事件
2026 年 5 月，本田宣布對矽谷自動駕駛 AI 軟體新創 helm.ai 追加投資，雙方將共同推進下一代端到端（E2E）自動駕駛與 ADAS 系統，目標落地於 2027 年後的電動車與混合動力車款。這不是本田第一次投資 helm.ai，「追加」二字意味著：本田看完第一輪實驗結果，選擇繼續押注。
這個決定背後的戰略邏輯
自動駕駛軟體是一場典型的「能力競賽」。問題不在於本田有沒有工程師，而在於：端對端神經網路訓練管線、資料飛輪、模型迭代速度——這些能力的積累需要的不只是錢，更是時間與組織基因。
這裡出現了 Oliver Williamson 在 1975 年交易成本理論中提出的核心命題：
> 「當市場上存在更高效的能力供給者，且內部複製成本高於外部取得成本時，企業應選擇向外購買而非自建。」
本田的選擇正是這個邏輯的現實版本。
為什麼這不只是「外包」
Make-or-Buy 困境的精妙之處，在於它不是非黑即白的選擇，而是一個控制權換速度的連續譜系：
- **完全自建**：掌控最高，但速度最慢、試錯成本最高（Tesla 路線）
- **收購**：快速獲取，但整合成本高、文化碰撞風險大（GM 收購 Cruise）
- **策略投資 + 合作開發**：保留靈活性，以資本換技術存取權，同時維持供應商競爭壓力
本田選的是第三條路——這是一種選擇權思維（real options）的應用：先投資取得進入權，等技術成熟度與市場格局更清晰後，再決定是否深化、收購或轉向。
歷史上的平行案例
豐田 × Woven Planet：豐田選擇自建，成立 Woven City 與內部 AI 部門，速度慢但護城河深。
福特 × Argo AI：2021 年投資 26 億美元，2022 年直接關閉——這是 Make-or-Buy 失敗的教科書案例，既沒有建好，也沒有買到。
蘋果 × 晶片設計：反向案例——蘋果判斷晶片設計是核心差異化能力，選擇完全自建（M 系列），而非繼續向 Intel「購買」。結果是性能領先 3-5 年。
Netflix × 內容製作：Netflix 一開始「購買」（授權影片），後來判斷原創內容是護城河，轉向「建造」（Netflix Originals）。時機判斷對了，市值翻倍。
本田面對的真實困境
傳統 OEM 車廠在軟體定義汽車時代面臨一個結構性矛盾：
1. 自研需要 10 年的 AI 人才積累與資料基礎設施，但 2027 年的車型等不了 2. 完全外包意味著喪失對核心用戶體驗的掌控，未來成為「硬體代工廠」 3. 策略投資是折衷方案，但存在技術依賴風險——如果 helm.ai 被競爭對手收購？
這就是為什麼「追加投資」這個動作值得解讀：本田在第一輪投資後看到了足夠的技術可行性，選擇深化綁定而非另起爐灶。
這個 atom 的普遍性
Make-or-Buy 困境不只屬於汽車業，它出現在每一個技術變革期：
- 銀行業在 FinTech 浪潮中投資新創 vs. 自建數位銀行
- 媒體集團在串流時代收購技術團隊 vs. 授權平台
- 國防工業在 AI 武器化趨勢中採購 vs. 自研
核心判斷框架只有兩個問題： 1. 這個能力是否是長期競爭差異化的來源？ 2. 自建的時間成本是否會讓你在窗口關閉前落後？