这个决策，决定你整个 AI 计划的走向
有一个四问题框架，能区分真正带来复利回报的企业 AI 投资，与最终沦为昂贵概念验证的项目。而第一个问题——自建、采购，还是与伙伴合作——决定了后续三个问题的答案。
香港的企业主管正面对这个选择的压力。Gartner 报告指出，到 2028 年，90% 的企业软件工程师将使用 AI 编程助手，而 2024 年初这个比例低于 14%。这个转变悄然改写了自建开发的经济学——每家供应商也随之改写了自己的销售说辞。
这篇文章提供一个框架，让你能正确回答这个决策，而不被卷入供应商的演示战，或陷入「样样自建」的工程幻想。内容设计对象为香港中型企业的营运副总裁、IT 总监、数码转型主管，适用于 50 至 500+ 名员工的组织。
2026 年的「自建对采购」，实际上是什么意思？
自建对采购，是决定企业究竟要自行开发 AI 能力、向供应商购买，还是与专业伙伴合作的战略选择。在 2026 年，这个选择几乎不是二元对立——大多数成熟的企业 AI 计划采用 70/30 组合：70% 采购（SaaS AI 工具与基础模型）加 30% 自建（专有数据层与差异化工作流程）。
用字已经改变。十年前，「自建」意指聘用工程团队、从零训练模型。而今日，自建通常指在基础模型之上组装能力——微调开源模型、在现有系统之间编排 AI 代理、或在内部知识库之上加入检索层。
「采购」的意义也已转变。如今大多数企业 SaaS 产品预设就内建 AI 功能。你不再需要决定是否购买 AI；你是在选择把工作流程锚定在哪个平台内的哪一层 AI 上。
第三个选项——合作——已成为缺乏深厚内部 AI 专才的企业的预设路径。专业伙伴处理自建的部分，而你保留对数据、策略与成果的主导权。
在什么情况下应该选择自建？
只有在同时满足三个条件时，才应选择自建：能力是企业价值创造的核心、内部团队有长期维护能力、数据敏感度高到不能交给第三方。任何一项条件缺失，采购都是更佳选择。
第一个条件关乎差异化。如果供应商能提供同样的能力，自建便是重复劳动，只会消耗资本而不创造优势。一家金融服务公司自建通用客服聊天机器人，就是在解决二十家供应商已经解决、而且做得更好的问题。
第二个条件关乎能力承载。自建 AI 不是一个项目，而是一个长期承诺。建立它只占总成本 20%，而在五年内进行维护、重新训练与监控，占另外 80%。低估维护成本的企业，会把 AI 预算花在最终默默停用的项目上。
第三个条件关乎数据引力。如果把数据经供应商云端传输会产生监管风险——特别是在香港《个人资料（私隐）条例》下，或金融机构在金管局指引下——本地部署或私有云自建可能是唯一可行路径。然而这个情境比大多数主管想像的要窄得多。
一个实用的原则：如果你无法用一句话清晰说明为什么这个能力必须自建而非采购，那就代表不应该自建。
什么时候采购才是正确选择？
当能力属于商品化功能、供应商路线图超越你的内部能力、而且离场成本可控，采购便是正确选择。对于 70% 的企业 AI 使用情境——客服自动化、文件处理、会议摘要、营销内容生成——答案就是采购。
商品化的 AI 能力，会因供应商将开发成本分摊在数千客户身上而加速改进。你的内部团队无法追上这个节奏。任何已有信誉良好供应商提供成熟 SaaS 方案的能力，预设就是采购候选。
路线图问题比功能清单更重要。一家每季推出有意义新功能的供应商，会在一年内超越内部自建。评估供应商应以发布速度为准，而不是采购当下的功能核对清单。
离场成本，是大多数采购决策悄然出错之处。在签约之前，请具体询问四个问题：谁掌控模型？如果你离开，数据会怎样？能否干净地导出工作流程？如果使用量扩大到目前的十倍，定价会如何？任何一个答案不清晰，该供应商就尚未准备好被采购。
什么时候应该选择合作伙伴？
当使用情境具战略重要性，但内部团队尚未具备自信操作的深度时，就应选择合作——这是没有专责 AI 部门的香港中型企业的预设路径。伙伴模式结合了自建的针对性，以及采购的速度与风险分担。
伙伴模式特别适合企业首次部署 AI 的场景。企业首个 AI 系统的治理方式、数据处理模式与整合架构，会被后续每个系统继承。第一次做错，就是一场长达数年的昂贵修正。
伙伴选择是战略决定，而不是采购流程。合适的伙伴带来三样东西：在你所属行业与类似规模组织的实战经验、从试点到正式运行的可复制方法论、以及对成果（而不仅仅是交付物）的真正问责。
在香港的实务脉络中，一位熟悉《个人资料（私隐）条例》合规、跨境数据流动考量、以及你所属行业监管期望的本地伙伴，比把香港视为次要市场的全球供应商，能为你节省数月的返工时间。
三种选项的总成本，应该怎样建模？
建模时要以五年为期，而不是第一年——因为 AI 成本曲线与传统软件不同，训练、监控与模型更新在第二年后会成为主要支出。第一年成本有利于采购；五年成本往往有利于设计良好的伙伴合作。
对自建选项，计算：初期工程成本、基础设施（运算、储存、模型推理）、每六至十二个月的模型重新训练、监控与可观测性工具、以及维持系统运作所需人员的完整负担成本。再加 30% 风险溢价，以涵盖自建开发本质上的不确定性。
对采购选项，计算：按第三年预期规模（而非目前规模）的订阅费用、整合与导入成本、内部变革管理与培训、以及第四年若市场转变需要更换供应商的预估成本。大多数采购成本分析都低估了最后一项。
对伙伴选项，计算：导入成本、任何共用基础设施、持续的顾问费或托管服务费、你内部所需投入时间、以及若长远目标是逐步把知识转移到内部时的转移成本。
战略问题不是「哪个选项最便宜」，而是「在你组织的具体限制下，哪个选项在五年内每一元投入所产生的价值最高」。
哪些常见陷阱会令这个决策失败？
在失败的企业 AI 计划中，有四个陷阱反复出现：为避免供应商锁定而自建、采购时没有规划整合、把合作当交易处理、以及凭演示而非正式运行场景做评估。这四个陷阱会彼此叠加。
第一个陷阱——为避免锁定而自建——是最昂贵的回避方式。为了逃避未来对成熟供应商的依赖而自建替代品，结果是立即依赖自家工程团队，而后者通常比供应商合约更难管理。
第二个陷阱——采购时没有规划整合——解释了为什么大部分「快赢」AI 采购会停滞。工具在独立测试中完美运作，但放在你的系统堆栈中就无法运作。若在一开始就诚实计算整合成本，往往会发现采购并不如标价那般便宜。
第三个陷阱——把合作当交易处理——让本应是战略性关系变成采购流程。真正交付成果的伙伴，是深度嵌入你营运的那些，而不是为下一张帐单优化的那些。
第四个陷阱——凭演示做评估——是企业 AI 最可预测的失败模式。演示在供应商的干净数据上运作完美，但你的数据比较杂乱。在做出任何重大承诺之前，坚持要求用你自己的数据进行付费试点。
一个本周就能使用的决策矩阵
对你每个候选的 AI 使用情境套用四个维度矩阵：战略差异化、内部能力、数据敏感度、到位时间的迫切性。每个维度评分为高、中、低——组合模式会告诉你答案。
---高差异化 + 高内部能力 + 高数据敏感度 + 任何迫切度：自建是可辩护的选择。
---低差异化 + 任何能力 + 低至中数据敏感度 + 高迫切度：采购是正确选择。
---中至高差异化 + 低至中内部能力 + 中至高数据敏感度 + 中等迫切度：伙伴合作是最佳组合。
---任何评分组合 + 低内部能力 + 高迫切度：伙伴或采购——绝对不要在时间压力下自建。
在承诺 2026 年 AI 路线图的任何预算之前，把这个矩阵套用在每个使用情境上。有纪律地执行这个矩阵的企业，通常会发现原本计划中 60% 至 80% 的「自建」工作，从一开始就应该是采购或合作。
给香港企业领袖的战略启示
自建对采购的决策，其实不是技术问题，而是战略问题——你选择把稀缺的注意力、资本与人才，投入在何处以换取竞争优势。商品化的技术应该采购，战略性差异化项目应该自有——但前提是你有真正把它做好的能力。
我们观察到的大多数香港企业，在 AI 旅程之初都高估了自己需要自建的数量，而低估了需要治理的部分。未来两年的赢家，不会是拥有最多定制化 AI 的企业，而是挑对了伙伴、买对了平台，并把内部自建能力集中投入于真正形成差异化的两至三个项目上的企业。
懂AI的冷，更懂你的难 — UD 同行 28 年，让科技成为有温度的陪伴。
准备把这个框架套用到你的 AI 路线图？
了解了框架，下一步是找出最适合你组织的切入点。UD 28 年来陪伴香港企业走过这个决策——横跨金融服务、专业服务、物流与制造业。我们手把手带你完成每一步——从 AI 准备度评估、自建对采购评估，到供应商选型、部署上线，以及五年总成本建模。