这张卡讲交付链路的最后一跳：从验收通过到生产上线之间还差什么。
核心拆解：试点环境与生产环境的差距常被低估：容量与并发、权限与审批流、监控告警、回滚预案、运维值班与升级路径，缺一项都是隐患。AI 系统还要加两项：模型资源的显存与算力规划、效果监控——生产数据的分布会漂移。最常见的误判是把生产部署当最后一次技术动作，忽视客户组织侧的就绪：谁值班、谁审批、谁对效果负责，三个问题在上线前必须有名字。
增量判断：国内私有化部署放大了难度：客户内网环境复杂、变更窗口受限、运维由客户方承担，部署方案要按客户运维能力倒推设计，而不是按最佳实践设计，这个倒推习惯值回所有准备时间。
行动建议：为你的下一个上线项目列一张生产就绪清单，逐项标出责任人是供应商还是客户，清单要双方共同评审，责任空白就先别上线。
—— FDEChina编辑部 · 实战派
定义
生产部署（Production Deployment）指系统进入客户真实业务环境、承载实际业务流量的过程，是交付链路从「验收通过」走向「业务可用」的最后一跳。
展开
验收通过不等于生产就绪，两者之间的差距清单常被低估：容量与并发规划、生产权限与审批流、监控告警、回滚预案、运维值班与升级路径。AI 系统还要多两项：模型推理的算力与显存规划，以及效果监控——生产数据的分布会随时间漂移，功能活着不等于效果活着。最常见的误判是把生产部署当成纯技术动作，忽视客户组织侧的就绪：上线后谁值班、变更谁审批、效果问题谁受理，这些没约定，系统上线第一天就开始积怨。Forward Deployed Engineer（FDE）应把生产就绪清单在试点阶段就拿出来对齐，而不是上线前一周补。
国内私有化部署进一步放大难度：客户内网环境复杂、变更窗口受限、日常运维多由客户方承担。务实的做法是按客户运维能力倒推部署方案——客户没有专职运维，方案就要向自动化与免维护方向倾斜，而不是照搬最佳实践。