自研 vs 采购 AI 能力——判断逻辑
自研 vs 采购 AI 能力——判断逻辑
适读人群：技术负责人、产品经理、AI工程师 | 阅读时长：约12分钟 | 核心价值：建立自研与采购的判断框架，避免走弯路浪费资源
半年前，我见过一个团队，他们要做一个简历筛选系统，能自动从简历 PDF 里抽取教育经历、工作经历、技能关键词，然后按岗位要求打分排序。
技术负责人召集我们开了个方案讨论会。上来就说：我们要自己训练一个简历理解模型，需要收集训练数据、做标注、跑微调实验……
我当时就想打断他。
市面上已经有好几款成熟的简历解析 SaaS 服务了，精准率 95% 以上，API 接入，按简历条数收费，一条几分钱。他们预期的月处理量是五千份简历，一个月成本不到两百块钱。
他们愣是自研了，前前后后花了差不多五个月，效果比买来的还差，最后悄悄换成了商业服务。
这不是个例。我见过太多类似的情况，反方向也一样——该自研的时候买了现成产品，然后在定制化需求上反复撞墙，最后还是得推倒重来。
这个决策为什么难做
自研 vs 采购，表面看是技术问题，其实是资源分配问题。
技术人有一种天然的「自研冲动」——觉得只有自己造的东西才能完全掌控，才有技术沉淀，买来的东西太黑盒、太受制于人。这种想法有道理，但放在具体决策里经常失真。
另一个方向也有问题：非技术背景的决策者倾向于「买买买」，觉得什么都能买来现成的，殊不知 AI 能力高度依赖业务数据和业务逻辑，很多东西根本买不到合适的。
所以这个决策需要一个框架，而不是凭感觉。
先说什么情况下应该买
场景一：通用能力，且市场已经有成熟方案
OCR、语音识别、人脸识别、简历解析、票据识别、情感分析——这类通用能力，大厂已经投入了几亿研发，你一个五人团队想用三个月赶上他们的效果，大概率是做不到的。
这类场景的判断标准是：能不能找到至少两三个成熟的商业服务，精准率能满足你的业务要求？如果能，直接买。
场景二：业务数据量不足以支撑自研
自研模型或微调模型是需要数据的。你有多少标注样本？几百条？那别想了，微调效果不会好。通常来说，要微调出有意义的效果，分类任务至少几千条高质量样本，复杂任务要更多。
如果你现在没有足够的业务数据，买现成的，一边跑业务一边积累数据，等数据量上来了再考虑自研。
场景三：非核心差异化能力
问自己一个问题：这个 AI 能力，是你们和竞争对手的核心差异点吗？
如果不是，自研就是在把时间和资源投在非差异化的地方。比如你在做一个电商平台，AI 辅助的客服回复不是你的核心差异，直接买现成的就行，把时间花在真正重要的产品功能上。
场景四：需要快速验证 MVP
你还在验证方向，不确定这个 AI 功能用户是否真的需要，先用商业服务快速搭一个原型跑数据，3 个月内能出结论。如果方向验证成功了，再根据数据决定要不要自研。
什么情况下应该自研
场景一：核心差异化能力
这是最重要的判断。如果一个 AI 能力是你产品的核心护城河，你不能把它建立在别人的服务上。
举个例子：你在做一个医疗影像辅助诊断产品，影像识别是你的核心能力，你怎么可能去买别人的 API？你必须自己积累医疗数据、自己训练模型。这是你的产品价值所在。
场景二：数据不能出域
前面说合规的时候提过这个。医疗数据、金融数据、政务数据，很多时候合同或监管要求数据不能发到第三方服务器。你没得选，只能自己搭。
这种情况下的「自研」不一定是从头训练模型，更多是把开源模型部署到自己的环境里，或者采购私有化部署方案。
场景三：现有商业方案无法满足需求的定制化程度
你认真评估过至少三个商业方案，都不满足你的核心需求，而且这个需求是业务真实需要的，不是你工程师臆想出来的。
这种情况我见过最典型的是：某个垂直行业（比如法律合同、工业设备手册）的文档理解，通用的文档理解 API 效果很差，因为行业术语、文档格式差异太大。这种情况就必须在行业数据上做微调。
场景四：成本规模到了临界点
商业服务按使用量收费，初期便宜，但量大了以后成本会高得离谱。
我见过一个公司做的内容审核，用某商业服务，日均调用 500 万次，一个月费用要七八十万。这个量级下，自研部署的 ROI 就非常清楚了——哪怕自己搭需要投入 100 万，半年就能回本。
一个失败案例：该买时偏要自研
回到开头那个简历解析的案例，深扒一下为什么会失败。
技术负责人的原始逻辑是：商业服务有几个字段不满足我们的需求（他们要抽取一些行业特定的技能分类），而且觉得「自研可以积累技术」。
问题出在哪里？
第一，他把「几个字段不满足需求」当成了「必须自研的理由」。实际上，商业服务提供标准字段，他们真正需要的行业特定字段完全可以用 LLM Prompt 在商业服务输出的基础上做二次处理。他们做的事情不需要从头训练模型。
第二，「积累技术」是个过于模糊的目标。具体到这个场景，积累什么技术？PDF 解析技术？信息抽取模型训练？这些技术对他们的核心业务有多大价值？没想清楚。
第三，没有算时间成本。五个月四个工程师，按人力成本算，花掉的资源远超商业服务的年费。
另一个失败案例：该自研时买了现成
另一个故事发生在一家做法律文书的公司。他们的核心产品是帮律师自动生成合同草稿，用户上传关键条款要求，AI 生成合同框架。
他们一开始接入了某家文档生成 SaaS，把这个功能快速上线了。
然后问题来了：他们的用户（律师）对合同条款的语言非常敏感，措辞要精准、要符合特定法院管辖区的用语习惯、要跟自家模板风格对齐。商业服务的通用模板根本满足不了这些要求，律师们每次都要大量修改，觉得产品没价值。
他们找到我的时候，已经在商业服务上砸了三个月，用户留存很差。
我的判断是：这里的文书生成质量是他们产品的核心价值，而且高度依赖他们积累的法律文书语料和客户的定制需求，这个能力从一开始就应该自建——用 LLM API + 他们自己的提示工程 + 他们积累的模板数据，而不是买一个通用文档生成工具然后指望它能满足法律专业要求。
我自己的判断框架
整理了这么多案例，我把判断逻辑浓缩成这几个问题，按顺序回答：
问题一：这个 AI 能力是你们产品的核心差异化吗？
-> 是：考虑自研路径
-> 否：优先考虑采购
问题二（合规优先）：数据能发给第三方吗？
-> 不能：只能自研或私有化部署
-> 能：继续下一步
问题三：市场上有满足需求的成熟商业方案吗？
-> 有（且能覆盖核心需求的 80% 以上）：采购，不足部分用 LLM 补充处理
-> 没有：考虑自研
问题四：你有足够的标注数据吗？
-> 没有：先采购，积累数据
-> 有：评估自研的 ROI
问题五：算清楚了采购成本和自研成本吗？
-> 采购年成本 < 自研人力成本的 50%：采购
-> 采购年成本 > 自研人力成本的 150%：自研
-> 中间地带：看战略价值这个顺序很重要。合规是硬约束，在第二步就要排除掉不可行的方案，不要到最后才发现数据不能出境。
还有一个选项经常被忽略
自研和采购之间，还有一个混合方案经常被忽略：基础能力采购 + 上层逻辑自研。
很多时候你不需要全部自己搞，也不需要全部依赖商业服务。比如：
- 用 OpenAI 的 Embedding API（采购底层能力），自己做 RAG 的检索逻辑和排序（自研上层逻辑）
- 用通用 OCR 服务（采购通用能力），自己做行业文档的后处理和字段规则化（自研业务逻辑）
- 用商业模型做基础推理（采购），自己做 Prompt 工程和评估体系（自研调优能力）
这个混合方案在大多数场景下是最优解：你不需要重复发明轮子，但核心的业务逻辑和数据还是在你手里。
做这个决策的时候，脑子里要先把「我想自研」和「自研更好」分开。工程师想自研是正常的，但这不能是决策依据。把问题问清楚，把成本算清楚，再做决定——这才是应该有的工作方式。