一个 AI 服务订单的真实成本构成：算完你会重新定价

先算一笔能算到分的账。

假设一个订单：给客户做一个接待场景，一个月处理 3000 条对话，每条平均消耗输入 2000 个 token、输出 400 个 token。

这个订单的调用费是多少？我们按三家在 2026 年 7 月 18 日之前公开发布过、且带发布日期的官方定价，各算一遍。算完你会看到三个差得很远的数——然后你会发现，这三个数放进整张成本表里，都排在最后一位。

这篇文章要做的就是把另外三块摆出来。大多数报价单亏，不是亏在算错了调用费，是亏在只算了调用费。

一、能算到分的那一块：三家官方价，一次可复算的演算

先把口径说死：本节只引用带公开发布日期、且能对应到官方页面的定价。 有几家的官方定价页面本身不标注发布日期，那些数字这篇文章一个都不用——一份倒推成本的文章，如果引用了一个说不清"什么时候是这个价"的数字，整张表就没有意义。我们去逐个看过，符合这个条件的有三家。

第一家。 据智谱官方定价文档，GLM-5.2（744B，MIT 开源）的定价是每百万 token 输入 1.4 美元、输出 4.4 美元（2026 年 6 月 13 日）。

第二家。 据新华网 2026 年 6 月 23 日的报道，豆包 2.1 Pro 的定价是每百万 token 输入 6 元、输出 30 元，缓存命中 1.2 元。

第三家。 据月之暗面官方定价页，Kimi K3（2.8 万亿参数）于 2026 年 7 月 16 日发布，定价为每百万 token 输入 20 元、输出 100 元。

把上面那个订单代进去。总输入 = 3000 × 2000 = 600 万 token = 6 百万；总输出 = 3000 × 400 = 120 万 token = 1.2 百万。

• →豆包 2.1 Pro：6 × 6 + 1.2 × 30 = 36 + 36 = 72 元
• →Kimi K3：6 × 20 + 1.2 × 100 = 120 + 120 = 240 元
• →GLM-5.2：6 × 1.4 + 1.2 × 4.4 = 8.4 + 5.28 = 13.68 美元

三步除法与乘法都写在上面，你可以自己复算。两个必须说明的口径：第一，前两个数是人民币、第三个是美元，本文不做汇率换算——没有一个能标注日期的汇率来源，换算出来的数就是一个不能核验的数，所以三个数只并排摆，不排名次。第二，两家人民币计价的之间是 240 ÷ 72 ≈ 3.3 倍，这一步除法是本文自己做的，分子分母就是上面两个数。

还有一项多数人漏掉的减法。豆包那条定价里的缓存命中价是 1.2 元，比输入价低了 4 倍。假设这个接待场景里有六成的输入内容是重复的（同一份说明、同一套规则，每次都要带上），那么：命中部分 3.6 百万 × 1.2 = 4.32 元，未命中部分 2.4 百万 × 6 = 14.4 元，输入合计 18.72 元，加上输出 36 元，总共 54.72 元。

对比不走缓存的 72 元，省下 17.28 元，降幅 24%。这一步演算同样是本文自己做的，"六成命中"是本文设定的假设值，不是任何一方公布的数据——你自己那个场景的命中率只有跑起来才知道。

72 元、240 元、54.72 元、13.68 美元。四个数摆在这里，然后是本文真正想说的那句话。

二、算到分之后，这个订单反而更难定价了

因为这一块小到不影响决策。

一个能对外接待、跑满一个月、处理 3000 条对话的场景，调用费是几十元到几百元。而据澎湃 2026 年 5 月 19 日发布的报道，长江商学院对全国 2016 家规模以上工业企业的实测显示，500 人以下企业的 AI 支出，42.6% 落在 2 万到 10 万元这个区间。

把 72 元放进 2 万元里：占 0.36%。

这个比例意味着什么？意味着围绕调用费做的一切优化，对这个订单的盈亏几乎没有影响。换一家更便宜的、把提示压短一点、把缓存调好——三件事加起来省下的钱，可能还不够你为此多开一次会。

而这一块还在继续变小。据 Epoch AI 的推理价格趋势数据（页面标注 2025 年 3 月 12 日），同等能力的大模型推理价格年降幅度从 9 倍到 900 倍不等，中位数约为每年 50 倍（原文 "prices declining between 9x per year and 900x per year, with a median of 50x per year"）；该页同时写着一句限定——"The fastest price drops in that range have occurred in the past year, so it's less clear that those will persist."，最快的那几档降幅集中在其发布前一年，未必持续；另据斯坦福 HAI 于 2025 年 4 月 7 日发布的《AI Index Report 2025》，达到 GPT-3.5 级能力的推理成本在 2022 年 11 月至 2024 年 10 月之间下降了超过 280 倍。

一项正在以这个速度变小的成本，不该是你定价的锚。

有意思的是，机构调研里对这一块的关注反而在上升。据埃森哲 2026 年 7 月 17 日发布的中国数字化转型指数，试点覆盖率已升至 88%、价值兑现率仅 14%，进行过系统性运营重构的仅 18%；而它列出的新增障碍里，原文写着一句"调用词元产生持续性成本支出"。

这句话本身是真的——它确实是一笔持续支出，性质和一次性的软件采购完全不同。但把它放在 88% 对 14% 这个落差旁边看，就能读出另一层：卡住价值兑现的不是那笔持续支出，是那 82% 没有做系统性运营重构的部分。 成本表上最刺眼的那一行，往往不是最贵的那一行。

三、剩下三块：哪些是公开口径，哪些是本文的建议值

从这一节开始，数字的性质变了，所以先把界限划清楚：

• →公开口径：有来源、有时间、可点开核验的，正文逐条标注；
• →本文建议值：没有第三方统计的，一律明写"这是本文的建议值，不是实测数据"。公开可查的范围内不存在"AI 服务订单成本构成"的第三方统计，我们没有找到第二份，也不替任何人编一个。

第二块：人力工时（本文建议值，公开锚点在客户侧）

这一块的结构是固定的，数字要你自己填。以上面那个接待场景为例，工时至少分五段：

• 1需求澄清——把"做一个接待"变成"接待什么、不接待什么"，建议值 3~5 小时；
• 2样本收集与标注——向客户要真实历史输入，请客户自己圈出不能出错的那些，你这一侧建议值 2 小时，客户那一侧至少一个下午；
• 3搭建与调试——这一段差异最大，建议值 6~10 小时；
• 4联合验收——上线后两周，你的投入建议值 6~10 小时；
• 5交付文档与交接——建议值 2~4 小时。

五段相加，建议值区间是 19~31 小时。

把它换成钱要用你自己的时薪。这里用 100 元/小时作为示例值——这个数你必须换成自己的：25 小时 × 100 元 = 2500 元。2500 ÷ 72 ≈ 34.7 倍。这一步除法是本文做的，分子是示例值不是实测，所以 34.7 这个数本身没有意义，有意义的是数量级：人力工时比调用费高一到两个数量级。

这一块还有一个不受你控制的放大因子，它有公开出处。据新京报贝壳财经 2025 年 7 月 29 日的报道，一份中国企业家 AI 应用调研显示，中小企业转型的第一障碍是人不是钱——47.66% 缺复合型人才、43.75% 缺 AI 专业知识，而认为成本过高的只有 29.69%。这份调研样本仅 128 份，量级很小，引用它必须带着这个前提。 但它指出的方向对报价很实在：客户那边很可能没有一个能配合你的人，第 2 段里"客户那一侧一个下午"如果落不了地，这一段的工时会全部转移到你身上。

第三块：返工与验收（公开锚点 + 本文建议值）

多数报价单把返工率默认成零。有一个公开锚点可以校正这个预期。

据 MIT NANDA 发布的《The GenAI Divide》报告原文，其给出的漏斗是 60% 的组织在评估、20% 进入试点、5% 进入生产——也就是进入试点的项目里，大约四分之一走到了生产（这一步除法由本文做出，分子分母是原文的 5% 与 20%）。该报告封面自标"Preliminary Findings"，样本为 52 场访谈加 153 份行业会议现场问卷，报告自陈"六个月观察期可能不足，可能低估了成功率"——这三条限制必须和那个 25% 一起读，它不能当成你的返工率。

它能说明的是：从"跑通了"到"客户真的在用"，中间有一段不小的损耗，而这段损耗默认落在乙方身上。 本文的建议值是：报价时按第二块工时的 30% 计提返工准备，第一次做某类场景时按 50%。这两个百分比是建议值，不是数据。

第四块：售后与兜底（公开锚点在责任与退款两侧）

这一块最容易被算成零，因为它发生在钱已经收到之后。

责任这一侧有明码标价。 据市场监管总局令第 117 号《直播电商监督管理办法》（2026 年 1 月 7 日发布，2026 年 2 月 1 日施行）第三十七条，使用人工智能人物图像开展直播须标识并持续提示，违法情形的责任由直播间运营者承担，罚则 1 万至 10 万元。另据中央电视台 2026 年 1 月 14 日的报道，杭州互联网法院审结全国首例涉 AI"幻觉"侵权案，判决生效，确立过错责任加三层注意义务。这两条合起来说明：兜底做没做、留没留痕，是有价目的。

退款这一侧有分布。 据新浪财经 2026 年 3 月 17 日的报道，黑猫投诉平台上 AI 课程相关投诉已高达 4000 多条，较去年同期增长 1000 余条；同一篇报道另引网经社"电诉宝"的一个数——2025 年第四季度，数字教育这个大领域的退款问题占比高达 71.26%。同日另一则报道中，四川省消委 2025 年全年受理"AI+"培训相关投诉 3739 件。这三个数分属三个来源、三个口径，不能合成一句——71.26% 是数字教育大领域的季度占比，不是黑猫平台上 AI 课投诉的退款占比。三个数都是知识付费口径，不能直接搬到服务交付上，但七成以上集中在退款这个形状说明的事是跨品类的：纠纷发生在交付之后。 本文的建议值：把合同金额的 10% 当作售后准备金，在验收通过 30 天之后才计入利润。

第五块（容易被整块漏掉）：供应商变更导致的重做

据月之暗面官方模型文档，Kimi K2 本体已于 2026 年 5 月 25 日下线。一个被写进交付物、客户每天在用的名字，可以在某一天不再存在。

这一块的特点是：它不随你的水平变化，也无法通过做得更好来避免。 本文的建议是不把它计入单个订单成本，而是写进合同的一个条款——"模型或平台停止提供服务时，重做按新单计"。写了这一条，这块成本归零；不写，它就是一个金额不确定的负债。

四、四行表，和重新定价的三步

把五块收成一张四行表（第五块归为条款，不进表）：

重新定价三步：

第 1 步。把第二行填出来，用你上一单的真实记录，不用估的。 上一单没记时间，那这一步做不了——去记下一单，两周后再回来。这是全篇唯一一个必须先有自己数据的步骤，也是唯一一个别人替不了的。

第 2 步。把第一行放到最后填。 顺序反过来的人最多：先算调用费，算完觉得"成本才几十块"，于是报了一个覆盖不了工时的价。把它放到最后填，是为了不让它污染你对这单值多少钱的判断。

第 3 步。四行加总之后，和 2 万到 10 万这个区间对一次。 42.6% 的 500 人以下企业的 AI 支出落在这里。加总的结果如果远高于这个区间，问题不在你贵，在你接的这单对这个规模的客户来说太大了——正确的动作是把交付范围切小，而不是降价。

五、什么时候不该这么做

第一种：单子小于一万元。 这套四行表要占掉你半天时间去填，而半天时间本身可能就是这单利润的一大截。小单的正确做法是用一个固定的最低价把整类活兜住，把精细核算留给能覆盖它的订单。

第二种：你还没有一单的真实工时记录。 第 1 步就卡住了。这时候不该做的是"先按行业惯例估一个"——公开可查的范围内没有这个惯例，估出来的数会被你自己当成事实用一整年。先记两单，再来填这张表。

第三种：客户按结果付费，而不是按项目付费。 那么这张表的用途从"定价"变成"止损线"——它告诉你的是这单做到什么程度就该停，不是该收多少钱。两种用法不能混。

最后是一条必须写下来的代价：这张表会让你的报价变高，而变高的那部分很难向客户解释。 因为客户能看见的只有第一行——他也会算，他算出来就是几十块钱。这时候唯一有效的解释不是把成本表摊给他看，而是把验收标准摊给他看：他圈出来的那些不能出错的样本、两周的联合验收、售后的响应约定。他买的不是运行成本，是这些东西。 说不清这一点的时候，降价是唯一的出路，而降到最后就是那 0.36% 的生意。

关于成本结构整体该怎么重算，《老板必修：AI时代商业模式》第 3 课讲的是同一件事的公司版本。