业务痛点
AI 基础设施售前场景下，售前团队面临的典型挑战。
资料分散、查询成本高
服务器规格、GPU 参数、适配关系与模型测试数据分散在不同文档与人员手中，售前需在多源之间反复切换，准确信息查找耗时长、口径不一致。
需求复杂、方案依赖个人经验
客户需求常以业务语言表达，背后涉及训练 / 推理、模型规模、精度、并发与扩容等多重判断，方案准备周期长，新人难以快速独立开展。
推荐与实际配置存在断层
AI 仅给出型号建议，无法进入配置流程；服务器数量、加速卡兼容、卡数上限与物料仍需人工核对整理，输出难以进入业务流程。
国产选型难、经验难沉淀
国产算力产品多、定位差异大，横向比较困难；项目经验散落于个人，相同问题反复求解，难以形成可复用的组织能力。
解决方案概述
神州鲲泰售前助手面向 AI 基础设施售前场景，将服务器产品、GPU/NPU 数据、模型测试基线、配置物料、技术知识与项目经验统一连接，通过 AI 辅助完成需求理解、产品选型、方案推荐、初步配置与知识沉淀。它围绕售前核心过程，打通从统一知识入口、客户需求理解、智能产品选型、方案辅助设计、初步配置输出，到团队讨论协同与经验知识沉淀的完整链路，让售前人员把更多时间投入理解客户业务、判断技术路线与推动项目落地。支持 SaaS、专属云、私有化三种部署。
核心功能
覆盖售前工作全链路的 8 项核心能力。
统一售前知识入口
汇聚服务器产品、GPU/NPU 参数、模型测试基线与物料数据，提供统一查询与分析入口。
AI 需求理解
自然语言输入客户需求，AI 拆解训练 / 推理、模型规模、并发与部署等关键判断。
智能产品选型
结合产品数据与测试基线，辅助服务器与加速卡推荐，给出主推方案与备选方向。
方案辅助设计
输出需求判断、推荐理由、风险提示与扩容建议的结构化方案内容。
初步配置输出
识别型号与数量关系，校验配置规则并匹配物料，生成可执行的初步配置单。
国产 GPU 场景化选型
按显存、算力、功耗与生态多维筛选，支持国产算力产品横向对比与替代分析。
团队讨论协同
技术社区围绕真实问题讨论，沉淀专业回答与项目实践经验。
知识沉淀与复用
高频问题整理为 FAQ 与知识库，AI 持续调用，形成可复用的组织能力。
