专栏：大模型应用开发：从原理到生产篇号：41内容标签：大模型部署、vLLM、Ollama、llama.cpp、AI应用很多大模型项目，第一次真正变难，不是在写 Prompt 的时候。也不是在做 RAG 的时候。而是在模型终于能被调用之后。Demo 跑通了。接口也能返回。老板和业务方看了演示，觉得可以继续推进。然后问题来了：到底用 API，还是私有化部署？ 本地跑 Ollama 算不算生产方案？ vLLM、TensorRT-LLM、llama.cpp 到底差在哪里？ 一开始就买 GPU，是不是更安全？这些问题很容易把人带偏。因为它们看起来是在问工具，实际上是在问约束。大模型部署选型的第一原则是：不要先问哪个工具更先进，要先问当前业务被哪些约束限制住。这篇文章我们就把部署路线讲清楚。我不会把它写成工具排行榜。工具变化太快，排行榜很容易过期。更稳定的是判断顺序：先看数据边界，再看流量和延迟，再看成本曲线，最后再看团队有没有能力把这套东西长期运维下去。