什麼是 AI Wrapper（AI 外殼產品）？
AI Wrapper 是指建立在別人的人工智能模型之上的軟件產品。這類產品本身並不製造智能，它把你的請求送去 GPT、Claude 或 Gemini 等基礎模型，收到答案後，再放進自己的介面呈現給你。
「Wrapper」這個詞描述的是架構，而不是質素。今天市面上你能買到的 AI 產品，除非供應商自行訓練模型，否則全部都建立在基礎模型之上，而幾乎沒有供應商會自行訓練模型。
買得好與買得差的分別，在於供應商在你的業務與那個模型之間，究竟加了多少東西。
AI Wrapper 實際上如何運作？
Wrapper 透過 API 把你的輸入送去基礎模型，途中加上你看不見的指令，再把回來的答案整理好。供應商按使用量向模型供應商付費，然後向你收訂閱費。供應商真正擁有的東西，全部在中間那一層，而不是模型本身。
你可以把一次請求想像成經過四個階段。
--- 第一階段，你的輸入。你打了一句客戶查詢、上載一張發票，或者按下「總結這場會議」。
--- 第二階段，隱藏的指令。供應商會附上一段你永遠看不見的系統指令，加上工具已儲存的你的資料。認真的產品，真正的功夫就在這裡。
--- 第三階段，呼叫模型。整批內容送去 OpenAI、Anthropic、Google 或其他供應商。模型生成答案，供應商按 token 被收費，而這個單位正是我們在AI 如何按 token 計費一文中解釋過的。
--- 第四階段，回傳。答案經過整理、檢查、寫入記錄，然後顯示給你。
第二階段才是真正的試金石。兩個產品可以在同一日呼叫同一個模型，但回來的答案價值完全不同，因為其中一個附上了你過去 200 段客戶對話和你的退款政策，另一個只附上一句籠統指示。
薄的 Wrapper 在第二和第四階段幾乎什麼都不做。有份量的產品則做得非常多，而你付的錢，買的正是這部分。
是不是 Wrapper 就一定不好？
不是。過去三年最有價值的一批軟件公司，按架構來說全部都是 Wrapper。這個標籤只有在中間那層薄到「一個普通聊天機械人訂閱就能做到差不多」的時候，才變成警號。
最清楚的證據，是同一個類別裡贏家與輸家的差距。
支持 Wrapper 的一面
Cursor 起初只是一個建立在 GPT-4 與 Claude 之上的編程介面。它至今年化收入約達 20 億美元，估值報道接近 290 億美元。它從未訓練過前沿模型，它贏在掌握了模型周邊的整套工作流程。
反對薄 Wrapper 的一面
Jasper 早年用同樣的底層模型做行銷文案生意。當通用聊天機械人在同一件事上做得夠好，而且不用額外收費時，用戶就流失了。業界分析現時預測，約 80% 的薄 Wrapper 產品捱不過 2026 年底。
平台方自己怎樣說
領導 Google 全球初創組織的 Darren Mowry 在 2026 年 2 月向 TechCrunch 表示，那些在「Gemini 或 GPT-5 外面包一層非常薄的知識產權」的公司，「引擎故障燈」已經亮起；要生存下去，必須有「深而闊的護城河」，不是橫向上有明顯差異，就是專精於某一個垂直市場。
對買家來說，這句話可以翻譯成一個很實用的判斷。你要選的不是「Wrapper 還是非 Wrapper」，而是「薄還是厚」。
怎樣分辨一個工具是不是薄 Wrapper？
五條問題，在一場 30 分鐘的示範裡就能問完，足以分辨薄 Wrapper 與真正的產品。五條都不需要技術知識，每一條問的都是同一件事：底層模型免費就給你的東西以外，供應商自己還擁有什麼。
問題一：它對我的業務，知道什麼是通用聊天機械人不知道的？
要求供應商用你自己的價目表、你自己的合約、你自己的供應商發票來做示範。厚的產品會吸收你的文件，並根據文件回答。薄的產品會給你一段讀起來很順、但沒有一句是你本來不知道的內容。
問題二：答案出現之後，會去哪裡？
只出現在螢幕上的答案價值有限。被寫進你的訂位系統、會計帳目或客戶記錄的答案，價值就大得多。要求對方逐個系統名稱講出來。如果誠實的答案是「你自己複製貼上」，那層就是薄的。
問題三：模型答錯的時候會怎樣？
所有模型都會有充滿自信的錯誤。認真的供應商會講出一個具體機制，例如信心分數低過某個水平就轉交人手處理、有規則會攔截不可能出現的數字、有審計記錄可查。薄 Wrapper 只會說模型很準，然後轉話題。
問題四：它會不會愈用愈準？那些進步屬於誰？
問清楚你做的修正會不會被記住。如果你的同事把同一個供應商名字改正了 40 次，第 41 次還是錯，代表什麼都沒有累積下來。同時要書面確認：你離開的時候，這些累積下來的知識是否仍然屬於你。
問題五：差價是多少，這筆差價買到什麼？
把月費跟一般聊天機械人訂閱比較，後者大約每人每月港幣 160 至 250 元。如果一個專門工具收每人 800 元，而你講不出三件它做得到、而 160 元訂閱做不到的事，答案已經很清楚。
對一間香港中小企來說，實際情況是怎樣？
設想一間位於觀塘、14 人的貨運代理公司，同一個星期評估兩個「AI 文件助理」。兩個都是 Wrapper，但只有一個值得買，而那五條問題在一小時內就分得出來。
供應商 A，報價每人每月港幣 980 元
示範用的是供應商自己的樣本發票，不是這間公司的。它無法把資料寫入公司現用的貨運系統。問到出錯怎麼辦，銷售說準確率超過 95%，但講不出餘下 5% 會怎樣。修正不會被保留。五條問題，它只答得上一條。
供應商 B，報價每人每月港幣 1,200 元
示範用的是這間公司自己三張掃描提單，其中一張還是皺了的傳真。抽取出來的欄位直接寫入貨運系統。任何低於設定信心水平的欄位都會標示出來交文員核對，而不是靜靜存起。改正過的收貨人名稱，之後的文件都會記得。合約列明抽取出來的數據可以隨時匯出。
老闆真正應該計的一條數
供應商 B 每人每月貴港幣 220 元，四個文員即每月 880 元，一年約 10,560 元。這間公司每月處理約 600 份文件，每份人手輸入約四分鐘，合共接近 40 小時。如果 B 能省掉當中 70%，A 只省 20%，差距就是每月約 20 小時文書時間。以每小時港幣 90 元這個保守數字計，每月追回約 1,800 元，對上額外成本 880 元。
便宜的工具，才是貴的決定。這正是「Wrapper」這條問題存在的意義。
關於 AI Wrapper，大家最常誤解什麼？
有四個誤解，正在令香港老闆真金白銀蝕錢。四個都源自同一個問題：把「Wrapper」當成判決，而不是當成「價值在哪裡」的描述。
誤解一：「Wrapper」等於供應商在欺騙你。
並不是。建立在基礎模型之上是行業常態，通常也是負責任的做法。由零開始訓練一個模型，成本會超過供應商整間公司的價值，而且出來的東西更差。要問的是上面加了什麼，而不是下面墊了什麼。
誤解二：既然是 Wrapper，我不如直接用 ChatGPT。
有時對，很多時不對。通用聊天機械人不記得你的系統、沒有權限控制、沒有審計記錄，也沒有地方安放它的輸出。一件一星期做一次、一個人做的工作，聊天機械人通常勝出；一件每月做 400 次、四個人做的工作，它通常輸，這條界線我們在AI 聊天機械人與 AI 員工的分別一文中拆解過。
誤解三：底層用最新模型的那一家最值得買。
模型版本每幾個月就換一次，而所有供應商都會在數星期內拿到同樣的升級。以模型名稱選產品，等於用一個到下次續約就過時的變數做決定。應該看的是系統整合、錯誤處理與數據擁有權。
誤解四：厚的產品一定值得付溢價。
只有在用量足夠時才成立。每月低於約 100 件重複工作，你付錢買的整合與錯誤處理根本用不夠次數，回不了本。用量細，確實應該選便宜的通用訂閱。
簽約之前應該檢查什麼？
任何 AI 採購之前，先跑一次以下清單。只需要一場會議，而它省下來的，長期都多過它花掉的。
--- 用你的數據示範，不是用他們的。帶三份你自己真實而且雜亂的文件去開會。
--- 要對方講出會寫入哪些系統的名稱。整合清單要白紙黑字，不要接受「我們什麼都能整合」。
--- 問清楚答錯了會怎樣。要的是具體機制，不是一句安慰。
--- 確認數據可以跟你一起走。匯出格式、通知期，以及取消服務後已儲存文件的處理方式。
--- 跟通用訂閱比價。如果你講不出溢價買到哪三件事，就不要付。
--- 先買三個座位，不是三十個。用 60 天、一項可量度的工作做試點，然後才全面推行。
AI 的詞彙跑得比任何一間中小企追得上的速度都快，而這種速度正正令弱的產品變得容易賣。把一個詞真正弄懂，例如「Wrapper」，就足以把一場令人卻步的銷售會議，變回一次普通的採購決定。知道一個工具底下墊著什麼，不用花你一分錢；不知道，可能要付一整年訂閱費。懂AI，更懂你 UD相伴，AI不冷。
常見問題
是不是每個 AI 工具都是 Wrapper？
賣給中小企的 AI 工具，幾乎全部都建立在別人做的基礎模型之上，少數例外就是模型製造商本身。把「Wrapper」當成常態，然後專心評估上面那一層。
專門 AI 工具比通用聊天機械人貴多少才算合理？
通用聊天機械人訂閱大約每人每月港幣 160 至 250 元，專門工具常見是這個數字的兩至六倍。只有在它能接通你的系統、明確處理錯誤、並保留學到的東西時，這筆溢價才值得付。
Wrapper 跟 AI Agent 有什麼分別？
Wrapper 講的是智能從哪裡來，Agent 講的是這個工具獲准自行做多少事。一個產品可以兩者皆是。上述問題兩種情況都適用，不過會在你的系統裡實際執行動作的 Agent，錯誤處理要求會比只負責寫字的嚴格得多。
底層模型換了，Wrapper 還能用嗎？
可以，而這正是應該選擇不綁死單一供應商的原因之一。要問清楚產品能否切換模型，以及切換時你已儲存的指令與數據會怎樣。
不確定你手上的報價屬於哪一邊？
知道什麼是 Wrapper，並不等於知道某一份報價值不值得簽。先做一次免費的 AI 體檢，看清楚你公司哪些工作真的需要專門工具，哪些其實用你已經在付費的訂閱就夠。UD 團隊手把手教你，由讀懂報價到跑完 60 天試點，全程陪你走每一步。
本文由 UD AI 團隊審閱。文中引述來源包括 TechCrunch（2026 年 2 月）及公開報道的公司數據。價格僅供參考，並會經常變動。