尤其对于工程建设、EPC、制造交付、研发项目等复杂业务场景而言，项目过程中既存在大量结构化业务数据，例如项目计划、成本、预算、合同、资源、风险、任务等，也存在海量非结构化信息，例如合同文件、技术方案、图纸、会议纪要、周报、验收资料和项目交付物。
如何让这些数据真正“被理解、被利用、被行动”，正在成为企业项目管理数字化升级的关键。
基于此，聚米科技围绕“一站式项目管理服务平台 XPM+”，构建了面向企业级应用的 XPM+ AI 私有化部署架构，通过业务过程 AI、数据洞察 AI 和智能体三类核心能力，将大模型能力真正融入项目管理全生命周期。
一、XPM+ AI，不只是“在系统里加一个聊天机器人”
企业在建设 AI 项目管理系统时，一个常见误区是：在原有系统上增加一个大模型对话窗口，就认为完成了 AI 化。
实际上，真正有价值的项目管理 AI，需要深入业务流程、业务数据和系统执行能力。
聚米科技将 XPM+ AI 的核心应用划分为三类。
1. AI 业务过程助手：让项目管理工作更高效
AI 首先应该参与到项目管理的实际工作过程中。
例如在项目启动和计划阶段，AI 可以根据项目类型、历史项目经验和项目约束条件，辅助项目经理编制 WBS、里程碑和进度计划，并进一步识别计划中的逻辑冲突、工期风险和资源冲突。
在预算和成本管理中，AI 可以辅助进行项目预算编制、预算校验、成本偏差分析，并结合历史数据给出调整建议。
在项目文档管理中，AI 可以辅助生成项目方案、项目报告、周报、会议纪要、汇报材料等内容，并根据企业模板和项目上下文自动生成相应文档。
同时，AI 还可以用于风险识别、问题分析、合同分析、项目总结等场景。
这意味着，XPM+ AI 不只是“回答问题”，而是在逐步成为项目经理和项目团队的智能助手。
2. AI 数据洞察助手：让项目数据真正“会说话”
传统项目管理系统的价值，很大程度上依赖报表、看板和人工分析。
但随着项目数据越来越复杂，仅靠固定报表已经难以满足管理者的实时决策需求。
XPM+ AI 支持通过自然语言直接查询和分析项目数据。
例如管理者可以直接询问：
- 当前高风险项目有几个？
- 哪些项目存在明显延期风险？
- 某个项目的成本执行情况如何？
- 某个员工当前承担了多少项目任务？
- 哪些项目预算偏差超过 10%？
- 本月哪些项目的进度最需要关注？
- 某个客户相关项目整体盈利情况如何？
AI 可以结合项目计划、进度、成本、预算、资源、风险、合同等业务数据，进行综合分析，并生成分析结果、趋势判断和管理建议。
与传统 BI 相比，这种方式可以显著降低数据分析门槛。
过去需要通过“找报表—筛选条件—导出数据—人工分析”完成的工作，未来可以直接通过自然语言完成。
3. AI 智能体 Agent：从“回答问题”走向“自动执行任务”
AI 的进一步价值，是从 Copilot 走向 Agent。
在 XPM+ AI 架构中，智能体可以通过 MCP 等标准能力调用 XPM 系统中的业务功能。
例如用户可以对 AI 助手说：
“帮我创建一个光伏项目，并按照标准项目模板生成项目计划。”
智能体可以自动完成：
创建项目
→ 选择项目模板
→ 创建 WBS
→ 生成项目计划
→ 分配相关任务
又例如：
“把本周所有重点项目的执行情况汇总成周报，并发送给项目管理办公室。”
AI 可以自动完成数据查询、项目分析、文档生成，并通过相关系统完成后续动作。
这意味着 AI 不再只是一个“咨询工具”，而是逐步成为能够完成跨步骤业务任务的数字员工。
二、AI 平台层：让 XPM+ 可以灵活适配各种大模型
企业在 AI 建设过程中，一个现实问题是：不同企业对于大模型的选择差异很大。
有些企业由于数据安全、合规和保密要求，希望采用完全私有化部署的大模型。
有些企业则希望使用公有云模型，例如豆包、DeepSeek 等。
还有一些企业希望采用混合模式：敏感业务数据使用私有模型，通用内容生成使用公有模型。
因此，XPM+ AI 并不与某一个具体大模型绑定。
在平台层，聚米科技构建了统一的 AI Gateway 和模型管理能力，对上为 XPM+ 提供统一 AI 服务，对下可以灵活接入不同模型。
包括：
- 企业私有化部署的 Qwen、DeepSeek、ChatGLM 等模型
- 国产 AI 算力环境
- 公有云大模型服务
- 第三方模型 API
通过统一模型适配与路由机制，可以根据任务类型、数据敏感级别、性能要求和成本要求，选择合适的模型执行任务。
例如：
简单问答可以使用小模型；
复杂项目分析可以调用更大参数模型；
敏感业务数据可以只使用企业内部模型；
普通文本生成可以根据企业策略选择公有模型。
这样可以避免项目管理系统被某一个模型厂商绑定，也为企业未来升级 AI 模型保留充分空间。
三、MCP 服务：让 AI 真正连接项目管理系统
如果说大模型解决的是“理解和推理”，那么 MCP 和工具调用能力解决的就是“执行”。
XPM+ 将核心业务能力逐步服务化和工具化，供 AI Agent 调用。
例如：
项目管理能力
任务管理能力
项目计划能力
预算管理能力
风险管理能力
文档管理能力
报表查询能力
合同管理能力
人员与资源管理能力
通过 MCP，AI 可以调用这些能力完成实际业务操作。
未来，XPM+ 还可以进一步与企业 OA、ERP、CRM、财务系统、邮件系统、即时通讯系统等打通，形成跨系统智能协同。
这将使项目管理从“人操作多个系统”逐步演进为：
人提出目标，AI 协调多个系统完成任务。
四、结构化数据 + 非结构化数据，是项目管理 AI 的真正基础
项目管理 AI 与普通知识问答最大的不同，在于它必须同时理解两类数据。
第一类是结构化业务数据。
包括：项目、任务、计划、成本、预算、合同、资源、风险、问题、进度、组织和人员。
这些数据来自 XPM+ 项目管理系统本身，是企业项目管理的核心业务数据。
第二类是非结构化数据。
包括：合同、技术方案、设计文件、图纸、会议纪要、周报、验收资料、项目总结和交付文档。
这些内容往往包含大量项目背景、过程信息和经验知识。
XPM+ AI 通过知识库、向量检索、RAG、文档解析等技术，将结构化数据与非结构化数据进行融合。
例如，当用户询问：
“这个项目为什么延期？”
AI 不仅可以查看计划进度数据，还可以进一步分析项目周报、会议纪要、风险记录、合同变更等资料，然后给出综合判断。
这也是企业级项目管理 AI 与普通 Chatbot 的本质区别。
五、私有化部署：满足企业数据安全与自主可控要求
对于工程建设、能源、制造、央国企、集团型企业等客户而言，项目数据往往涉及企业经营、合同、成本、技术方案以及商业机密。
因此，AI 能力是否能够私有化部署，是很多企业在选择 AI 项目管理平台时的重要条件。
XPM+ AI 支持企业本地数据中心或私有云部署。
企业可以根据自身情况选择国产 AI 服务器和国产大模型，在企业内部构建完整 AI 能力。
在整个架构中，企业可以实现：
数据不出企业网络
模型部署在企业内部
知识库部署在企业内部
项目数据权限统一管理
AI 访问行为可审计
模型调用过程可管控
同时，XPM+ 也支持私有化模型、公有模型和混合模型部署模式，满足不同客户的实际需求。
六、针对中大型企业，提供多档硬件配置
AI 私有化部署并不意味着企业一定要建设一个庞大的 AI 数据中心。
聚米科技可以根据企业人数、模型规模、并发量和 AI 应用场景，为客户提供不同档位的部署方案。
例如对于约 2000 人规模的企业，可以采用标准版配置：
- 8 张 64GB 级国产 AI 加速卡
- 128 核以上 CPU
- 512GB～1TB 内存
- 8～16TB NVMe 高速存储
- 支持 32B / 70B 级大模型
- 支持约 50～150 用户级并发使用
对于部门级应用，则可以采用 2～4 张 AI 卡的轻量配置。
对于大型集团和多业务系统共享 AI 能力的企业，则可以通过多台 8 卡 AI 服务器构建企业级 AI 算力中心。
这种方式可以让企业根据业务增长逐步扩展，而不必一次性投入过大的硬件成本。
七、聚米科技希望做的，是“项目管理领域的 AI 平台”
AI 对企业软件的改变，不只是增加几个智能功能。
更深层的变化在于：
过去，用户学习软件、操作软件。
未来，用户更多的是描述目标，由 AI 理解目标、调用系统、分析数据并完成任务。
对于项目管理而言，这意味着未来的项目经理可以直接告诉 AI：
“帮我分析一下哪些项目需要重点关注。”
“根据当前执行情况，重新优化这个项目的计划。”
“分析今年所有项目的成本偏差原因。”
“把这个项目的合同、周报、会议纪要和执行数据综合起来，判断最大的风险是什么。”
“帮我生成本周项目管理例会的汇报材料。”
“创建一个新项目，并按照我们的标准模板完成初始化。”
而这些，正是 XPM+ AI 正在逐步实现的方向。
XPM+ AI：让项目管理更智能，让项目交付更确定
聚米科技将持续推动 AI 与项目管理业务深度融合。
通过：
业务过程 AI + 数据洞察 AI + AI Agent
结合：
项目管理系统 + 企业知识库 + 大模型 + MCP + RAG
逐步构建企业项目管理领域的新一代智能化平台。
AI 的价值，最终并不在于模型参数有多大，而在于它是否真正理解企业业务，是否能够真正利用企业数据，是否能够真正帮助企业完成工作。
这也是聚米科技 XPM+ AI 的核心目标：
数据驱动项目，AI 赋能管理。
让项目管理更智能，让项目交付更确定。
