你正在决定：是自建AI能力、购买现成方案，还是与专业伙伴合作。这是未来三年最影响你AI投资成本、速度与风险的一个决定，但大多数企业做这个决定时，掌握的证据比招聘一个中层职位还要少。
证据其实已经存在。这篇文章把数据摊在桌面，给你一个能够自信下判断的框架。
企业AI的「自建与采购」是什么意思？
自建指以内部力量开发AI能力：自己的工程师、自己的模型或管道、自己的基础设施。采购指购买现成的供应商产品，开箱即用。合作介乎两者之间：由外部专家在你的系统上定制及部署AI，成果的所有权仍在你手上。
十年前这主要是一道软件问题。在AI时代赌注更高，因为AI系统需要持续的训练数据、评估、监控与重训。谁建造它，谁就要养活它。
这个决定很少是全有或全无。多数企业按工作负载逐一判断：大路功能直接采购，只在流程真正独有之处自建，在讲求速度而内部能力未成熟时选择合作。
2026年这个决定变得迫切，是因为供应商市场已然成熟。三年前需要一整队数据科学家的能力，今天已是货架上的产品。对大多数中型机构而言，默认答案已经改变。
数据怎么说：自建与采购的成功率差多远？
数据出乎意料地一边倒。MIT NANDA计划的《The GenAI Divide: State of AI in Business 2025》报告发现，向专业供应商采购或与伙伴共建的AI工具，成功率约为67%；纯内部自建的成功率只有约三分之一。
同一份MIT研究基于150个管理层访谈、350名员工调查及300个公开AI部署的分析，发现约95%的企业生成式AI试点项目未能带来可量度的损益影响。成功的5%倾向采购或合作、聚焦后台流程，并深度整合而非四处实验。
宏观数据印证了做错这个决定有多昂贵。麦肯锡2025年11月发表的全球AI调查显示，88%的机构已在某处使用AI，但只有39%见到盈利影响。Gartner另外预测，超过四成的Agentic AI项目将于2027年底前因成本上升与价值不清而遭取消。
对香港管理层的策略启示是：最大的失败模式不是选错供应商，而是高估了自己机构持续建造和维护AI系统的能力。
什么情况下值得自建？
三个条件同时成立才自建：流程真正独有、该能力是持久的竞争优势、而且你已拥有足以长期维护系统的工程人才。如果你要自动化的流程跟同业大同小异，自建只会买到成本，买不到优势。
检验标准是「差异化」，不是「热情」。一家地区银行沉淀数十年的信贷审批逻辑，可能值得自建，因为没有任何供应商产品内置这套逻辑；但同一家银行的会议转录或文件摘要则不然，那些是大路商品。
诚实的能力盘点比雄心更重要。一套内部AI系统需要数据工程、评估基建、安全审查与重训循环。在香港紧缺的AI人才市场，把这样一支团队长期留住，本身就是需要计价的风险。
一个实用的过滤器：如果这套系统停摆一星期也不会出现在董事会文件上，它大概不够战略性，不值得自建。
什么情况下应该采购或合作？
当速度决定价值、用例在行业内属于通用、或内部AI能力仍在成形时，应该采购或合作。MIT 2025年的数据显示，外部方案的成功率约为内部自建的两倍，因此对大多数不构成差异化的工作负载，采购是有证据支持的默认选项。
采购赢在时间。供应商产品数星期内上线，附带支持、安全更新，以及一条由别人出资的产品路线图。代价是配置弹性有限、按人头收费随编制膨胀，以及对供应商方向的依赖。
合作赢在「定制而不养人」。专业伙伴把AI整合到你现有系统、向你的团队转移知识，最终流程仍属于你。对系统老旧、需要中英双语的香港中型企业，这往往是回报最高的路径。
无论走哪条路，评估权必须留在自己手上。把建造外包是明智，把「它到底行不行」的判断也外包就不是。
如何比较三条路的真实成本？
比较三年生命周期成本，不是上线成本。自建承担薪酬、基建，以及实务分析普遍估算占系统总成本一半以上的长期维护；采购承担随用户数放大的授权费；合作承担项目费加支持安排。上线最便宜的选项，生命周期往往最贵。
计算自建时要诚实地为团队定价：数据工程师、机器学习工程师、安全审查、云端算力，还有这些人手本可交付其他项目的机会成本，再加上香港AI人才市场的流失风险溢价。
计算采购时，要以全面采用的规模建模，而非试点人数。20人试用时价格温和的工具，铺开到500名员工后可以变成七位数的年度开支。
Gartner预测，直至2026年，大多数缺乏「AI就绪数据」的项目将被放弃。这一条适用于所有路径：无论自建、采购还是合作，先为数据整备编列预算。这是唯一无法外包掉的成本。
为什么大多数企业最终走向混合模式？
因为用例组合从来不是均质的。真实企业同时运行数十个AI用例，各有不同的差异化程度、风险与流量，理性答案自然是组合式：商品层直接采购、整合密集的流程找伙伴、只为定义竞争地位的少数流程保留自建。
香港中型企业的典型形态是：会议纪要、文件起草、编程辅助等用采购产品；由伙伴交付一套连接公司文件与客户系统的AI部署；到内部数据证明是护城河时，才启动一个范围收窄的自建项目。
混合模式也降低了次序风险。先采购能积累使用数据与内部认知，令日后任何自建项目的规格更精准。先自建的机构，常常以高昂代价发现自己建错了东西。
治理上的必要条件是为整个AI组合指定单一负责人。当每个部门各自决定自建或采购，企业积累的是重叠的工具、无人管理的风险，以及零议价能力。
领导者最常犯什么错误？
反复出现的错误有四个：把自建当成面子工程、用演示而非生产证据做评估、低估整合成本、跳过退出计划。每一个都能在决策时避免，事后补救则代价高昂。
面子陷阱源于文化。工程主导的机构把自建等同于认真，但MIT 2025年的研究显示，内部自建的失败率约为外部方案的两倍。战略问题从来不是「我们能不能建」，而是「这家机构稀缺的变革能量应否花在这里」。
用演示做评估，奖励的是包装而非匹配。坚持以你自己的数据、你自己的边缘案例做付费试点，并在开始前以书面协定成功指标。
整合是预算悄悄死去的地方。模型只占工作量的少数，把它接驳到你的ERP、CRM与审批流程才是大头。同时永远谈妥退出条款：数据导出格式、过渡支持，以及关系结束时你的微调资产归属。
香港企业在2026年应该怎样决定？
让每个用例过四道问题：它是否构成差异化？我们有没有人才长期维护？三条路的三年生命周期成本各是多少？评估由谁负责？除非答案明确支持自建，否则默认采购或合作。数据说明，这个默认能把成功率翻倍。
香港的条件进一步强化合作路线：需要小心整合的旧有系统、通用产品处理欠佳的繁体中文与英文双语流程、要求本地合规意识的《个人资料（私隐）条例》，以及令自养团队本身成为风险的AI人才市场。
时机与方向同样重要。供应商能力每季复利增长，推迟一年的决定，往往意味着用自建时代的价钱，购买一件已经变成产品的东西。任何超过十二个月的自建决定都应重新检视。
无论选哪条路，都要仪表化。部署前定义KPI基线，九十日后量度，并保留逆转的勇气。自建或采购是一个假设，不是一种身份。
总结
自建还是采购，是你AI计划中杠杆最高的决定。证据支持一个有纪律的默认：商品直接买、讲匹配就合作、只在自家数据与流程构成护城河时才自建。为每个用例评分、计算完整生命周期成本、把评估权留在内部。
跟随这套纪律的企业，才能加入把AI开支转化为盈利的少数。懂AI，更懂你，UD相伴，AI不冷。
了解了框架，下一步是为你的机构做一次诚实的准备度评估。UD团队手把手带你完成每一步：从AI准备度评估、方案选型，到部署上线与成效追踪，28年企业服务经验，全程陪你走。
