自建还是外购，表面是采购问题，本质是能力结构问题：未来三年，你的AI能力长在组织内部，还是长在外部生态。2026年，"用不用AI"已经不构成问题——员工早已在用；构成问题的是落地方式。走错路径的代价不在预算，在窗口期：一次失败的自建，赔进去的不只是七位数投入，还有12到24个月的组织学习时间。本文给出一套可对照自检的决策框架——五维准备度评估、三年TCO模型、风险归属矩阵、一页纸决策树——供决策者在签任何合同（或发任何offer）之前，先把结构想清楚。
一、先看清决策环境：你在一个"移动的地基"上做规划
任何决策框架都跑不赢错误的处境判断。做这个决策之前，先接受三组事实。
第一，技术底座半年一迭代。大模型推理成本三年间下降超过一个数量级，去年需要养团队才能做的事，今年一个API调用就能完成；反过来也成立——今年辛苦搭起来的系统，明年可能就成了维护成本高于重置成本的"负资产"。这意味着：任何一次性的重投入决策，都是在为移动的地基打桩。
第二，试点的普遍折损是常态而非例外。MIT 2025年企业级AI调研给出两个关键数字：95%的企业AI试点没有产生可衡量的财务回报；其中自建路径约1/3成功，与专业伙伴协作约2/3成功。Gartner则预测到2027年底，40%的Agentic AI项目将被取消。这些数字不是劝退——而是校准预期：无论选哪条路，试错成本都真实存在，区别只在于由谁、以什么方式承担。
第三，供给侧正在换血。传统管理软件商在亏损中集体转向订阅制与AI服务，"买一套软件用十年"的市场正在消失；IDC预计到2028年，七成软件交易将包含按结果计费的成分，而多数中国企业表示愿意为可验证的业务成果付费。换句话说，连"外购"这个选项本身，也在从"买资产"变成"买结果"。
这不是一次采购决策，是一次能力结构决策。你决定的不是"买不买"，而是AI能力以什么形态进入组织、成本以什么节奏发生、风险由谁的资产负债表承担。
二、框架一：五维准备度评估——先判断"配不配自建"
自建的第一道门槛不是钱，是组织条件。咨询决策的第一步永远是现状评估，对照下面五个维度逐项打分（每项0-2分）：
| 维度 | 自检问题 | 2分标准 |
|---|---|---|
| 工程力量 | 能否抽出3名以上工程师全职做AI，且不影响主业系统？ | 有建制化富余人力 |
| 数据地基 | 核心业务数据（ERP/MES/质量）是否结构化、可接口？ | 主数据基本干净 |
| 场景清晰度 | 能否说出前三个AI场景及各自的验收指标？ | 场景与指标均可量化 |
| 迭代承载力 | 组织能否接受三年以上的持续投入而不换方向？ | 有一贯的技术决策机制 |
| 容错预算 | 第一轮试错全部沉没，是否伤筋动骨？ | 试错损失可承受 |
解读：8-10分，自建候选——这类企业在全市场不足一成；4-7分，混合路径——主干外购、差异化场景自建；3分及以下，外购或合伙人路径——这是制造业的多数。打分时最常见的失真来源是"老板个人懂AI"：个人判断力不等于组织承载力，自建考验的是编制、预算和耐心，不是CEO的认知水平。
三、框架二：三年TCO模型——自建的账为什么总算不平
多数自建决策翻车，不是因为算不清显性成本，而是因为隐性成本在第一年年底才陆续显形。把账拆开看。
自建的显性成本：AI工程师薪酬（以当前行情，能独立交付的三人小队，第一年人力加算力加工具链的综合投入通常七位数起步）、数据治理、场景开发。这层账多数企业算过。
自建的隐性成本，四项，多数没算过：
- 试错折损：95%试点无回报的宏观折损率，摊到个体就是——你的第一个项目大概率需要推倒重来一次，预算要按两轮准备；
- 持续迭代：技术半年一版，系统上线之日就是开始追版本之时。自建意味着你买断了"永远在追"这件事；
- 人才流失：你花两年培养的AI工程师，正是大厂高价挖角的标准标的。培训完成之日，就是离职风险峰值之时；
- 机会成本：IT人力是零和的。三个人做AI自建，主业的系统优化、数据治理就少三个人。
外购的两种形态，成本结构完全不同：买断制第一年投入中等，但技术过时风险和后续升级费留在自己手里；订阅与合伙人制成本后置且弹性——试点小步起步，效果达标才放量，年费随用量走，随时可停。
自建的成本曲线前置且刚性，合伙人路径的成本曲线后置且弹性。在技术高速迭代期，弹性本身就是收益率——它意味着每一次技术转向，你都有权选择不跟。
四、框架三：风险归属矩阵——比价格更该比的，是"谁扛风险"
企业比价是本能，但AI项目的主要成本藏在风险归属里。同一个标价，风险归属不同，实际代价可以差出一个量级。
矩阵里藏着一个结构性事实：买断制软件把效果、过时、超支三类风险全部留给买方——这正是上一代企业软件"上线即闲置"的机制根源。评估任何方案时，先问一句：效果不达标时，谁受损？这一问，比任何演示都接近真相。
五、决策树：一页纸定路径
三个问题，按顺序问自己，多数企业五分钟内能定位到自己的路径。
文字版：
第一问：AI能力是否构成你的核心竞争壁垒？（算法即产品、AI即业务本身）——是，则核心场景自建。但诚实说，这对制造业99%的企业不成立：你的壁垒在工艺、在供应链、在交付信誉，AI是放大器不是本体。
第二问：是否有3名以上可专职的工程师，且数据地基合格？——是，则走混合路径：主干（ERP、知识库、通用场景）外购或托管，真正差异化的1-2个场景自建，并配架构治理防止两套体系打架。
第三问：前两问都是"否"，那么能否承受18个月以上的回报周期？——能，可谨慎自建（MIT数据提示：预留两轮试错预算）；不能，走合伙人路径：免费评估 → 单场景试点2-4周 → 效果达标转全案 → 年费托管。专业协作成功率高一倍的原因不神秘——不是服务商更聪明，是试错成本被专业经验摊薄了。
六、三种路径的适配画像
| 企业类型 | 典型特征 | 推荐路径 | 注意点 |
|---|---|---|---|
| 集团型企业 | 千人以上，IT部门建制完整 | 核心自建 + 边缘外购 | 防止自建部门变成成本中心，按业务线核算 |
| 成长中型企业 | 百人到千人，IT人员≤5人 | 混合：主干外购，差异化自建 | 先做架构治理，避免双系统数据分裂 |
| 中小企业 | 无专职IT，占制造业九成 | 落地合伙人（评估→试点→全案→托管） | 把"效果达标才转全单"写进合同 |
给中小企业补一句实话：自建AI的中小企业，多数不是死于技术，而是死于"第二个项目还没启动，第一个人已经离职"。单人依赖的自建，本质是把企业的数字化命运抵押给一个会跳槽的个体。
七、无论选哪条路：五个防坑动作
- 先做能力审计，再谈需求。数据地基的干净度决定一切方案的上限，先盘点再规划，避免在沙地上起楼。
- 用一个可验收的小场景起步。2-4周、验收指标白纸黑字。任何拒绝被验收的方案，都应被拒绝。
- 把"效果达标"写进合同。达标才转全单，不达标试点即止——止损权在自己手里，才是真正的低风险。
- 选可迁移的底座。优先开放标准与开源生态，数据和提示词资产归自己所有，把供应商绑定风险降到最低。
- 留好退出路径。按年付费、随时可停。让技术迭代的压力留在对方的资产负债表上，而不是你的。
结语：答案是动态的，但"不落地"没有答案
自建还是外购，今天的答案不锁死未来：先通过外购和合伙人路径落地，攒数据、验场景、让组织学会与AI协作，三年后你自然有资格、也有弹药去自建真正核心的部分。
但反过来不成立：今天不落地，三年后你连自建的入场券都没有——数据没攒下、场景没验证、组织没学习，届时你面对的不是"自建还是外购"的选择题，而是与同行拉开的能力代差。
自建还是外购，问的是成本；先落地再优化，问的是生存。