建应用、Agent、数据与接口，并接入既有身份、流程和系统。
验证、红队与验收支持
独立测试质量、安全、鲁棒性、合规与证据，不代替客户验收。
托管运营与持续优化
监控质量、成本、漂移、事故、采用和版本，按授权持续改进。
组织赋能、移交与退出
建立角色、培训、运行手册、知识移交、供应商替换和安全退出能力。
成熟度说明证据走到哪一步，不是宣传等级。
未评估
只有目标或想法，尚无经过确认的数据、方案或责任结构。
已定义
问题、范围、基线、风险和成功条件已经形成受审阅定义。
已验证原型
核心假设在非生产、受控环境中通过评价。
有限试点
真实语境中的有限用户、数据和权限已完成试点验证。
受控生产
在独立授权、监控、回滚、事故与服务机制下运行。
可规模运营
性能、治理、组织、供应链与持续优化能力能够支持扩大。
谁建设、谁负责、谁验收，一开始就说清。
客户自建，Myrilum 赋能
提供诊断、架构、评价、治理、培训和审阅，客户团队负责实施与运营。
Myrilum 主导，组合伙伴能力
Myrilum 负责目标、编排、交付管理与验收支持，模型、工具或专业能力可由伙伴提供。
联合交付
客户、Myrilum 与具名专家共同承担清晰划分的工作包、证据与责任。
路由或独立转介
超出当前能力、执照或风险边界的工作转交合格主体；不得暗示 Myrilum 自营。
覆盖有边界，承诺有责任。
每个项目分别确认范围、数据权利、交付路线、证据阶段、责任人、评价方法和停止条件。高影响决定、外部发布、生产部署、风险接受与验收始终由具名人员批准。
目录用于了解 · 服务按项目确认