前幾天我寫了一篇關於 SaaS 到 Agent 典範轉移（paradigm shift）的文章，討論 AI Agent 如何重新排列軟體堆疊（stack）的價值。文章寫完之後，有一個問題一直留在我心裡：
那篇文章談的是企業與產業。但對個人，或者對多數中小團隊來說，更直接的問題其實是：
你每天在用的 AI 能力，真的是你的嗎？
你現在用的 AI，大部分是「租來的智能」
今天使用 AI 的門檻非常低。訂閱 ChatGPT、開啟 Copilot、在 Notion 或 Slack 裡打開 AI 功能，幾分鐘內就能得到一個相當完整的 AI 體驗。
這是好事，代表每個人都可以從同一個起點出發。
但如果你往下一層看，會發現一個問題：你擁有的，其實只是「使用權」。
你的提示詞（prompts）、上下文（context）、你上傳的文件、你累積的工作流程，全部存在別人的產品裡。你付錢，它就可以一直用；但當平台改變規則、調整價格、更換模型、關閉功能時，你基本上只能接受。
更重要的是：你用了兩年，累積的東西並不屬於你。換工具的那一天，一切歸零。
這跟我上次寫的 Evernote 例子很像。不是產品不好，而是當你的資料與工作流程（workflow）被鎖在一個應用程式（application）裡面時，切換成本就默默變成你的負債。
這也不是假設性的風險。我在上一篇文章提過 Airtable：市場可以在短短幾年內，重新回答「這種軟體到底值多少錢」這個問題。當平台本身都在被重新估值、被收購、被改變方向時，把你的知識與工作流程完全寄放在別人的產品上，本身就是一種集中風險。
通用智能很強，但它不是「你的」智能
今天的前沿模型（frontier models）都很強，任何人訂閱之後，都能拿到差不多等級的通用能力。
但真正拉開差距的，從來不是模型，而是上下文（context）：你的資料、你的偏好、你的業務或創作流程、你做過的決策。
租來的智能，本質上是通用模型加上接近零的上下文（context）。每次對話都從頭開始，就算有記憶（memory）功能，也只能記得一小部分。它並不真正知道你是誰、你在做什麼。
而自己建立的智能完全不同。它建立在你的資料與工作流程之上，愈用愈準，產生的價值累積在你身上，而不是累積在平台上。
一句話：通用模型是商品化能力（commodity），誰都租得到；你的上下文（context）與資料，才是你的護城河（moat）。
什麼是「Own your AI stack」
上一篇文章提到，下一個世代的軟體堆疊（stack）可能逐漸變成：
運算／邊緣運算／私有雲（Compute / Edge / Private Cloud）→ 資料（Data）→ API／工具（API / Tools）→ Agent → 人（Human）
把同樣的結構放到個人與小團隊身上，就是我說的「自己的 AI 堆疊（AI stack）」：
- 資料層（Data layer）：筆記、文件、素材，放在開放格式裡——Markdown、Git、本地檔案、自己的資料庫（database），而不是封閉的應用程式（application）。
- 知識層（Knowledge layer）：讓 Agent 能索引並理解你的資料——本地知識庫（local knowledge base）、RAG、長期記憶。
- 工具層（Tool layer）：透過 MCP 這類開放協定與 API，把你的資料和工作流程接給 Agent。
- Agent 層（Agent layer）：Codex、Claude Code 這類程式開發 Agent（coding agent），以及 n8n 這類工作流程編排（workflow orchestration）工具。
- 模型層（Model layer）：這一層反而是最不需要擁有的。前沿模型 API（Frontier API）可以租用，開放權重模型（open-weight models）可以自行託管（self-host）；重點不是用哪一家，而是能不能隨時替換。
這裡的核心原則其實很簡單：
擁有資料與編排層，租用模型層（Own the data and orchestration layers, rent the model layer）。
模型進步非常快，今天租到的能力，半年後可能被超越，沒有必要綁死。但資料、上下文（context）、工作流程，是會隨時間複利的資產，必須握在自己手裡。
為什麼是「現在」
過去個人想自己建立工具，門檻很高。但現在有三件事改變了：
第一，MCP 等協定開始標準化。把工具、資料、服務接給 Agent，不再需要每一件事都自己開發，整合成本快速下降。
第二，程式開發 Agent（coding agent）大幅降低了「建造」的門檻。只要能清楚描述需求，Agent 可以幫你寫腳本（script）、建立工作流程（workflow）、串接 API。很多過去需要工程團隊的事情，現在一個人加 Agent 就能完成。
第三，開放權重模型（open-weight models）與本地推論（local inference）逐漸成熟。你開始有選擇權，而不是被綁在單一供應商（vendor）身上。
這三件事加起來，讓「擁有」的成本，下降到個人與小團隊可以負擔的水平。
自己的智能（Intelligence），是會複利的資產
我很喜歡用「費用 vs. 資產」的角度看這件事。
租來的智能本質上是費用：每個月付錢，買到的是一樣的通用能力；停止付費，能力停止，累積也不屬於你。
自己建立的智能則是資產：每一篇你整理好的筆記、每一個你自動化掉的重複工作流程、每一條你加進 Agent 的技能（skill）或記憶（memory），都會讓這個堆疊（stack）更適合你。
這就是「使用 AI」跟「建立自己的智能（intelligence）」的本質差別。
對企業來說，同樣的邏輯也成立。上一篇文章談台灣大與精誠、談 SAP 投資 n8n，我真正想強調的是：未來企業重要的不是買更多 SaaS 席位（seats），而是自己的 ERP、CRM、資料庫（database）能不能被 Agent 安全地編排（orchestrate），而且這個編排（orchestration）能力，是建立在自己的資料與治理之上。
如果一家公司不擁有這一層，長期下來，它的利潤就會變成別人的租金。
怎麼開始：四個小步驟
很多人聽到「建立自己的堆疊（stack）」，第一個反應是：這聽起來是大工程。
其實不是，也不需要從第一天就自行託管（self-host）所有東西。
我會建議從四個小步驟開始：
- 把資料從封閉應用裡拿出來。 匯出、備份，轉成 Markdown、CSV、Git 這類開放格式。資料可攜性，是擁有權（ownership）的第一步。
- 選一個高頻率、重複的工作流程，用 Agent 加 MCP 把它自動化。 不追求完美，先求跑通一次。
- 建立自己的知識庫（knowledge base）與記憶。 讓 Agent 可以引用你過去的累積，而不是每次都從零回答你。
- 保持可替換性。 模型、工具都應該隨時能換；不要把資料綁死在任何一家供應商（vendor）的使用者介面（UI）上。
我自己的做法是：筆記與素材放在 Markdown 與 Git，讓程式開發 Agent（coding agent）直接讀寫檔案、執行工作流程，常用服務透過 MCP 接起來。模型隨時可以換，但資料與工作流程是自己的。
擁有權（Ownership）的重點是介面（interfaces）和資料（data），不是擁有每一個元件（component）。
結語：把累積留在自己這一邊
上一篇文章我提到，真正的典範轉移（paradigm shift），是價值從使用者介面（UI）與 SaaS 席位（seats），轉移到資料（Data）、運算（Compute）、身分識別（Identity）、工作流程（Workflow）、API、Agent 執行環境（Agent Runtime）與編排（Orchestration）。
這個邏輯對個人同樣成立：
AI 時代最有價值的，不是你訂閱了多少服務，而是你有沒有一個自己控制的堆疊（stack）。
Own your AI stack。你的每一份累積，都會複利成你自己的智能（intelligence）。
否則，你只是在租用別人的智能（intelligence），並且把累積留在別人的平台上。
這不需要一步到位。從把第一份筆記匯出成 Markdown、選一個工作流程交給 Agent 開始，你就已經在建立並擁有自己的堆疊（own your stack）了。
我認為，這是現在每一個人最值得開始做的事情。
如果你也對 Own your AI stack 這個方向有興趣，歡迎找我聊聊，也很想知道大家現在是怎麼建立自己的 AI stack。