AI · MM · 372
AI 模型自建或外购
Build Vs Buy AI Model · build-vs-buy-ai-model--marily-nika
所属簇 AI 商业策略与护城河
解决什么问题
确定要用 AI 后,下一个问题是:自建模型还是用现成模型?公司规模、数据量决定了答案,盲目自建是常见的资源浪费。
核心内容
- 数据量门槛:任务复杂度决定所需数据量。简单分类(比如判断照片是猫还是狗)可能 20 张标注图片就够;做复杂的 NLP 产品或语音识别,可能需要成千上万条数据。
- 只有现成方案满足不了需求时才自建:公司应该在"off-the-shelf 工具满足不了特定需求"或"自建能形成竞争优势"时才考虑自研 AI 工具——这更适用于大公司。
- 大厂 vs 创业公司的分工:大多数创业公司没有足够数据自建模型,应该更多依赖现成模型;大厂则应该用多样化的数据训练模型,做出比竞品更好的识别质量。
- 训练模型像养孩子:模型就像一个 3 岁小孩的大脑——反复告诉它"犀牛长这样、大象长这样",重复足够多次后,孩子(模型)才能自己认出动物。这是理解模型训练直觉的一个类比。
- AI PM 的核心判断职责:决定"识别准确率到什么程度才算好到可以上线"是 AI PM 独有的职责。
适用边界
数据量的"20 张 vs 上千条"只是粗略的直觉参照,具体门槛因任务、模型架构而异;这套判断标准发布于 2024 年中,当时"自建 vs 用现成大模型 API"的成本结构和现在(大模型能力/价格大幅变化后)已有不同,门槛判断需要按当下的模型能力重新校准。
关键引述 · 原话
Marily Nika: "A model is like a 3-year-old kid's brain... once you've done this enough times, then your kid will see the animal and they'll be able to recognize it."
关联卡片
- 承接 `ai-mvp-shiny-object-trap--marily-nika` 的"要不要做"判断,回答"怎么做"。
被这些卡引用
出处：Marily Nika (Meta AI Product Lead, 前 Google Assistant/AR-VR) · 02-newsletters/summary-ai-and-product-management--marily-nika-meta-google.md
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2