企业做AI，为什么总忍不住自己造轮子？

以下内容整理自 @ZeroZ_JQ 2026年8月20日发表的长文《企业做 AI，为什么总是忍不住自己造轮子？》。作者观察到一个怪现象：企业做 AI，每一步单独看都有理由，连起来却像在"什么都自己做"。

这门课要回答：① "越重要越该自己做"这个直觉错在哪？② 沃德利地图怎么帮你判断自研边界？③ 企业真正的 AI 资产到底是什么？④ 怎么对抗"一直在做=核心能力"的惯性？

以下来自 @ZeroZ_JQ 原文。企业开始做 AI 后，很容易出现这样一条现象链：

• 先觉得模型重要 → 想自己部署模型；
• 后来发现企业数据重要 → 开始做知识库、RAG；
• Agent 火了 → 觉得 Agent 不能受制于人，要做自己的 Agent 平台；
• 模型越来越多 → 权限、日志、评测、成本要统一，AI Gateway、AI 中台也出现了。

每一步单独看，都有理由；但全部连在一起，作者觉得不对劲——照这个逻辑，一家公司最后几乎什么都要自己做。为什么？

作者意识到，大家经常默认了一件事："一个东西越重要，就越应该掌握在自己手里。"但"重要"和"应该自研"，其实是两个完全不同的问题。

以下来自 @ZeroZ_JQ 原文。反驳"越重要越该自研"最锋利的类比：

一家公司几乎离不开电：服务器要电，办公室要电，工厂也要电，停电几小时很多业务直接停摆。如果只论重要程度，电当然是核心基础设施。但没有任何普通企业会得出"电力关系公司命脉，所以我们必须自己发电"——因为电已经是一种高度成熟的能力，企业真正关心的是价格、稳定性、SLA（服务等级协议）、有没有备用方案，至于电怎么发出来的，根本不是大多数公司的竞争优势。

同理：数据库很重要，云计算很重要，电力更重要——但重要，并不意味着值得自己生产。判断标准从来不是"重不重要"，而是"这个能力成熟到了什么程度"。

以下来自 @ZeroZ_JQ 原文。作者在看 Wardley Map（沃德利地图，Simon Wardley 提出的战略分析方法）时，把这件事想清楚了。

它把一项业务依赖的能力放在两个维度里看：纵向——这个能力离用户多近、支撑什么价值；横向——这个能力发展到什么程度。横轴分四个阶段：

• 创生 Genesis（探索期）：还没人知道答案，企业该关心的是学习；
• 定制 Custom Built：知道有价值但高度依赖自家场景；
• 产品化 Product：市场已有成熟供应商，重点变成选型和集成；
• 商品化/公用能力 Commodity/Utility：高度标准化，重点只剩价格、稳定性和规模。

作者认为它最有价值的不是教人画图，而是逼着你多问一句："这个能力现在到底还有多少需要自己学的部分？"——如果行业里谁都不知道怎么做，自己做是在买学习速度；如果市场已有大量成熟产品，继续自研就要重新证明必要性。昨天还是研究课题，今天可能已是可采购的产品。

以下来自 @ZeroZ_JQ 原文。把框架放到 AI 上：基础模型当然重要，没有模型就没有生成式 AI 应用。但对一家保险/制造/零售公司，模型重要≠模型该成为自己的核心资产——模型变化太快，今天领先的半年后可能就不是最好；如果核心能力是"掌握了某一个模型"，它会随迭代一起贬值。

但有些东西不会贬值。作者以保险公司为例：它知道什么情况可自动核保、什么必须转人工；哪些错误可容忍、哪些一次都不能犯；过去三千个真实案件里资深核保员到底怎么判断；结果到什么程度才能进生产流程。这些判断不会因为明天出了更强的模型就失效——相反，模型越容易替换，企业越需要自己知道：什么叫好。

作者以前低估了"评价"：三千个真实核保案例+资深人员判断，沉淀出的不只是一份测试数据，而是把多年专业判断变成可验证的东西——模型 A 来了可测，模型 B 来了可测，换 Agent 架构还可测。模型可换、供应商可换、技术路线可换，但"我们认为什么叫对了"必须自己掌握。作者甚至觉得，这比拥有某一个模型更像真正的 AI 资产。

而"什么叫正确"来自企业对自己业务的理解：哪份制度有效、谁能看什么数据、规则冲突以谁为准、审核哪步必须交法务——这些不像"AI 技术"，却共同决定了"什么是一个合格的结果"。所以企业 AI 真正难外包的，不是某个技术组件，而是企业对自己业务的理解。

以下来自 @ZeroZ_JQ 原文。沃德利地图里另一个作者很喜欢的概念叫惯性：一个能力当年值得自己做，不代表今天仍然值得。但自研系统一旦成功，会长出团队、预算、维护人员和既有关系——几年后即使市场已成熟，组织还是容易把"我们一直在做"理解成"这是我们的核心能力"，可这两件事根本不是一回事。

例子：两三年前为让员工安全用大模型，企业自研一套内部 AI 聊天工具完全合理（当时没成熟选择）；但今天通用企业 AI 产品已成熟，继续投入大量人力维护聊天界面、会话系统、文件上传、模型切换，还值不值得？

以下来自 @ZeroZ_JQ 原文。用沃德利地图看 AI 能力的移动：算力→商品化；模型访问→产品化；向量检索/通用 RAG 工具→产品化；Agent 基础框架→正在产品化；业务工作流、评价体系、责任边界→仍高度定制。

结论：真正值得企业花力气的地方，正在越来越靠近业务——谁更理解客户、谁知道 AI 该进哪个流程、谁有可信的业务知识、谁定义得出"什么叫正确"、谁知道哪些交给机器、哪些必须停下来交给人。

作者最后的两个问题，值得每个做企业 AI 的人贴在墙上：① 你们有哪些东西，市场已经可以买到，却还在重复自己做？② 有哪些问题，除了你们自己，没有人能替你们想明白？

延伸：个人版的"自研 vs 调用"判断见《第09课》；"什么叫正确"的评估实操见《第09课》第5阶段；技术栈全景见《第04课》。