I）TL;DR

在经营公司特别是资源紧张的创业公司的时候，经常会遇到的一个决策项是，某个职能或者服务要自己搭建，还是采购或外包。我还是员工的时候问过一个管理层，他说这是一个「Columbu’s egg」般知道答案就特别简单的问题：

设计复杂、集成度高、成本高的，自研。其他所有的，采购或外包。

实际上，这个问题并不是这样简单。这里聊一下我的看法。

II） Why

最近 chatGPT 好像获得了当年「互联网+一切」时「互联网」三个字的魔力，大有「chatGPT+一切」的趋势。感觉每天都有一些朋友来问我，公司的客服/文案/财务/法务/企划…是不是真有希望几年内交给 AI。

正好赶上很多公司（包括我们）最近都在做人员调整。这个过程中一个很痛苦的事情就是关于某个系统要不要不再研发而是采购现成的，或者某个部门某个职能要不要外包的讨论。

是不是像我之前的老板说的，除非成本高、设计复杂、集成度高，其他都不要自己来呢？我想起当年我在 IBM 的存储团队，用过一个很特别的版本控制系统：那时候还没有 Git，但它既不是 SVN 也不是 CVS，是自研的。并且，它和我们的自动化测试框架，系统编译软件等等，都是一个团队开发和维护的。

写软件的很多人管这叫「重新发明轮子」：顾名思义它是一个很蠢的行为。但实际上，这是因为存储软件跨硬件底层和应用层，且需要支持各种不同平台的客户端来配置和使用。因为有了这套自己的工具，IBM 的存储软件才得以每个改动都按时保质在不同 CPU 不同操作系统的各种大型机小型机上发布，并且编译出来的可执行文件也比常规编译器更加精简，运行速度更快。

那么，究竟应该用什么原则来衡量 build 还是 buy 呢？

III）How

1）判断业务价值

只要是影响业务价值的事情，就应该自己做：因为利润本质上是你创造的价值减去成本。

如果你的业务是线上教育，那么教研、课程制作和服务就应该自己做。如果你的业务是块屏，那么内容和服务就可以外包。

在某些更细的地方也应该这样决策：如果你做游戏，是靠策划和情节或者网络效应取胜的，那就可以用现成的 VR 引擎。如果你是要做一个有划时代 VR 效果的游戏，你可能就需要自研。

很多最好的餐厅都自己种菜养猪，因为供应链的人永远会有以次充好的动机。

当然，识别什么地方有「业务价值」并不是那么容易的。实际上，这是有一些人比其他人赚得多，干得好的根本原因。

2）最小化外部依赖

判断了业务的核心价值之后，要最小化这部分系统的外部依赖。有一段时间因为「上云」或者说「线上化」，一些商业作家或者架构师会鼓吹把各种各样的工作数字化然后外包。

实际上你每外包一个部分，就给自己的核心业务引入了外部依赖并且也引入了信息不对称。比如我们以前做车货匹配，电话客服是一个非常非常关键的服务部门：大量的货车司机文化程度低，也没有时间打字，他们遇到问题都会打电话。我们的业务负责人从成本考虑曾经使用过 BPO，但这样做的结果是用户不高兴了我们也无能为力，甚至我们根本没有机会知道司机不高兴了。

建立了一个外包客服中心，其本质是你决定不听用户的意见，而是付笔钱（精神损失费？）交给外面的人听。

3）是否有例外

有，那就是你搞不出来。如果你选择自己搭团队做某个事情，却总是搞砸且一点路径都找不到，那就不要自己搞了，买现成的吧。但是如果是这样你还在创业，我感觉买回来的系统、设备、服务，也救不了你。

以上。

I） TL;DR

去年五月，我预测过人工智能可能会带来的一些变化。

最近看到很多关于 ChatGPT 的新闻，各行各业的同学们都在聊。

它是类似克里斯滕森在《创新者的窘境》里面提出的，会带来颠覆性创新，形成新行业的「破坏性技术」吗？毕竟 Google、Meta 等等公司都已经慌了。

简单的结论是，短期内，No，长期看，Maybe Yes。

II）No？

At least not ChatGPT。

现在主流的 AIGC 作品界面都是个空白输入框，也就是 prompt。

之所以会有那么多 prompt 交流网站，或者是通过完成某个垂直场景（比如上传一张照片给你生成头像）来隐藏 prompt，因为使用它的时候，所有的负担都在用户这边：我问（画）个啥，怎么问（画），根据 AI 产生的结果调整输入，继续问（画）。

这不叫「用自然语言交互」：我们跟一个真正的助理，不管用文字或语音聊天，不需要先搞清楚自己大概的需求，然后根据对某个 AI 引擎的了解，转化成它好理解的可能有效果的 prompt 或者语音输入。

所以从输入来说，这是一个认知负担非常巨大的交互过程，当结果对比你付出努力显得不值当的时候，你就会弃用。

从反馈来说，ChatGPT 会提供不准确的信息，因为它在基于模式识别的基础上进行「创作」。它提供的是一个看起来「正确」的答案，你不能基于这个反馈进行推理、反思或对话。

好的交互界面应该是能够引导用户在某个场景里面去探索，并且快速剪枝的。

III） Maybe Yes？

但 ChatGPT 背后其实是 LLM 等，它不仅仅是一个 chatbot。

从长期来看，人类是不是真的可以造出像《Her》里面那样的通用 AI ？也许可以，如果人工智能领域也有摩尔定律，模拟一个单细胞内部的通信可能只需要，一百年？模拟人脑，我不知道，因为人脑究竟怎么工作我们不知道，我估计不出来它的复杂度。

但从短期看，LLM 是不是一个「破坏性」的技术呢？

我想可以看看「破坏性」技术的含义。克里斯滕森本质上是在说，这种创新会「破坏」现有的商业模式。

比如当年的柯达，其实是最早造出数码相机的。但因为胶片销售在业务整体占比里的规模更大，利润更高，它扼杀了这个业务的发展，最后公司倒闭了。

今天，比如 Google，从当年 Google Assistant 推出之后大家试用的感受就知道，它肯定有比 ChatGPT 更厉害的 LLM 应用，也肯定有比 Stable-Diffusion 更厉害的图片生成工具。但是，人们一旦用这些来替代搜索，它的广告业务就不值钱了。

那么 Google 会不会步柯达的后尘，因为自己的业务结构，封存本来领先的「破坏性技术」，最后死掉？

我认为：

• 柯达并不像很多商业书籍或者分析里面写的，就仅仅是因为业务上的固步自封就死掉了。单纯从业务决策上看，先好好卖胶卷是个绝对正确的选择：消费者真正大规模用上数码相机，离柯达发明数码相机过去了四分之一个世纪；
• Google 现有业务的护城河仍然很高。一个能够被大规模使用的 AI 助理，替代搜索引擎可能也要很长的时间；

所以：

• LLM ，很伟大。但它的用途应该远远不止 ChatGPT 这样的形式，也不会马上杀死 Google。
• 在这个领域，很长的时间内，最确定性的投资，应该仍然是 Nvidia 和台积电这样的「做铲子」的公司，而不是淘金的创业公司。
• 大厂都会研究自己的引擎和芯片，这不是个小公司或者普通创业者能够参与的事情。
• ChatGPT 能够带来什么变化？应该是带来更多文盲吧。因为今天的文盲已经不是不识字的人了，而是不能分辨信息质量的人。