AI 落地：买现成方案还是自己研发

决定把 AI 接进业务的那一刻，几乎每个团队都会卡在同一个问题面前：买现成方案，还是自己研发。这个问题没有标准答案，只有一套可以逐项核对的判断框架。把它拆成需求特殊性、技术能力、长期成本三个维度来过一遍，大部分模糊的犹豫会变成清楚的选择。本文只给判断框架，不给任何具体产品的价格与参数，那些数字变化太快，以官方最新信息为准。

先把需求拆成两层

选型之前先做一件更基础的事：把需求拆成通用层和业务层。文档问答、意图识别、敏感内容拦截这类能力，市面上已有大量成熟方案，属于通用层；你们独有的业务流程、数据结构、行业话术，属于业务层。通用层占比高的项目，采购更容易贴上；业务层占比高、又恰好构成竞争优势的项目，才值得投入研发。

很多争论的根源是没做这一步：有人说这需求太特殊，有人说市面上都有现成的，其实两人说的是同一套系统的不同层。先分层再讨论，分歧会小很多，方案也能分层决策——通用层买，业务层留给自己。

三个维度的判断框架

使用方式：每个维度各站一边，两票以上倾向同一边就按那边走；分歧严重时优先看长期成本，它是三个维度里最难逆转的。这套框架也有失效的时候：需求本身还在剧烈变化的项目，两个方向都别投入太重，先用最小成本验证需求成立与否，再回头做选型。

采购路线省了什么，又欠了什么

买现成方案省掉的是研发周期和团队搭建，上线以周计而不是以季度计；试错成本低，发现不合适可以换。但欠的账在后面：贴合业务的程度有限，数据和流程要往对方的设计上靠；长期费用随用量增长，用量上来之后未必比自研便宜；供应商一旦停止服务或涨价，迁移成本很高。

采购前值得问清三件事：数据存在哪里、能不能完整导出、接口是否开放。这三问决定你以后有没有退路，签约前就把答案写进合同条款。

自研路线的能力清单

自己研发意味着通用层的工程问题都要自己接住：超时了怎么兜底（参考超时的兜底动作有哪些）、网关的鉴权怎么过（见网关的鉴权是怎么过的）、告警的分级怎么定（见告警的分级是怎么定的）、敏感词拦截放在哪个环节（见敏感词拦截在哪个环节）。每一项单看都不难，叠在一起就是一套需要持续维护的工程体系。算法和工程能力缺一头的团队，自研的周期和返工都会明显拉长。

自研换来的东西同样清楚：核心能力在自己手里，流程和数据按自己的方式设计，用量大了以后边际成本更低。代价是效果要自己验证、问题要自己兜底，没有供应商替你分担，团队要有这个心理准备再动手。

中间路线：买底座，自己改

还有一条常被忽略的路线：通用能力用成熟方案承担，只在贴合业务的那一层做定制。文档解析、模型调用、账号体系用现成服务，业务规则、数据结构、界面流程自己做。它比纯自研省事，比纯采购贴业务，是很多团队实际走通的路径。走这条路的前提仍是采购前问清数据归属和接口开放程度——定制做得越深，被锁定的风险越大，退出成本也越高。

买现成还是自研：速查

• 通用层需求为主 → 买；业务层独特且是优势 → 自研
• 没有技术团队 → 先买；有团队且做过系统 → 自研可行
• 用量大且长期 → 自研可能更省；短期或不确定 → 买更灵活
• 采购前必问：数据在哪、能否导出、接口开放
• 拿不准 → 买底座加定制，业务层留给自己

三个补充问答

分阶段推进怎么安排？先用现成方案把业务流程跑通，积累真实的用量与效果记录，再拿这些记录评估哪些环节值得替换成自研。顺序反过来，自研的目标往往定不准。

自研最少需要哪些角色？算法、工程、产品三类角色缺一不可。只有算法没有工程的团队，做出来的东西常常停在演示阶段，接不进真实业务流程。

供应商锁定深浅怎么看？看定制落在哪一层。改界面和流程的定制退出风险低；改数据结构和模型调用层的定制，退出成本高，签约前要把数据导出条款谈进协议。