AI基建的第一步：花钱订阅一个顶级的大模型大脑
很多人开始搭建自己的 AI 工作系统时，第一反应是研究提示词、MCP、知识库、Agent，甚至先买服务器。
但如果让我重新从零开始搭一套 AI 工作系统，我做的第一件事其实非常简单：
先花钱，订阅一个目前第一梯队的大模型。
因为无论后面搭多少东西，真正负责“思考”的，始终是模型。
可以把整个 AI 工作系统理解成一个人：
- 大模型是“大脑”；
- Agent 是“手脚”；
- MCP 是连接外部工具和数据的“接口”；
- 知识库是“资料室”；
- 电脑、服务器和网络是“办公环境”。
如果大脑本身能力不够，后面的东西配得再齐全，也很难真正把复杂工作做好。
一、模型能力，决定了 AI 工作的上限
很多人会觉得，不同大模型之间似乎差不多。
问一个简单问题，确实可能差不多。
比如：
“帮我润色这句话。”
“总结一下这篇文章。”
“把这段话改得正式一点。”
这些工作，绝大多数主流模型都能完成。
但一旦任务变成：
“审查一份60页的投资协议，结合补充协议、股东协议和公司章程，找出对我方不利且相互冲突的条款，并提出最小修改方案。”
模型之间的差距就会迅速拉开。
这也是为什么我越来越觉得：
不要用简单聊天来判断一个模型到底好不好。
真正应该测试的是复杂任务。
一个好的模型，不只是“文字写得漂亮”，而是能够同时完成理解、推理、判断、取舍和表达。
而这些恰恰是专业工作最值钱的部分。
二、法律工作尤其吃模型能力
法律行业可能是最典型的“大模型能力敏感型”行业之一。
因为律师每天处理的大部分工作，本质上都是复杂的文字工作。
比如合同审查、尽职调查、法律意见书、诉讼文书、证据分析、监管问询回复、法规检索后的归纳论证。
这些工作表面上是在“写字”，实际上背后有大量推理。
比如审查一份合同，模型至少需要同时判断：
这句话是什么意思？
与前面的定义是否一致？
和另外一个条款有没有冲突？
风险到底在甲方还是乙方？
这种风险是否值得修改？
应该删掉、增加还是重新表述？
怎样修改既保护客户，又不改变原来的商业安排？
这不是普通的文字生成。
这是连续的法律分析。
而模型能力稍微差一点，最终结果可能不是差10%，而是完全不同。
差模型经常给人的感觉是：
每句话单独看都没什么问题，但合在一起就是不能直接拿来用。
好的模型则更容易理解整个交易结构，然后围绕客户立场持续工作。
这两者对于律师来说，价值完全不同。
三、专业工作里，模型贵一点其实是最便宜的
很多人选择 AI 时特别关心一个问题：
每个月多少钱？
这个问题当然要考虑。
但对于律师、咨询、投行、财务等专业人士，我觉得还应该换一个计算方式。
不要只算“订阅费”，而应该算：
它帮我节省了多少专业时间。
假设一个更好的模型每个月贵几十美元。
但它只需要帮你：
少改一次合同；
少返工一份法律意见书；
少花两个小时整理尽调材料；
少花半天重新检查一份复杂文件。
这笔钱基本就已经回来了。
真正昂贵的，从来不是模型费用。
真正昂贵的是：
一个能力不够的模型，花了40分钟生成一堆看起来很完整、最后却需要你重新做一遍的东西。
专业人士最宝贵的资源不是 Token，而是时间和注意力。
所以我的原则一直很简单：
高价值工作，优先使用自己能够获得的最强模型。
四、不要一开始就想着“一个便宜模型解决所有问题”
我现在反而不太建议初学者一上来就研究：
哪个 API 最便宜？
哪个模型免费额度最多？
哪个国产模型能不能完全替代某某模型？
这些当然都值得研究，但不是第一步。
第一步应该先体验：
目前最好的 AI 到底能做到什么程度。
因为只有用过真正强的模型，你才知道 AI 的能力上限在哪里。
否则很容易出现一种情况：
拿一个能力一般的模型做复杂法律工作；
发现效果不好；
然后得出结论：
“AI也就这样。”
其实不是 AI 不行。
可能只是你用的那个“大脑”还不够强。
等真正知道顶级模型能做到什么以后，再考虑哪些工作可以交给便宜模型，哪些工作必须使用强模型。
这个顺序更合理。
五、我的做法：主力模型一定要舍得花钱
所以，如果准备认真把 AI 用到工作中，我建议至少保留一个第一梯队模型作为自己的“主力大脑”。
具体使用 ChatGPT、Claude、Gemini，还是国内的智谱、Kimi、豆包等，可以根据自己的网络条件、预算、工作习惯和数据合规要求选择。
而且没有必要认定某一个模型永远最好。
模型能力变化非常快。
今天最强的，半年后未必还是最强。
真正应该建立的习惯是：
长期保持一个足够强的主力模型。
简单工作可以交给便宜模型。
批量处理可以调用 API。
搜索可以使用专门工具。
但真正重要的合同、诉讼策略、法律意见、复杂分析，尽量让能力最强的“大脑”先处理一遍。
六、AI基建，不要从工具开始，要从“大脑”开始
很多人理解的 AI 基建，是服务器、MCP、知识库、Agent、自动化。
这些当然都是基建。
但我越来越觉得，最基础的一层其实是模型。
我的顺序会是：
第一步：先拥有一个足够强的大模型大脑。
然后才是：
给这个大脑配一个好用的智能体；
给智能体接上 MCP；
准备好一台适合 AI 工作的电脑；
再慢慢搭知识库、GitHub、服务器和自动化系统。
后面的文章，我会把这整套东西一层一层拆开。
但所有这些东西的起点，还是同一句话：
不要舍不得给 AI 配一个好大脑。
尤其是律师这种高度依赖阅读、理解、推理和文字处理的职业。
模型能力，就是生产力的底座。
