Fat Data / Fat Skill 的核心概念是「AI 時代仍能撐住的兩種 護城河」。Fat Data 是別人沒有的獨家資料—例如十年的判決書資料庫、保險理賠歷史、醫院影像標註。Fat Skill 是深度嵌入行業的工作流知識—例如保險核保流程、銀行合規要求、醫院動線設計。相對概念是 Thin Wrapper。

概念位置

Fat Data / Fat Skill 承擔的責任是：當底層 AI 模型不斷進步時，這層資料 / 知識仍然只有你有，所以你的產品不會被基礎模型供應商直接輾平。Fat Skill 通常需要 FDE 才能萃取出來，因為它是 隱性知識 的編碼。

可觀察訊號與例子

Fat Data 的判讀訊號：資料是不是花了多年才累積、是不是來自獨家管道、能不能被簡單爬取或重建。Fat Skill 的判讀訊號：是否依賴 FDE 才能服務、是否需要長期在客戶端駐點才能學會、客戶離開後員工是否會被別家挖走整套搬家。Bloomberg Terminal 同時有 Fat Data（獨家金融資料）跟 Fat Skill（交易員工作流），是兩種護城河疊加的典型。

判讀方式

看到「沒有 fat data 或 fat skill 的會被殺到地板」這類論斷時，意味著該分析師認為 AI 時代差異化只剩這兩條路。判讀一家 AI 新創的存活機率，看它累積的是 fat data、fat skill、還是純粹的 Thin Wrapper。這也是 VC 投資 AI 新創時的核心過濾條件。