最近好几个做产品的朋友找我聊天，聊到最后都绕不开同一个问题
公司想上AI功能，老板拍板了，预算也批了，但具体怎么干，大家吵翻了天
一派人觉得，现在大模型API这么方便，直接调用OpenAI或者国内几家大厂的接口，又快又省事，何必自己折腾
另一派则认为，核心能力必须掌握在自己手里，数据安全、定制化需求、长期成本，这些都不是买来的服务能彻底解决的，必须自研
听起来都挺有道理，对吧
但如果你只是停留在“买还是造”这个二元选择题上，那你可能还没摸到问题的门
这根本不是一道技术题，而是一道赤裸裸的商业战略题
让我讲个真实的案例
去年我接触一家做跨境电商SaaS的公司，他们当时面临一个选择：是接入某大厂的商品描述自动生成API，还是自己训练一个垂直模型
p>选择买的一方，算了一笔很漂亮的账：接入成本几乎为零，开发周期短，能立刻上线给客户用，抢占市场先机
选择造的一方，则忧心忡忡：生成的描述风格太通用，缺乏品牌调性；更重要的是，所有提示词和生成的数据都在第三方那里，万一对方调整策略或者涨价，自己就完全被卡脖子
最后他们怎么选的
他们选了一条中间道路，我称之为“买地基，盖自己的楼”
他们先用大厂的通用API快速上线了基础功能，验证了市场需求和用户接受度
同时，他们立刻启动了一个小团队，专门做两件事：一是疯狂积累自己平台上高质量的商品描述数据，二是用这些数据，去微调一个开源的基础模型
半年后，当通用API的生成效果开始无法满足一些高端客户时，他们自己的垂直模型已经可以悄悄接替一部分工作了
你看，他们并没有在“买或造”之间做非此即彼的选择，而是把这个问题，拆解成了不同时间维度上的策略组合
短期要速度，买
中期要控制，开始造
长期要壁垒，深度造
这个决策背后，考验的是一个产品负责人或者业务负责人最核心的能力：系统思维和商业判断
你得看清楚，你用的这个AI能力，在你的整个业务系统里，到底扮演什么角色
它是一个可有可无的加分项，还是一个决定生死的关键功能
它的数据是不是你的核心资产
它的效果不稳定，会不会直接导致客户流失
这些问题，没有标准答案，但有一个清晰的思考框架
我习惯从三个层面来评估：战略层、成本层、风险层
战略层看的是，这个AI能力和你未来的护城河有没有关系。如果没关系，纯粹提升效率，那越便宜越快越好。如果有关系，哪怕现在贵点慢点，也得把主动权抓在自己手里
成本层别只看眼前的接口调用费。要算总账，算上未来的数据迁移成本、定制开发成本、以及被供应商锁定的潜在溢价成本。很多项目失败，就是只算了第一年的账
风险层最容易被忽略。技术风险、供应商风险、政策风险，甚至团队能力跟不上导致项目烂尾的风险，都得摆到桌面上掂量掂量
说到这里，我想起我们AI MBA项目里的一位学员，他是一家传统制造企业的数字化负责人
他们工厂想用AI做质检，一开始也纠结是买一套成熟的视觉检测方案，还是自己组建算法团队
他在课程里，用我们讲的系统分析工具，回去给老板画了一张图
图上清晰展示了自研方案虽然启动慢，但三年内总成本更低，而且能沉淀下针对自己产品瑕疵的独特数据资产，这个资产未来可以复用到新产品线，甚至可能对外输出服务
老板一看就明白了，这不是一笔费用，这是一笔投资
最后批了预算，项目也做成了，现在成了他们公司数字化转型的一个标杆案例
所以你看，高级的决策，从来不是拍脑袋，也不是简单地对标同行
它需要你能穿透技术的迷雾，看到背后的商业本质，能用财务语言和战略语言，把技术选择讲清楚
这恰恰是今天很多技术出身的产品经理，或者业务出身的负责人，最需要补上的一课
你不是在选一个工具，你是在为公司的未来，选择一条跑道
买来的模型，就像租了一条标准跑道，平坦安全，但人人都能跑，你很难甩开对手
自己造的模型，像是在开辟一条新路，前期颠簸，但一旦走通，可能就是一条属于你自己的捷径
关键就在于，你有没有那份地图，和那份敢于走新路的判断力
下次当你再面对“买还是造”的难题时，别急着站队
先问问自己，我到底在为什么样的未来做选择
获取《招生指南》
请填写下表，我们将为您寄送巴塞罗那大学MBA等项目的招生指南。