AI 试点那笔账，铺开之后翻几倍

一 试点那张账单，和铺开那张不是一张

很多公司的智能体项目都停在同一个场面。试点那三个月，账面漂亮得很：二十个人在用，每人每周省出几个小时，供应商的账单两千块都不到，验收会上没有人提出异议。于是立项铺开，第一批推到四百人。第二个月财务把账单递过来，数字不是刚才那个乘以二十，而是乘以一个谁也没算过的倍数；而同一时间，部门主管交上来的效率报告开始含糊——个人都说好用，公司层面拿不出一条能核对的曲线。

这不是模型忽然变笨了，也不是供应商坐地起价。是因为试点那张账单和铺开那张账单，本来就不是一张纸上的东西，而多数立项材料把前者当成了后者的缩小版。

三句话能说清机制。第一句，智能体干一件事不是问一句答一句，而是在里面转几十步；第二句，这几十步按计量收费，不按座位收费，所以人数一涨、步数一涨，两头一起乘；第三句，试点期那笔账是被三样东西垫着的——免费额度、测试环境里没真去查权限、以及试点挑的都是最容易的那批活。把这三样垫掉，才是量产那个月的形状。

今年市场上传得最广的一句话正好落在这道缝上：几家研究机构都在说，到 2027 年底会有超过四成的智能体项目被企业取消，而原因排在第一位的不是技术不行，是成本攀升，另外两条是商业价值说不清和风险兜不住。同一批机构给今年的主题定调也很直白——从"能不能做出来"转到"能不能管得住、算得清、出了事有人问责"。这句话翻译到预算会上就是一件事：下一年批不批这笔钱，看的是你有没有把第二张账单算出来。

本站有一篇讲的是报价单上那一行单位（不按人头按次数，采购前要问哪几句），那是采购之前的事。这一篇讲的是签完合同、上了线、每个月付钱之后的事，两笔账要分开算。

二 一次任务不是一次问答：钱花在那几十步上

一个员工问助手"这份合同的付款条款有什么风险"，他看到的是一问一答。系统里跑的往往是一条链：先想这一步该干什么，把任务拆开，去系统里查资料，读进来，起草，自检，发现缺条件，再查一次，改，再自检，最后交出来。今年几份讨论里反复出现的量级是：一次复杂的业务处理会触发几十次模型调用；把同一件事放到"问一句话"旁边比，一个任务消耗的计量单位是一次闲聊的五倍到三十倍，编码这类长链条任务能拉到几百倍甚至上千倍。还有一个更麻烦的读数：同一个任务跑两次，成本能差三十倍。

为什么步数要重新交代上下文——用管理的话说，模型没有记忆，每一段都要把前因后果再说一遍。你让它查一张订单，它得先知道这是哪家客户、什么口径、上次改到哪；这些"再说一遍"的每一遍都按计量计钱。所以最贵的那一笔往往不是"思考"，是重复交代。

对预算的三条推论是硬的：

第一，计价单位从"一次问答"变成"一个任务"之后，任务的步数不由你定。你能定的是允许它自己走几步、走到第几步必须停下来问人。这一格没设上限的，账单由模型的心情决定。

第二，同一任务两次运行差三十倍这件事，决定了预算要按分布的上沿做，不能按平均数做。按平均数做出来的预算，每个月都会超一点，年底变成一次追加会议。

第三，供应商按"次"报的那一档，先问清那一次含几步。同样的问题，含三步和含三十步是两个价。这一条和采购那篇是一根线上的，只是到了运行期，问的人从采购变成财务和使用部门。

三 单价降了九成，账单为什么还在涨

这是今年最容易被拿来安慰人的一句话：模型越来越便宜了。这句话本身有依据——一份被反复转述的统计口径说，同等能力的文本模型价格在两年多里降了近八成；另一条预测说，到 2030 年单位推理成本会比 2026 年再降九成。

另一句话也在同一时间流传：智能体类应用单个任务的计量消耗，到 2030 年要涨二十几倍。还有人说得更细——推理供给每年能长出三倍，某些需求指标每年长出接近十倍；一家咨询机构内部看到，约十分之一的用户吃掉了三分之二的用量。

**这两句不矛盾，它们只是在说同一笔账的分子和分母。**把口径掰开：

• 单价的降幅说的是"同等能力的一次调用"，不是"你这一件事"。你的事变复杂的速度比能力变便宜的速度快。
• 用量的增幅来自自主度，也就是你允许它自己走几步、走几步回来重走。这一格是管理决定，不是技术参数。
• 那两个数不属于同一家机构的同一份口径，不能直接相乘当成结论。真要给自己算，只用一句话：降价是每条单位价格的曲线，账单是这条曲线乘以你自己的用量曲线。上面那两个数放在一起的意思只是"单价下降不会自动让账单变小"，别把它读成"成本一定会失控"。

还有一个财务上的读数值得记住：有厂商的研究说，企业花在人工智能上的钱里，推理已经占到八成五，训练不是大头。这意味着前两年省下来的采购钱不会自动变成预算空间——它被每个月的调用单吃掉了。预算表上"AI 支出"那一格，从资本开支变成了日常费用，这是很多公司财务口径今年第一次遇到的事。

四 员工个人省下的时间，为什么没进公司的账

第二条取消原因叫"商业价值说不清"。这一条比成本那条更难查，因为它不是没有价值，而是价值落在了没人记账的地方。

先说一个今年被引用的调查：对一千多名美国大企业员工的研究发现，从用一个工具增加到用两个，自报的效率明显上升；用到四个以上，效率转而下降，还有一成人报告了注意力被切碎、决策变慢的自述。研究者自己也说明这是自报数据，那条拐点不是铁律。但方向和很多公司的体感一样：多发工具不等于多产出，工具过了某个数量开始互相抢同一份注意力。

然后是那道交接。个人省下来的时间是碎片：一个客服每天省四十分钟，一个销售每天省一小时。这些碎片要变成公司的账，只有一条路——被某个环节接住，多接一批单、多打一轮回访、把一个原来排三天的活提到明天。试点期这条路是靠不上心的主管顺手接住的；铺开之后没有那个人，于是省下的时间蒸发在日历缝里，效率报表上一片好评，公司账上一个数都没有。

今年还有一组公开的运营读数被反复引用：某家客户关系管理软件厂商说自己平台上的智能体创建数与由智能体主导的对话数都在成倍增长，但同一季度里"由机器转回人工"的比例也在往上走；另一家银行的做法被拿来当正例——内部平台开放给员工自选、日活接近一半、没有强制，而且没有把用量本身当指标。这两格本文都按二手转述处理，它们指的方向倒是同一句话：前端自动化不代表后端人力减了，用量高不代表产出多。

所以价值那一栏要写的不是"预计节省多少小时"，而是"哪个环节的时间被腾出来、腾出来的那段时间接了什么活、由谁认领"。这一格写不出具体环节和具体人名，就说明还没到铺开的时机——不是成本问题，是收益没法验收。

五 试点结论带不出那间屋子：四道断口

试点的结果是真实的，但它真实只在那个房间里。往四百人、一千人推的时候，会撞上四道断口。

**第一道，任务难度分布被选偏了。**试点挑的是最容易演示、最容易衡量的一批活，跑出来的步数与消耗自然低。铺开的第二个月，长尾找上门：资料不全的、跨三个系统的、要人来回确认的。前面说过，任务的步数不可比、同一件事两次运行能差几十倍——长尾的成本不是均值的加法，是乘法。

**第二道，人数不是线性，峰值才是那一格。**试点二十个人错峰用；铺开四百个人在早上九点一起开工、在月底结账那三天一起跑对账、在大促售后那一周一起接投诉。今年讨论里被说得最多的一个场景就是这个：全员同时启动，瞬时压力直接拉满，月账单翻倍。预算要按最忙那一小时做限流和额度，按全月平均数做出来的额度一定会在最需要的时候把业务卡住。

**第三道，试点那三个月的价格不是量产价。**免费额度、概念验证期的折扣、内部结算用的一个不含运维的价、测试环境里不去真查权限所以少跑几步——这四笔在试点账上都不存在。第一个量产月的账单上会出现几行"以前没有的项目"，那几行不是乱收费，是垫子被抽掉了。

**第四道，试点那张成本表里没有几种角色。**复核的人、返工的人、值班看告警的人、审计要材料的人、以及被拒绝之后把活重新用手做一遍的人。今年几组被广泛引用的数就是这一格的账：一份调查报告说只有很小比例的企业级生成式系统真正走到了生产部署；另一份调查说"放弃了大部分人工智能项目"的企业占比在一年之内从不到两成涨到四成以上；还有一组漏斗被拿来当参照——拿到预算的项目里，走到生产的只有十分之一上下，走到"达到设定回报目标"的又是其中一小半。这三个读数分母各不相同，不能互相换算，但它们说的同一件事是：从"能跑"到"值得跑"中间那一段，走的全是没人记的成本。

顺带把采用率那两个数摆在这里，省得下次开会又被拿去做对照：一家研究机构今年的调查说，只有约两成组织真正部署了智能体，但超过六成的组织计划两年内部署，那是那份调查里最陡的一条采用曲线。这两成与六成之间隔着的东西，不是模型能力，就是上面那四道断口。

六 一道分母全自设的算术：钱到底花在哪一行

下面这一串数每一个分母都是我自己设的假设，不是任何一家的报价，也不是任何一次真实项目的记录。它只用来撑一件事：**把"人数乘以二十、账单乘以二十"这个直觉拆开，再看清账单上最大那一行其实不是模型的钱。**换成你自己的行数与单价，结论只跟着"净账里最大的一行是返工工时"这条机制走，不跟着数字走。

先算试点。二十个人，每人每天交给智能体六个任务，一个月二十一个工作日，就是两千五百二十个任务。假设每个任务平均走十步，每步交代进去三千个计量单位，一个月就是七千五百六十万。按每百万两个元，试点那张账单大约是一百五十元一个月。这个数字在验收会上很好听。

再按线性直觉外推：四百个人，人数乘二十，账单到三千零二十四元。接下来把第五节那四道断口装进去，一次只挪一个分母：

• 长尾任务把中位步数从十步抬到二十二步（乘二点二）；
• 接进真实资料之后每步交代量从三千抬到七千（乘二点三三）；
• 一成二的任务跑完要重来，多耗一遍（乘一点一二）。

三千零二十四元经过这三乘，约等于一万七千四百元一个月。也就是说人数乘二十，模型用量实际乘了一百一十五。到这一步，大多数讨论就停了，接着去谈要不要换家便宜的模型。但真正的大头不在这里。

同一批任务里，那一成二"跑完仍要人工重做或大改"的量，是六千零四十八个任务。假设每个兜底二十分钟，就是两千零一十六个工时，按六十元一小时，约十二万一千元一个月——比模型的用量高将近七倍。

于是这条账要这样结。价值那一侧：四百人每人每月省六小时，是两千四百个工时，同样按六十元算是十四万四千元。全部摆在一起：

• 返工率一成二那一档：十四万四千，减一万七千四，减十二万一千，每月净剩不到六千元；
• 返工率压到百分之四那一档：兜底工时从两千零一十六个降到六百七十二个，钱从十二万一降到四万零三百二十元，每月净剩约八万六千元；
• 反过来，如果腾出的时间只接住三分之一（四万八千元），在返工一成二那一档每月净亏九万元，即使返工压到百分之四仍然净亏一万元。

三个数放一起就是一张抓手排序表：**返工率最贵，接住率第二，模型用量与单价最便宜。**一家机构内部看到"十分之一的用户吃掉三分之二用量"，那是成本侧的噪声；而净账上的胜负在验收标准、任务分级和那个肯认领时间的环节主管身上。所以下面两张表，一张管三栏填满，一张管前两个抓手怎么落。

七 铺开之前要填满的三栏

立项材料上那页"成本、收益、风险"通常只有第一栏有数。这张表的用处是把每一栏的过关答案写死——拿去开会在座谁能答上就算过，答不上就不是价格问题。

栏	要填的那一格	什么答案算过关	没填会发生什么
成本	单任务的步数与消耗分布	说得出中位数和最差那一档，且最差那一档有人负责复核	预算按平均数做，两个月后被峰值打穿
成本	最忙那一小时的用量	按高峰做过额度与限流方案，不是按全月平均	铺开第一周在最需要的时候把业务卡住
成本	报价里"一次"含几步	合同或工单上写得出一次任务的定义与超出怎么计	按次的报价在执行时变成按步
成本	试点账里哪几行量产之后不再有	能列出具体的几行：免费额度、折扣、内部结算价、不查权限	第一个量产月把这几行当成乱收费吵一个月
价值	被腾出的时间落在哪个环节	有环节名、有人名、下季度可核对	好评一堆，公司账上一个数都没有
价值	返工率与兜底工时	敢把返工比例写进表，并给出压下去的具体抓手	净账其实没算，只是没报出来
控制	额度与告警	按任务或按部门设，告警有人接，加额有一条申请的路	月底第一次看见账单
控制	停手条件与退路	立项纸上有"什么情况下我们停"那一行	第一次追加会变成"已经投这么多了"

第三栏那一格（控制）今年被反复提到的原因很实在：不少治理成熟度的评估把企业现在的水位放在两成上下，而号称在做智能体的供应商里被认定真正达标的只有百来家——大量项目挂的是同一个标签，里面装的东西完全不同。这两格本文都按二手转述，但它们落到采购上是一句可用的话：标签不说明颗粒度，要按上面那八格逐格问。

八 把账单压回去的五层做法

第五节和第六节讲的是钱会往哪里跑，这一节是怎么按住。**注意排序：前两层压的是净账上最大的那一行，最后一层压的是单价。**很多人只会从最后一层开始，所以做了很多事，账单只降一点。

层	做法	省的是哪一笔	先要有的东西	代价
一	验收标准先定，返工才算得清	兜底工时那一笔，净账上最大的一行	每类任务"什么算做完"的判定	要有人判定，判定要抽检
二	任务分级与卡步数（走到第几步必须停下来问人）	长尾与重复交代	每类任务最多几步的上限	长任务被切成两次问，体验下降
三	只喂这一步要用的资料，给检索设边界	每步交代量	每个环节允许取多少数据的边界	答不全的风险，靠抽检兜
四	额度、告警与用量画像（按任务按部门，不按人头）	峰值与少数人吃掉的绝大部分用量	统一的计量口径	有人会被卡住，要有加额通道
五	分层派活：简单活给便宜的档，难题才给贵的	单位用量均价	分级口径加一条判错往返上的路	判错要重跑，路由规则要维护
附	不把用量本身当考核指标	不是省钱，是防前五层被架空	验收看完成质量	没有代价，但少了它前面五层会被刷量抵掉

第五层那句"分层派活"是今年讨论里最主流的一条降本做法——简单的统计、文案整理交给轻量的档，复杂的推理决策才调贵的那一档，同时精简历史信息、监控任务额度。它的原理就是第三节那笔乘法：你把乘数里的"每步交代量"和"步数"压下来，单价降不降就不那么要命了。

需要提醒的是第四层和"附"那两层互相拉扯：额度一设，就会有部门把一件活拆成三件报，或者干脆把任务往便宜的档里塞然后不管结果。**所以额度的对手不是用量，是验收。**这句话也是第六节那张算式的落点——返工率从一成二压到百分之四，净账每月差出八万元；而把所有用量都换成最便宜的档，省下的是一万七千四百元里的一块，还可能把返工率抬上去。

九 什么时候该砍，以及拿去开会的六句话

砍项目这件事，最难的不是决定，是在立项那天没有留下可以据以决定的那一行。今年几组收缩的例子说明停手不挑项目大小：一个被广泛使用的浏览器智能体实验项目在年中关掉、能力并入更大的产品线；一个融了三千万美元出头、用户过百万的评测平台在同一个月停止运营。这两格都按二手转述，它们给的不是教训而是合法性——收缩是行业常态动作，不是某家公司的失败记录。真正难看的是没有停手条件：第一次预算追加会议上一句"已经投这么多了"，就把所有讨论变成沉没成本。

三条线可以自己填数，但要在立项时填：

• 成本线：单任务成本的上沿，超过你们腾出的那一小时工价的多少倍就没得谈（拿第六节那串数换成分母跑一遍，你自己会看到拐点在哪）。
• 收益线：连续多少个周期没有人认领腾出的时间、说不出环节名，就认定价值那一栏不成立。
• 兜底线：需要人工重做或大改的比例高过多少，就说明这条流程还不能交给机器——注意这一条要连退路一起写，停的那天业务怎么回到人手、几天能回去。

拿去开会的六句话，按这个次序问最省时间：

1. 一次任务平均多少步，最差那一次多少步？
2. 试点那三个月里，哪几行成本量产之后不会再有？
3. "单价降了九成"说的是同等能力的一次调用，还是我们这一件事？
4. 省下的时间在哪个环节、由谁认领、下季度核对哪一个数？
5. 返工比例是多少，压到几个点的抓手具体是什么？
6. 立项纸上"什么情况下我们停"那一行，写了没有？

第一、二、三句管成本；第四、五句管净账；第六句管这一年在行业里会大量发生的那件事。六句里第五句最容易被跳过，而按第六节那道算术，它才是最大的一行。

十 关于这些数字的档级

本文没有一个外部数字取到了原始发布页面，全部按转述处理，档级如下。

机构预测与调查（二手）：「到 2027 年底超过四成智能体项目会被取消，原因是成本攀升、商业价值不清晰或风险控制不足」这一条，本文读到的是多家媒体与社区文章对同一篇官方新闻稿标题及其日期（今年六月下旬）的一致引用，未取原文；把 2026 年技术成熟度曲线的主题定为"控制先于能力"、CIO 调查里 17% 已部署与超过 60% 计划两年内部署、智能体软件支出从 2025 年 864 亿美元到 2026 年 2065 亿再到 2027 年 3763 亿美元、以及"号称在做智能体的几千家供应商里只有约 130 家真正达标"那组，同属转述；"到 2030 年单位推理成本再降九成、同期单任务计量消耗增长二十几倍"这一对冲是媒体对研究机构预测的转述。

研究与统计（二手且未取原文）：经济合作与发展组织口径下"同等能力文本模型价格两年多降近八成"；斯坦福那组"编码类任务消耗可达普通聊天的几百到上千倍、同一任务两次运行相差三十倍"；麻省理工那份报告里"只有很小比例的企业级生成式系统走到生产部署"；标普全球那份调查里"放弃大部分人工智能项目的企业占比一年内从 17% 升到 42%"；模拟办公环境里多步任务错误率接近七成；那份针对 1488 名美国大企业员工、关于工具数量与自报效率拐点和一成四自述注意力受损的调查；Epoch 关于推理供给年增三倍与需求指标年增近十倍；麦肯锡内部看到"约十分之一用户消耗三分之二用量"与随后采用模型路由；以及那组"拿到预算的项目里走到生产的约一百二十个、达到回报目标的约三十四个"的漏斗。这几组的分母彼此不同（有的算组织、有的算项目、有的算系统），不能互相印证也不能互相换算，本文只用它们的方向，不用它们相乘。

厂商与运营读数（二手，带宣传性质）：企业人工智能预算里推理占 85% 那一格来自厂商博客；某客户关系管理平台智能体创建数与智能体主导对话成倍增长、同期转人工比例上升，以及那家银行内部平台 60% 自采用、日活接近一半、未把用量当指标，均来自媒体与社区文章；国内一次行业大会的现场综述里"一笔复杂业务处理触发几十次推理""全员铺开高峰使月账单翻倍""分层派活加信息精简加额度监控是主流降本做法"三句，同样按转述。厂商自己的口径都带宣传性质，本文只保留它们与前面那道算术之间可核对的关系。

本文自设的部分：第六节全部数字（20 人与 400 人、每人每天六个任务、二十一个工作日、十步与二十二步、每步三千与七千、每百万两个元、返工一成二与百分之四、每次兜底二十分钟、每小时六十元、每人每月省六小时）都是自设假设，只为撑住"净账上最大的一行是返工工时"这一条机制；第七节那张表的"过关答案"与第九节那三条线是判断，不是外部事实。把任何一个数换成你自己的真实行数，请连带把这一句一起换掉——这道算术的结论不随数字变，只随机制变。