敏感资料留在校内处理
校本课程、制度文件和内部资料可在本地模型中运行,不必为了使用 AI 改变原有的数据边界。
一套设备,连接本地算力、云端模型和教育智能体。敏感数据留在校内,需要更强能力时再按授权调用云端,让老师用得上,也让学校管得住。

单独采购模型、知识库或应用,往往会留下入口分散、权限难管和数据边界不清的问题。增乘AI把三层能力放进同一套交付方案里。
校本课程、制度文件和内部资料可在本地模型中运行,不必为了使用 AI 改变原有的数据边界。
日常任务优先使用本地模型;复杂推理按授权调用云端模型,入口、额度和使用记录统一管理。
围绕备课、资料整理、知识问答和协作场景预置能力,让教师从真实任务开始,而不是从学习提示词开始。
备课、问答、资料整理、材料生成与工具协作
本地与云端模型统一入口、路由、额度和使用记录
增乘AI OS、本地模型、私有知识库与安全运行环境
不用先成为算力专家。我们根据本地模型、并发人数和未来扩展需求,帮助学校选择合适的配置。
适合校级、部门级的本地模型、校本知识库和日常教育智能体应用。
适合更大显存需求、更多并发,以及多部门或多校区的持续使用。
官网不替学校设想结果。我们从真实岗位和现有资料出发,先做出一个能被验证的场景。
把校本课程、教案、题库和活动材料放进学校自己的知识库,教师可以直接从备课、资源改写和资料查找开始使用。
把这份校本课程资料整理成一节 45 分钟的活动课。
已按课程目标、活动步骤和评价方式形成初稿,并标出引用的 8 份校本资料,方便继续修改。
统一模型网关根据任务、数据类型和权限策略选择模型。学校可以控制哪些任务只在本地运行,哪些任务允许调用云端,以及可用的模型和额度。
校本资料、内部制度和敏感任务可限定在本地模型中处理。
复杂推理任务经授权调用云端模型,不用让所有任务采用同一种模型。
按人员、场景和资料范围配置访问权限,减少“谁都能问、什么都能看”。
统一记录模型选择、Token 使用和操作情况,为日常运营提供依据。
先解决一个明确问题,跑通真实使用,再扩展到更多教师、部门或校区。
从备课、校务问答或材料整理中选一个高频任务,明确试点范围和验收方式。
安装 K 系列微型智算中心,按学校现有网络、账号和安全要求配置运行环境。
整理首批校本资料,设置使用权限,把工作流程配置成教师可直接使用的智能体。
让真实用户完成真实任务,根据反馈调整回答、权限和模型选择,再逐步扩大使用范围。
提供系统维护、模型适配、知识更新和智能体优化,让平台随着学校需求继续生长。
不需要。涉及校内敏感资料的任务可以只使用本地模型;是否调用云端模型由学校的权限和路由策略决定。
有些复杂任务需要更强的模型能力。统一模型网关可以在授权范围内调用云端模型,同时管理模型入口、Token 套餐和使用记录。
可以。我们会先整理资料范围、更新责任和访问权限,再建设校本知识库,回答可保留资料来源,方便核对。
K100 适合通用的校级或部门级部署;K200 面向更大显存需求、更多并发和规模化使用。最终以实际模型与场景评估为准。
增乘数算科技(广州)有限公司面向教育与政企客户,提供微型智算中心、统一模型网关、智能体产品及部署服务。
可以是一项备课任务、一批校本资料,也可以是一套正在规划的校级 AI 平台。我们会根据场景给出设备、模型和智能体的组合建议。