選擇胖模型還是胖鞍具？

打開任何人工智能（AI）方案，你會看到兩種完全不同的產品策略在較量：一種叫做胖模型（Fat Model），另一種叫做胖鞍具（Fat Harness）。

胖模型的信念很直白：以更大的大腦解決更多的問題。參數多、數據龐大、算力強，模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強，而企業只要付費就能直接使用，代價是你的AI能力完全綁定在供應商的價目表上。

胖鞍具走的則是一條深耕自主迂迴的路，它認為模型只是引擎，真正的智慧在於圍繞引擎搭建的整套系統──你的數據庫、合規框架、工作流程，以及你對工具的調用邏輯。代價是前期投入高、技術要求多，但你能拿回兩樣核心資產：成本的控制權和數據的主權。

這不是理論之爭。2026上半年發生的幾件事，已經把這兩條路徑的結果擺在眼前。

第一件事有關數據。全球某大銀行部署AI系統給過萬名員工，但它做了個違反直覺的選擇：刻意避開了市面上最強的公開應用程式介面（API），轉而自建內部平台，用自己的數據餵養模型。理由很直接──客戶的交易數據不能離開銀行的控制。這間銀行為了數據主權，寧可走一條更慢、更費力的路。如果你正在把核心業務機密數據送進任何一個第三方API，你該問自己一個問題：這些數據正在為誰的下一代模型鋪路？

第二件事有關成本。一間科技巨頭引入當時最好的AI編程工具，6個月後緊急煞停。不是工具不好用，恰好相反，是太好用了，人均支出暴增到每月2000美元，在沒有用量限制的情況下，一個月燒了幾年的預算。

第三件事最平靜，但也最深刻。今年6月，一間管理顧問公司發表報告，指出九成企業正在增加AI預算，但大部分說不清回報為什麼跟不上市場預期。換句話說，企業知道AI的重要性，但不確定它在自己的組織裏到底是什麼角色。

以上3次教訓劃出一條主線：企業還未建立與AI合作的基礎，我們不知道什麼該交給AI、什麼該留給人類。這些問題沒有標準答案，只能在實踐中摸索，透過多次試驗和意外賬單，人類會因為這些教訓而愈來愈清楚自己與AI的邊界，就像千禧年代學會網絡安全，2010年代學會數據治理，現時正在學習人機協作的分工。

短期來看，胖模型和胖鞍具是成本和技術的選擇。但長期而言，真正的分水嶺在於：你的企業知道AI的邊界在哪裏嗎？未來幾年，競爭力的關鍵不是用了多強的模型，而是能不能找到人與機器之間的合適邊界。清楚這條邊界在哪裏的企業，那才是真正的贏家。

順帶一提，我的新書《全民AI：人機協作必備攻略》已正式出版，將於在本周六（18日）下午4時在灣仔會展S222-223會議室舉辦書展交流會，主題為「AI搶了你的飯碗，還是幫你升值？」誠邀讀者蒞臨參加。