AI系统的自研与采购问题很容易被错误回答。
一方认为：“只需采购工具。供应商已解决这些问题。“另一方认为：“我们需要定制AI。我们的工作流具有独特性。“双方都可能正确，但若草率应用都可能产生高昂成本。
真正的决策通常不是自研与采购的二选一，而是：
- 采购工具。
- 配置工具。
- 通过工作流自动化扩展工具。
- 围绕模型API构建定制系统。
- 仅在理由充分时选择自托管或微调。
本文提供一个实用框架。
大多数AI价值不在于模型调用，而在于数据访问、工作流适配、验证、权限、集成、监控和人工审核。围绕整个系统进行自研与采购决策。
从能力类型开始
| 能力 | 默认决策 | 原因 |
|---|---|---|
| 通用写作、会议、研究、编码辅助 | 采购 | 通用能力，供应商迭代迅速 |
| 常见商业工作流 | 采购/配置 | CRM、客服、营销工具已内置AI |
| 工作流特定自动化 | 扩展 | n8n/Make/Zapier通常足够 |
| 企业知识助手 | 配置或自研 | 取决于权限和数据源 |
| 面向客户的代理 | 谨慎自研/扩展 | 品牌、安全、集成、日志至关重要 |
| 受监管的决策支持 | 带治理自研或避免 | 监督和证据至关重要 |
| 核心产品差异化 | 自研 | 供应商功能同质化可能削弱优势 |
若能力为通用型，采购通常是正确选择。若工作流是竞争优势，采购可能仅能实现部分目标。
四大决策维度
1. 工作流适配
供应商工具能否匹配实际流程？
需确认：
- 是否能访问权威记录系统（system of record）？
- 是否能执行我们的审批规则？
- 是否能处理异常情况？
- 是否能保留审计日志？
- 是否能支持我们的语言和客户预期？
- 用户是否能在现有工作环境中操作？
如果团队每天都必须绕开工具的限制来工作，仅看采购价格就会产生误导。
2. 数据控制
哪些数据进入系统，数据流向何处？
当数据为公开数据、内部数据，或已获组织批准可由该供应商处理时，采购方案更容易落地。当数据为机密信息、受监管信息、客户特定信息，或受严格的数据驻留与保留要求约束时，则更可能需要自研或私有化部署。
不要为了制造“重视隐私”的表象而自研。只有信息管理规则确实要求时，才选择自研或私有化部署。
3. 集成深度
AI系统通过连接真实工具（CRM、邮件、日历、工单、ERP、文档存储、数据库、支付系统、身份验证和日志）变得有价值。
浅层集成倾向采购。深度、定制、状态化集成倾向自研或扩展。
示例：
- “总结工单” -> 采购/配置。
- “分类工单、检查合同SLA、检查产品遥测数据、起草回复、按客户层级路由并记录所有决策” -> 扩展/自研。
4. 战略差异化
若所有竞争对手都能采购相同能力并在一周内配置，这可能不是持久优势。但这并不意味着无价值。这意味着不应过度投入。
当系统需要沉淀组织独有的流程、数据、分发能力、领域知识或客户体验，而通用供应商无法提供时，才应选择自研。
总拥有成本
比较全成本，而非许可证与开发时间。
| 成本领域 | 采购 | 自研 |
|---|---|---|
| 许可证/API | 成本可预测，但可能随席位数或使用量增加 | API/推理/基础设施 |
| 实施 | 较低，但配置可能复杂 | 较高 |
| 维护 | 供应商处理平台 | 您的团队负责 |
| 安全审查 | 供应商尽职调查 | 架构和代码审查 |
| 集成 | 受供应商限制 | 灵活但成本高 |
| 变更控制 | 供应商路线图风险 | 内部路线图负担 |
| 支持 | 供应商支持 | 内部支持 |
| 退出成本 | 数据/导出限制 | 技术债务和所有权 |
采购在规模扩大时可能昂贵。自研可能永远昂贵。
评分表
对每个维度进行1-5分评分：
| 维度 | 低分时倾向采购 | 高分时倾向自研 |
|---|---|---|
| 工作流专用程度 | 通用工作流 | 独特工作流 |
| 数据敏感度 | 公开/内部 | 机密/受限 |
| 集成深度 | 标准集成 | 多系统定制工作流 |
| 差异化 | 通用能力 | 战略优势 |
| 变更率 | 供应商路线图可接受 | 需要快速内部迭代 |
| 运营能力 | 工程能力有限或无专职工程团队 | 团队可持续运营生产系统 |
本文链接的配套评分表提供可复用模板。
实用决策树
- 是否有供应商工具能安全解决80%的工作流？ 采购或配置。
- 缺失的20%是否影响运营？ 先用自动化扩展，再考虑定制开发。
- 工作流是否需要私有数据、定制权限或深度集成？ 围绕模型API构建轻量定制层。
- 模型行为本身是否需要定制？ 在尝试提示、RAG和评估后考虑微调。
- 部署是否需要私有控制？ 在测量质量、成本和运营后考虑VPC或自托管。
从决策树顶部开始。不要仅因演示看起来具有战略意义，就直接投入定制基础设施。
采购为正确选择的场景
适合采购的情况包括：
- 工作流常见。
- 供应商已集成到您的技术栈。
- 数据敏感度可控。
- 成本符合使用情况。
- 需要尽快见效。
- 能力非差异化因素。
- 无能力运营自研系统。
示例：会议摘要、写作助手、基础客服回复模板、代码补全、销售邮件草稿，以及在已批准文档中的内部搜索。
自研为正确选择的场景
适合自研的情况包括：
- 工作流是业务核心。
- 供应商工具无法执行必要控制。
- 需要与内部系统深度集成。
- 数据无法进入通用SaaS。
- 需要详细可观测性和评估。
- 用户体验是产品的一部分。
- 团队有能力长期维护该系统。
示例：面向客户的AI产品、受监管的文档工作流、具备权限控制的企业RAG、行业专用智能体、私有数据提取流水线。
现阶段不应做的事
在验证一个具体工作流之前，不要构建平台。
未经数据处理审查，不要采购工具。
未测试真实边界情况之前，不要批准供应商的AI功能。
在尝试提示工程、RAG和评估之前，不要进行微调。
不要只因自托管听起来更私密就选择它。先证明隐私要求和运营能力确实存在。
总结
正确的AI自研与采购决策往往朴素而具体。
采购通用能力，先配置再自研，先扩展再重建。只有当工作流适配、信息控制、集成深度或战略差异化足以证明系统所有权的价值时，才选择自研。衡量总拥有成本，而不只是供应商报价。请记住：难点通常不在模型本身，而在围绕模型构建的完整系统。
