air-gappedon-premiseenterprise-aicompliancesecurity
气隙机器学习：如何在无互联网访问的情况下构建 AI 数据流水线
在气隙环境中构建 AI 数据准备和训练流水线的实用指南——从文档摄取到模型导出——任何阶段都无需互联网连接。
Edward Xi Yang
"气隙"是一个在企业 AI 讨论中被宽泛使用的术语。在真正的气隙环境中——机密政府系统、关键基础设施网络、高安全性金融系统——完全没有互联网连接。不是受限。不是受监控。完全没有。
三种模式：气隙、本地和自托管
| 模式 | 基础设施 | 运行时互联网 | 数据留在组织内 |
|---|---|---|---|
| SaaS / 云 | 供应商的云 | 是 | 否 |
| 自托管 | 你的服务器 | 可选 | 是（有控制） |
| 本地 | 你拥有的硬件 | 可选 | 是 |
| 气隙 | 你拥有的硬件，物理隔离 | 否 | 是 |
谁实际需要气隙操作
国防和情报、关键基础设施、金融机构、法律和监管诉讼、严格数据治理的医疗保健、网络安全运营。
完整流水线：每个阶段在无连接情况下需要什么
阶段 1：文档摄取
失败的：云 OCR API。有效的：嵌入式 OCR 引擎（Tesseract、EasyOCR、PaddleOCR）。
阶段 2：清洗和去标识化
失败的：云 NLP API。有效的：spaCy 本地 NER 模型、基于规则的模式匹配。
阶段 3：标注
失败的：Label Studio Cloud、Scale AI、Labelbox。有效的：无外部依赖的可安装标注工具。
阶段 4：合成数据增强
失败的：任何调用外 部 LLM API 的工作流。有效的：Ollama 或 llama.cpp 本地托管 LLM。
阶段 5：导出
失败的：同步到云存储的导出流水线。有效的：本地文件导出。
气隙环境中失败的工具
| 工具 | 失败原因 |
|---|---|
| Unstructured.io 云 API | 仅云端文档解析 |
| Label Studio Cloud | SaaS 平台 |
| Scale AI / Labelbox | 云标注平台 |
| Hugging Face Inference API | 云推理端点 |
Ertas Data Suite 在气隙环境中的工作方式
Ertas Data Suite 从一开始就为气隙操作设计。作为原生桌面应用安装——安装期间无需 Docker、无需包管理器互联网访问。所有 OCR、NER 和处理模型都已打包。整个流水线——摄取、清洗、标注、增强、导出——在任何阶段都无互联网连接的情况下运行。
延伸阅读
Turn unstructured data into AI-ready datasets — without it leaving the building.
On-premise data preparation with full audit trail. No data egress. No fragmented toolchains. EU AI Act Article 30 compliance built in.