每家代理商都会给出一个宽泛到毫无用处的区间，因为坦诚的答案取决于他们尚未了解的情况。因此，下面介绍数字背后的构成：四种常见 AI 项目分别涉及什么、你需要的是哪一种，以及哪些因素会推高每一种项目的成本。
下文的成本以工程师周计，而非金额。费率因市场和执行人员而异；报价美元的页面，对大多数读者来说，在阅读当天就不适用了。请乘以你实际比较的费率。这些是我们根据构建此类项目的经验所作的估算，并非行业调查数据。
AI 项目的四种类型
我们收到的请求几乎都属于其中一种，或是两种叠加。明确你想要哪一种，是得到真实报价的最大一步，而且你可以在联系任何人之前完成这一步。
| 类型 | 功能 | 到首个生产版本所需时间 |
|---|---|---|
| 根据你自己的内容回答问题 | 员工或客户提出问题，系统根据你的文档作答并注明出处 | 4–8 个工程师周 |
| 信息提取与分类 | 将发票、电子邮件、工单或表单转换为结构化字段或类别 | 3–6 个工程师周 |
| 执行任务的智能体 | 在你的系统中执行操作，而不只是生成文本 | 8–16 个工程师周 |
| 集成到产品中的模型 | 在用户设备或你自己的服务器上运行，不调用第三方 API | 10–20 个工程师周 |
后两种的区间更宽，原因相同：两者都取决于 AI 之外的因素。智能体能否构建，取决于它需要通过哪些 API 执行操作；设备端模型则受限于你决定支持的硬件。
真正影响价格的因素
如需了解具体的信息提取工作流程，请查看我们的 发票数据提取指南 和 定制发票处理自动化服务：接收、验证、员工审核，以及导出到你的会计系统。
这些因素都不是模型本身。模型选型需要一周评估，之后只是配置文件中的一行；如果一份方案把模型选型当作核心问题，这就说明了这份方案的水平。
- 数据的现状。 这是影响最大的单一变量。文档干净、最新、结构清晰且集中存放，是成本较低的情况。四个相互矛盾的记录系统、扫描版 PDF，以及自 2023 年以来就无人更新的 Wiki，则意味着成本较高——而这属于数据整理工作，无论如何你都需要做。
- 准确率要求有多高。 “生成草稿后由人检查”和“无人值守地采取行动”之间有很大差距。后者需要度量、故障处理机制，以及安全出错的方式，预算也主要花在这里。
- 涉及多少个系统。 每个集成都有自己的身份验证、速率限制和错误情况。接入两个系统很常见，接入六个就是另一个项目了。
- 是否有人负责评估。 如果你们这边没人能判断答案好不好，我们就得先建立相应的评估机制。这项工作值得做，但并非免费。
- 数据可以流向哪里。 “任何数据都不能离开我们的基础设施”是合理的限制条件，也会影响设计方案。通常这意味着使用由你托管的开放权重模型，以部分能力换取控制权，同时由你承担托管成本。
容易被忽略的运行成本
开发估算不等于预算。上线后还有三项持续成本，而计划中通常只列了第一项。
- 用量。 按请求计费，随用量增长。试点规模下成本低，所以到了生产规模时常让人意外。在确定架构之前，值得按试点用量的 10 倍进行估算。
- 评估与监控。 随着内容变化，以及服务提供商在底层更新模型，系统质量会发生偏移。必须有机制持续监测这些变化。
- 服务提供商变更。 服务提供商会按自己的计划弃用模型。请预留每年几天的工作时间用于迁移，并避免采用难以迁移的设计。
概念验证该花多少钱、证明什么
两到四周。超过这个时间，它就不是概念验证，而是一个没有计划的项目。
关键在于它的目的。概念验证应该以决策收尾，而不是演示；要确保这一点，就要在开始之前写下成功所需达到的指标，以及未达标时你会怎么做。“至少要正确分类 85% 的工单，否则就停止”是概念验证。“看看 AI 能为我们做些什么”则是一次研讨会。
它还应该产出你之后仍会需要的东西：一小组真实且带有正确答案标注的样本。无论当前使用的是哪个模型，这组测试数据都能继续使用，也能让下一次决策成本更低。
值得向任何供应商提出的问题
- 1. 哪些情况会让成本达到你们估算的两倍？
- 2. 我们如何用具体数字判断项目是否有效？由谁来衡量？
- 3. 当我们的用量达到试点的十倍时，每月成本是多少？
- 4. 你们选择的模型被弃用时会怎么办？
- 5. 我们的数据会流向哪里？哪些数据会被保留？
- 6. 系统不知道答案时会怎么做？
- 7. 最后，代码、提示词和评估数据集归谁所有？
第六个问题最能说明问题。无法回答这个问题的系统会自信地编造内容，而这正是此类项目失去预期用户信任的方式。
哪些情况下不该自建
以下三种情况，我们会建议你不要自建，因为尽早说明这一点，对双方来说都更省钱。
- 流程没有任何书面记录。 如果没人能描述规则，项目就应该从运营流程着手，而不是从 AI 开始。
- 每月只发生十次。 自动化一个罕见任务，通常很难抵消维护自动化系统的成本。
- 现有产品已经能做到。 如果你的数据并非差异化优势，就购买现成产品。比起向你收取重新开发的费用，我们更愿意直接告诉你这一点。
我们的工作方式
我们是一支小型工程师团队，而非代理商：你可以直接与编写代码的人沟通，中间没有客户经理，而且我们会谨慎挑选承接的项目。在 AI 方面，我们提供 LLM 集成、基于你自有内容的检索、智能体，以及部署由你自行托管的模型——此外，工作室其他业务还包括 .NET、Python、TypeScript 和云服务开发。
我们也开发并发布自己的 Windows 软件，包括 一款完全在用户电脑上运行语言模型的文本助手，因此设备端运行和隐私限制对我们来说并非纸上谈兵。
告诉我们你想构建什么
请描述问题，而不是解决方案——现在人们怎么做、多久做一次，以及出错时会造成什么损失。我们会在一个工作日内回复，提供项目范围和报价；如果我们认为你不该自建，也会说明原因。