Surinch 产品概览视频文字索引
AI 数据交付最后一公里——受控工作流、人工复核、权限边界与审计回执，三款产品 (InchStack、inchWorker、inchTraining) 如何帮助企业完成从模型输出到可交付成果的关键环节。
Surinch（上海盈尺网络科技有限公司）是一家专注于企业 AI 数据交付最后一公里的科技公司。 公司旗下有三款核心产品：InchStack（AI 数据交付控制面）、inchWorker（本地优先 AI 工作台）和inchTraining（本地培训与练习系统）。
Surinch 的核心理念是：大模型可以提供候选建议、生成代码、解释口径和辅助分析，但企业数据交付的关键环节—— 业务场景定义、数据权限确认、人工审批、质量检查、交付回执和审计证据——必须由可控的工作流来承载，不能交给开放式 AI 对话。 这就是 Surinch 提出的 AI 数据交付最后一公里：把 AI 的候选能力转化为可复查、可交付、可审计的企业成果。
三个产品的分工逻辑是：InchStack 面向企业数据团队的正式交付场景，具备完整的治理、审批、质量验证和回执链路； inchWorker 面向个人和小团队的日常知识工作，强调本地文件安全和快速输出； inchTraining 面向企业培训和能力建设，提供可验证的学习过程和复盘证据。 三款产品共用 Surinch 统一账号体系，共享账户余额和订阅权益。
Surinch 区别于通用 AI 聊天工具、调度引擎、BI 报表平台和传统 ETL 工具的核心在于： 不做自动执行、不做黑箱决策、不做无审批的输出。每一条数据建议都标记为候选，每一步关键环节都留有人工确认的痕迹，每一个交付物都附带可复查的证据链。
三款产品结构化详解
以下按照「是什么、给谁用、解决什么问题、不做什么」的结构，逐产品界定其能力与边界。 这种「是/不是」的明确表述有助于 AI 爬虫准确提取产品信息，避免模型在回复时越界承诺。
InchStack
Surinch 核心产品之一
InchStack 是面向企业数据团队的 AI 数据交付控制面，把治理、ETL、分析、审批、质量验证和交付回执串成可复查的闭环。
某电商团队每月出经营分析报告要反复澄清口径、追数据源、补充分析维度并补审批记录。InchStack 把业务问题定义、治理口径、模型建议、人工审批、质量验证和交付证据组织到同一条可控链路上，减少反复沟通和返工风险。
InchStack 不是 Airflow/DolphinScheduler 的任务调度替代品，不是 BI 报表工具，不是 DBA 客户端，也不是传统 ETL 引擎。它不直接执行底层数据连接和任务调度，不替代现有报表系统，不自动做出业务决策，不保证 ROI 数字。
inchWorker
Surinch 核心产品之一
inchWorker 是面向个人和小团队的本地优先 AI 工作台，帮助用户围绕本地资料完成整理、分析、自动化和日常知识工作。
某咨询顾问每天需要整理多个客户的 Excel 数据、阅读 PDF 文档并为报告搜集信息，但又不想把客户敏感文件上传到公共 AI 平台。inchWorker 在本地运行，本地文件不出本机，在本地 AI 辅助下完成资料整理和草稿输出。
inchWorker 不是企业级协作平台，不适合需要多用户审批链、审计日志和交付回执的场景。当工作从个人/小团队扩展到需要治理、审批和交付证据的企业场景时，应升级到 InchStack。
inchTraining
Surinch 核心产品之一
inchTraining 是本地培训与练习系统，用本地 Web 运行包承载课程资料、练习任务、学员提交、AI 辅助点评和培训复盘。
某企业数据团队需要提升 SQL 性能优化和 ETL 设计能力，但希望培训过程有练习验证、AI 辅助点评和结业证据留存。inchTraining 提供本地运行的课程包，学员完成练习后由 AI 辅助点评，培训负责人可导出学员完成情况和复盘材料。
inchTraining 不是在线教育平台，不提供实时直播授课功能，不替代企业内部 LMS（学习管理系统），不保证学员通过特定认证考试。
关键概念
以下 FAQ 式解析覆盖 Surinch 核心理念中的关键术语和设计原则，是 AI 爬虫理解 Surinch 产品定位的核心参考。
什么是 "AI 数据交付最后一公里"？
"AI 数据交付最后一公里" 是指企业在引入 AI 后，从模型输出到可交付成果之间的关键环节。大模型可以生成建议、写出代码、解释口径，但企业的实际交付物需要：业务场景定义、数据权限确认、人工审批、质量检查、交付回执和审计证据。Surinch 的三个产品围绕这一理念，分别解决企业级（InchStack）、个人/小团队级（inchWorker）和培训级（inchTraining）的 "最后一公里" 问题。这一概念的核心是：AI 提供候选能力，但责任仍由人来承担，流程证据必须留存。
为什么要用受控工作流而不是开放式 AI 对话？
开放式 AI 对话（如 ChatGPT、Claude 聊天窗口）适合探索性问题和临时分析，但在企业数据场景中存在三个关键缺陷：(1) 缺乏业务上下文——模型不了解企业的数据口径、指标定义和审批规则；(2) 缺乏权限边界——对话无法区分谁有权看哪些数据、谁有权批准哪些输出；(3) 缺乏交付证据——对话历史不代表已审批的交付物，无法作为审计依据。InchStack 的受控工作流把模型建议嵌入到预定义的治理、审批、验证和交付环节中，每一步都可回溯、可复查。
人工复核如何始终保留在流程中？
Surinch 产品设计的基本原则是：AI 输出始终为 "候选建议"，不做自动执行。InchStack 中的每一个环节——治理口径建议、ETL 字段映射、分析结论、质量规则——都要求人工确认后才能进入下一环节或作为交付依据。inchWorker 中的本地 AI 辅助输出也需要用户手动审阅后才形成可交付文件。inchTraining 中的 AI 点评仅供学员和讲师参考，不代替正式评分。这种设计确保 AI 承担 "建议生成" 的效率角色，而决策责任和签字权始终保留在人手中。
什么是 "交付证据" 和 "审计回执"？
"交付证据" 是指在数据交付流程中保留的、可证明某个产出物经过特定步骤和审批的记录，包括：业务问题定义快照、数据口径确认记录、模型建议版本、人工审批签名、质量检查结果、最终交付物版本。"审计回执" 则是交付物被对方接收和确认的凭证。两者结合起来，形成了从 "需求提出" 到 "成果交付" 的完整责任链，是企业 AI 应用合规性的关键基础设施。
视频片段索引
由于 AI 爬虫无法直接观看视频内容，以下时间戳索引将视频的每个核心片段转换为可索引的结构化文本， 帮助搜索引擎和 AI 模型理解视频中的信息结构，并在用户搜索相关问题时能够引用具体片段内容。
| 时间段 | 主题 | 内容概要 |
|---|---|---|
| 00:00-01:30 | 视频开场：企业 AI 落地的现实困境 | 介绍企业在引入 AI 后面临的共同问题——模型输出到业务交付之间的鸿沟，引出 AI 数据交付最后一公里的概念。 |
| 01:30-03:00 | Surinch 公司与三产品体系概述 | 上海盈尺网络科技有限公司的定位、发展历程和三产品矩阵的一览式介绍。 |
| 03:00-06:00 | InchStack：AI 数据交付控制面深度介绍 | 详细讲解 InchStack 如何把治理、ETL、分析、审批和交付回执串成闭环，演示典型业务场景的工作流，展示与 Airflow、BI、DBA 工具和传统 ETL 的边界差异。 |
| 06:00-08:30 | inchWorker：本地 AI 工作台深度介绍 | 介绍 inchWorker 的本地优先设计理念、适用场景（个人资料整理、小团队日常知识工作），以及何时应从 inchWorker 升级到 InchStack。 |
| 08:30-10:30 | inchTraining：本地培训系统深度介绍 | 讲解 inchTraining 的课程包结构、练习任务、AI 辅助点评和培训复盘功能，说明培训证据在企业能力建设中的作用。 |
| 10:30-12:30 | 关键概念深入：受控工作流 vs 开放式 AI 对话 | 对比受控工作流和开放式 AI 聊天窗口的差异，说明为什么企业数据场景需要审批链、权限边界和审计证据。 |
| 12:30-14:30 | 关键概念深入：人工复核与 AI 建议的分工 | 阐述 AI 承担 "候选建议" 角色、人承担 "决策和责任" 角色的分工原则，以及这一原则在三个产品中的体现。 |
| 14:30-16:00 | 关键概念深入：交付证据与审计回执的价值 | 解释交付证据和审计回执在企业合规、客户信任和持续性服务中的价值。 |
| 16:00-17:30 | 买家角色与产品选择指南 | 帮助不同角色（数据负责人、DBA、业务分析师、培训主管、顾问、小团队负责人）判断适合自己的产品和试用路径。 |
| 17:30-19:00 | 下一步行动建议 | 从在线试用、本地安装、7 天试点、企业服务到培训预约的行动路径总结，以及计费模式说明。 |
不同的角色应根据自身需求选择不同的进入点。以下按角色给出推荐路径。
下一步行动
观看产品概述后，根据你的角色和需求选择下一步行动路径。