企业 AI 项目多少钱？把预算拆成四段再谈价
"做一个企业 AI 项目多少钱"没有脱离范围的统一答案。
同样是一个"能对话的页面"：一个只读十份文档、答错了也没关系；另一个要接 ERP、要控制谁能看哪些数据、要处理异常、还要为生产环境的稳定性负责。这两件事看起来一样，成本和责任差一个数量级。
所以先别问多少钱，先问买的是哪一段。
---
先把预算拆成四段
企业 AI 的钱花在四个互相独立的阶段。混在一起报价，你永远比不出高低。
| 阶段 | 买的是什么 | 交付物 | 失败的样子 |
|---|---|---|---|
| 一、诊断 | 判断该不该做、先做哪个 | 场景排序、可行性判断、验收标准草案 | 报告很厚，但没说清第一步做什么 |
| 二、试点 | 在一个真实任务上证明有效 | 能跑的系统 + 一批可复现的测试结果 | 演示很好看，换个真实问题就崩 |
| 三、建设 | 接进真实系统、真实权限、真实流程 | 上线运行的系统 + 交接文档 | 上线即孤岛，没人用 |
| 四、运营 | 让它持续有效而不是慢慢退化 | 定期评测、更新机制、问题闭环 | 三个月后没人维护，悄悄失准 |
最常见的预算错误是跳过第一段直接买第三段——需求还没想清楚就签系统建设合同，最后花钱买了一个没人用的系统。
MIT 的 NANDA 项目在 2025 年发布的《The GenAI Divide》里给出过一个被广泛讨论的数字：约 95% 的企业级生成式 AI 试点没有产生可测量的损益影响（nanda.media.mit.edu）。这个结论的争议一直存在，但它指向的问题是真的：大部分钱花在了没有验收标准的项目上。
---
真正决定价格的七类工作量
同样叫"做一个 AI 助手"，下面七项每多一项，工作量就上一个台阶。看报价单时，逐项问对方包不包含。
1. 数据边界与合规
数据能不能出公司？哪些字段必须脱敏？有没有行业监管要求？这一项决定了能不能用公有云 API，而这个选择本身就是几倍的成本差。
2. 知识治理
资料是现成能用的，还是要先去重、去过期、补上下文？这一项最容易被低估——它枯燥、不出彩、但决定成败。一份没标适用范围的价目表被检索到，AI 会当成通用规则来答。
3. 系统集成
只读文档，还是要读写业务系统？有没有现成 API？接口文档是不是最新的？"要接 ERP"这五个字背后可能是整个项目一半的工作量。
4. 权限模型
所有人看到一样的答案，还是每个人只能看自己权限内的？后者要求检索必须在权限范围内进行——不能先检索出来再过滤，那样会从措辞里泄露不该看到的信息存在。
5. 异常处理
答不上来怎么办？答错了谁发现？有没有人工兜底通道？没有这一项的系统，上线就是风险。
6. 评测与验收
用什么证明它有效？固定的测试集在哪？谁来判定通过？没有这一项，"完成"就变成了一句主观判断。
7. 持续运营
谁负责更新、多久更新一次、改完谁验证。这一项通常按年计，且必须有人的名字，不能写"IT 部门"。
---
让不同供应商的报价可以比较
拿到三份报价单，价格差三倍，怎么判断？不要比总价，比下面这五项的口径是否一致。
1. 范围口径：是四段全包，还是只做试点？把"包含哪几段"写进合同第一条。
2. 验收口径：怎样算做完？必须是可验证的——固定测试集上的通过率、指定场景的处理时长、明确的人工介入比例。"用户满意"不是验收标准。
3. 数据口径：谁负责整理资料？如果是企业自己，要预留内部人力；如果是供应商，要问清楚整理到什么程度。
4. 责任口径：出了错谁负责、多久响应、怎样回退。
5. 退出口径：不合作了，数据怎么导出、系统还能不能用、有没有绑死在某一家的组件。
第五项最常被忽略，也最贵。签之前问一句"如果两年后我们换供应商，需要重做多少"，答案会告诉你这份报价的真实成本。
一个可以直接用的对比动作：把三份报价单摊开，只做一件事——把上面七类工作量做成一张 7 行 3 列的表，逐格填"包含 / 不包含 / 没写"。填完之后通常会看到：价格最低的那份，"没写"的格子最多。差价往往不在报价里，在那些没写的格子里。
---
关于模型调用费用的一个常见误解
很多企业第一次做预算时，把注意力放在"调用大模型每次多少钱"上。这通常不是主要成本项。
主流开放平台（阿里云百炼、火山方舟、DeepSeek 开放平台等）都按 token 计费，且输入和输出分别定价——这些平台的定价页是公开的，随时可查，也在持续变化，所以这里不写具体数字，读者可以自行核验当期价格。
需要提醒的是三件事：
- 价格在快速下降，且波动大。把某一天的单价写进多年期预算，意义不大。
- 真正的成本变量是调用量和上下文长度，不是单价。一个每次塞进两万字上下文的系统，和一个精准检索三百字的系统，成本差几十倍——这是工程问题，不是采购问题。
- 人的成本通常远大于算力成本。资料治理、系统对接、评测设计、上线陪跑，这些都是人天。
一个粗略的经验比例：在一个完整的企业 AI 项目里，模型调用费用通常只占总投入的个位数百分比，而资料治理、系统集成和评测设计这三项加起来往往超过一半。把预算的注意力放在前者，等于在优化一个不到 10% 的科目。
一句话：省钱的空间在架构和范围里，不在比价格表里。
---
没想清楚需求时，先买诊断
如果现在还回答不了下面这三个问题，不要签系统建设合同：
1. 第一个要解决的任务是什么？（具体到"谁、在什么时候、做什么"）
2. 现在这件事花多少人力、错误率多少？（没有基线就没有改善）
3. 做成什么样算成功？（可验证的，不是"感觉更好"）
答不上来，就先做诊断。诊断的价值不是产出一份报告，而是把这三个问题变成有答案的。
诊断阶段的投入通常远小于建设阶段，而它避免的浪费可能是建设费用的全部。
---
一份可以直接用的预算自检表
做完预算，对着这七条过一遍：
- [ ] 四个阶段分别列了金额，不是一个总数
- [ ] 每个阶段写了交付物和验收标准
- [ ] 企业内部要投入的人力也算进去了（这一项最常漏）
- [ ] 数据治理的工作量有明确归属
- [ ] 上线后第一年的运营费用列出来了
- [ ] 写清了退出条件和数据导出方式
- [ ] 有停止条件——什么情况下这个项目应该中止
第七条最重要。没有停止条件的项目，只会一直花钱下去。
---
相关阅读
- 企业 AI 项目怎么验收：七层验收标准与证据要求
- 企业第一次做 AI，怎样选对项目并设计可退出的试点
- 企业做 AI 项目前需要准备哪些资料
- 企业 AI 私有化部署怎么选：公有云、混合与本地部署的成本结构
---
*本文说明的是方法与判断标准，不代表任何未公开项目的实施细节。文中提到的定价机制与公开研究，出处已在正文标明，读者可自行核验。*