AI项目翻车，有一半原因出在供应商选错：要么卖了你用不上的大模型，要么交付完就消失，要么数据导不出来只能续费绑定。AI落地绕不开供应商这道关，而绝大多数企业采购时只比"模型效果"和"首年报价"，忽略了对自己最要命的数据权属、续费和运维。下面把评估维度拆成五类，再把合同里必须写死的四条列出来，让采购从"听谁讲得炫"变成"看条款谁站得住"。

能力匹配：先问它懂不懂你的行业

选供应商第一看行业know-how，而不是参数量。一个在零售选品上打磨过三年的团队，比通用大模型厂商更能听懂你的"坪效""动销率"。评估方法是要求对方拿出同行业的两个以上真实案例，最好能电话背调，问清"上线后真实使用率多少、关键指标变了多少"。要警惕只拿demo和PPT来谈的，demo是精挑细选跑通的，生产环境的数据脏得多。行业理解不到位，后面所有的模型效果都要打折扣，这是采购阶段最容易低估、事后最贵的偏差。

数据权属：合同里必须写明"我的数据归我"

这是最容易被忽略、事后最要命的一条。合同里必须明确：企业数据归企业所有、供应商不得用于训练其通用模型、项目结束后数据可完整导出且格式可用、训练出的模型权重或提示词资产的归属。很多SaaS条款里藏着"为提供服务之目的可使用贵方数据优化模型"，等于把你的数据喂给了别人。评估时让法务逐字看数据条款，别信销售口头承诺"我们不会用"。数据权属写不清，等于把公司核心资产的控制权交了出去，后续想换供应商都要不回来。

交付与验收：把"效果"写成可测的条款

模糊的"提供AI能力"无法验收，必须写成可测的交付物：首个试点的目标指标和基线值、各阶段交付物清单与时间点、验收标准和测量方法、未达标的处理（整改或退款比例）。建议把付款和里程碑绑定，而不是签约付大头。一个实用做法是留百分之二十到三十尾款在验收通过后付，逼对方把效果做出来而不是只把系统跑起来。验收标准要双方签字确认，避免结项时各说各话。把"效果"从形容词变成带基线的数字，是采购保护自己的核心动作。

持续运维：问清"上线后谁管"

模型上线不是结束，是运维的开始。评估时要问清四件事：日常谁调提示词和规则、效果下降谁负责优化、故障响应时间和赔付、版本升级是否额外收费。很多供应商交付完团队就撤了，企业自己没人管，三个月使用率掉到两成。成熟的做法是要求对方提供运维SLA和一名固定对接人，并把"模型效果月度复检"写进合同附件。对中小企业尤其重要：你没专职算法团队，供应商的运维承诺就是你项目活下来的保障，这条不写死，预算基本打水漂。

切换成本：算清三年总持有成本

比价格要看三年总持有成本，不是首年报价。SaaS首年常有优惠，第二年续费涨幅才是关键，合同里要锁死续费涨幅上限和提前解约条款。私有化要算硬件、机房、运维、电费、升级的三年总和，往往是硬件报价的一倍以上。还要问清"不用了怎么撤"——数据导出的格式和费用、模型能否迁移、过渡期多长。供应商最喜欢用首年低价掩盖长期绑定，采购谈判里最该提前锁死的就是续费条款和解约权，否则三年后你要么接受涨价要么从头再来。

一份可执行的评估清单

建议采购前做一张评分表，五类维度各设权重：行业案例匹配（25%）、数据权属与可导出（25%）、交付验收可测（20%）、运维SLA（15%）、三年总持有成本（15%）。每家供应商按表打分，低于及格线的直接淘汰，不进二轮。会前把对方合同条款先让法务过一遍，会上只谈技术和商务。两小时定调，比拖一个月反复比价高效得多。AI落地里，选错供应商的代价是重做一遍——前期多花一周评估，能省掉后面半年的返工和扯皮。

AI落地的供应商选择不能只看模型效果和首年价，要看行业匹配、数据权属、可测验收、运维承诺、三年总成本这五件事。把数据归属、尾款留验收后、续费涨幅和解约权写进合同，采购就从"听故事"变成"看条款"。供应商这道关把住了，AI落地才有不被中途腰斩的底气。