企业做一个 AI 智能体，到底要花多少钱？
📖 摘要：同一个「AI 客服」需求，报价能差出上百倍——不是有人黑心，是「AI 项目」这四个字底下装的东西完全不同。本文用一手实测数据拆开成本结构：4277 页手册全量索引约 16 元、单次问答不到 1 分钱——模型调用是最便宜的部分，真正的钱花在语料工程、应用编排、环境集成和上线后维护。并给出三个问题，帮你估出自己项目的量级。适合：正在评估 AI 项目预算的企业决策者与项目负责人。
一、一个被问得最多、也最容易被答歪的问题
上个月有人问我：「我们想做个 AI 客服，大概要多少钱？」
我说这得看范围。他说：「别打太极，别人给我报三千，你报多少？」
这个问题不好答，因为它背后藏着一个大多数人没意识到的前提——「AI 项目」这四个字，可以指完全不同的东西：
- 可以指「把公司 FAQ 灌进一个平台，当天就能对话」
- 也可以指「4277 页设备手册变成能定位故障、带引用溯源、能接进企业 IM 的支持助手」
前者和后者，工作量差着几十倍。报价差一百倍不是有人黑心，是大家在说不同的事。
但还有一个更反直觉的事实，我想先讲——这个项目里最便宜的部分，恰恰是大家以为最贵的部分：模型调用。
二、先破一个误解：钱不花在模型上
很多人对 AI 项目成本的直觉是「模型按 token 收费，用得越多越贵，肯定是个无底洞」。
我们拿一个真实交付项目的数据说话——4277 页设备手册，234 个文档，全部转成可检索知识库：
| 成本项 | 实测值 |
|---|---|
| 全量索引（一次性把 4277 页入库） | 约 16 元 |
| 单次问答（检索 + 大模型生成回答） | 不到 0.01 元 |
| 回答中位耗时 | 17.9 秒（其中 LLM 生成占 91%，检索不到 1 秒） |
索引一次 16 块，问答一次不到一分钱。
为什么这么便宜？因为检索做得好，模型就不用读一堆无关内容。一次问答只把最相关的几段材料交给模型，token 消耗自然低。反过来说——如果检索没调好，把整本手册塞给模型，那成本才会失控。
所以成本的下限不由模型决定，由语料和检索工程决定。这也就引出了真正的成本项。
三、钱实际花在哪：四块
| 成本块 | 具体内容 | 特点 |
|---|---|---|
| ① 语料工程 | 格式转换、清洗、分段策略、入库、检索调优 | 最容易被低估的一块 |
| ② 应用编排 | 流程设计、节点配置、分支兜底、联调 | 与场景复杂度强相关 |
| ③ 环境与集成 | 部署方式、私有化要求、接 IM / 内部系统 | 相对可预估 |
| ④ 上线后维护 | 定期复检、语料更新、模型版本变化后的回归 | 最容易被漏算的一块 |
为什么语料工程最容易被低估——因为外人以为「清洗 = 转成文本」。实际做过才知道，光是这一环就有一堆必须处理的事，而且每一件都会被用户肉眼发现：
- 图被截断：我们真实踩过一次——流程图提取只覆盖了一个文本区域，流程图下半部分的判断框被排除，输出是「只有四分之一高度」的图。这是交付前用户自己发现的问题，不是我们自测出来的。后来回溯把同批次 176 张流程图全部重渲染，才把这个坑补上。
- 分段切断了代码块：按固定长度切分时，一段配置命令被从中间劈开，检索命中后半段时给出的答案是残的。
- 空段与重复段：转换过程产生的空白段落进库，占了索引却没内容。
这些问题的共同点是：不处理不会报错，但会让答案变差——而「答案变差」这件事，不做到检索层和内容层是看不出来的。
语料质量决定天花板：语料处理得糙，后面模型再强、提示词再讲究，检索命不中就是命不中。
四、为什么「便宜报价」最后往往更贵
这是我在项目里见过最多的分歧来源。三个机制：
① 范围没写清 → 边做边加
「AI 客服」这句话里没写明：要不要接企业 IM？要不要带引用溯源？答不上来时怎么兜底？范围每模糊一处，后面就多一次「这个我以为含在里面了」。
② 没有验收标准 → 做完「感觉不对」
如果开工前没定「什么算成功」，交付时就只能靠感觉评判——而感觉这东西，双方永远不会一致。
③ 上线即结束 → 效果退化后二次投入
AI 应用不是装完就完。语料要更新、模型版本会变、业务口径会调整——上线三个月后「悄悄变差」是很常见的状态。
一个真实案例：我们做过一次应用体检，那个系统从外面看完全正常——页面能开、问题能答、演示流畅，运行统计里失败次数是 0。体检查下来 41 分（满分 100），其中：
- 13.6% 的问题被系统故障拒答（不是答错，是根本没答）
- 知识库 24.3% 是碎块（分段问题）
- 响应 P95 达到 42 秒
这些问题没有一个会体现在「失败次数」里，但它们都在消耗使用者的耐心。修这些的成本，往往比当初省下的那点钱高。
五、怎么估自己项目的量级（三个问题）
我不给「一个 AI 项目 X 万」这种数字——不同范围的项目没有可比性，报个绝对值反而误导。但你可以用三个问题，把大致量级框出来：
| # | 问题 | 决定了什么 |
|---|---|---|
| 1 | 语料有多少？（页数 / 文档数 / 格式复杂度） | 语料工程投入——这是最大变量 |
| 2 | 要接几个系统？（内部系统、IM、数据库） | 集成复杂度与联调成本 |
| 3 | 上线后谁来维护？ | 要不要把维护成本算进预算 |
量级参考：
- 文档 < 500 页 + 单一场景 + 不接系统 → 语料工程可控，主要投入在编排和联调
- 1000–5000 页 + 需要调优检索质量 → 语料工程成为主要工作量，必须要有一套质量门禁
- 多系统集成 + 长期运行 → 除开发外必须算上维护，且要按「会持续产生投入」来规划
六、不同投入对应什么交付深度
同一件事，投入不同，交付物完全不同。这个差异比价格差异更值得关心：
| 档位 | 流程深度 | 你会拿到什么 |
|---|---|---|
| 轻量 | 半天对齐边界、跑通交付 | 可运行应用 + 一份极简验收单（10–20 条用例） |
| 标准 | 加全量用例、完整验收 | 上述 + 完整验收报告（缺陷分级 + 归因） |
| 完整 | 全链 + 独立复验 | 上述 + 完整文档链 + 维护说明 + 定期复检 |
这里有一个反直觉的建议：如果你的项目属于「文档量不大、场景单一」，不要为了『看起来正规』而要求完整流程——流程是为风险服务的，没有风险的地方上了流程，只是花钱买安心。
反过来，如果这个应用要长期承载业务，那验收和复检就不能省——省掉的不是文档，是「出问题时你能不能定位到哪一环」的能力。
七、一个比价比不出来、但更重要的判断
与其在各家报价之间比数字，不如问一个更具体的问题：
「这个报价里，含不含验收标准？含不含上线后的复检？」
因为价格只说明「收多少」，不说明「交付什么」。一个报价 3000 的方案和一个报价 3 万的方案，如果前者的范围是「把 FAQ 灌进去能对话」，后者的范围是「4277 页手册 + 引用溯源 + 接入 IM + 上线验收报告」，那它们根本不是在卖同一个东西。
便宜的项目不是不能做，是你要知道省掉的是哪一块——以及那一块的代价，会在什么时候还回来。
常见问题
模型调用真的这么便宜吗？为什么还有人说 AI 项目贵？
模型调用本身确实便宜——实测 4277 页语料全量索引约 16 元、单次问答不到 1 分钱。说贵的那些项目，成本大头通常在另外三处：语料工程的工时（清洗、分段、调优，这部分是人力和工程时间）、集成联调（接企业内部系统、IM 平台）、以及上线后的持续维护。
另外一个容易被忽略的点：如果检索没调好，每次问答都要把大量无关内容塞给模型，token 消耗会成倍上升——检索质量同时决定答案质量和调用成本。
语料工程为什么比想象中贵？
因为「清洗」不是把 PDF 转成文字就完事。实际要处理的问题包括：图表被截断（我们真实遇到过流程图只输出四分之一高度）、分段切断了代码块、转换产生的空段与重复段、图文对应关系丢失。
这些问题的共性是：不处理不会报错，但会让最终答案变差，而且往往要等使用者肉眼发现。做一次全量质检和返工，成本通常高于一开始就按流程做。
AI 应用上线后为什么还会持续产生投入？
三个原因：语料会更新（文档改版、新增内容需要重新入库并回归验证）；模型版本会变化（平台或模型升级后行为可能改变）；业务口径会调整（回答边界、术语、流程需要跟着改）。
不处理的后果是「悄悄变差」——系统还在跑、也不报错，但答案的可用性在下降。这也是定期复检存在的意义。
相关文章：RAG 知识库交付实战（下）：18 条用例与成本测算（成本与质量基线的完整实测数据）｜AI 项目烂尾的七个征兆，你经历过哪些？（系统还在跑但不产生价值的七种表现）｜AI 项目交付全流程：一张表从启动跑到沉淀（九步流程与档位裁剪）
本文基于真实交付项目实测数据撰写（2026-08，4277 页手册知识库交付项目与应用体检项目）。文中成本数字均来自实际运行记录。AI 参与创作声明：本文由 AI 辅助写作，内容基于作者真实实测记录。
