老板问得最多的一句话是「这套AI要花多少钱、多久回本」。多数AI落地项目卡在这一关，不是因为钱不够，而是没人能把投入拆清、把收益算实。报价单上写着一个笼统的总价，财务不敢批，业务不敢接。这篇把AI落地的钱分成六块讲清楚，并给出一份能直接抄的ROI测算逻辑，让预算讨论从感觉变成算式。

第一块：数据准备的钱最容易被漏算

绝大多数预算表只写了模型和平台，漏掉数据。而真实项目里，数据采集、清洗、打标、口径统一往往占总投入的三到四成。具体开销包括：历史数据导出与整理的人工、标注外包或内部标注工时、缺失数据的补采（加装传感器、增加埋点、补录纸质单据）、数据中台或数仓的改造。建议把这块单独列成一行并按工时估算，不要塞进「实施费」。经验是宁可把数据预算报高一点，也别在项目中期停下来追加，那时业务方的耐心已经耗掉了。

第二块：模型与算力，别按峰值买

模型侧的钱分三类：调用现成大模型的Token费、自建或微调模型的训练算力、推理服务的常态算力。中小企业绝大多数场景用API调用就够，按量付费风险最低。真要私有部署，先按试点期的真实并发估算，别按三年后的峰值一次性买卡，硬件贬值速度比业务增长快得多。一个实用做法是先用云上按量跑三个月，拿到真实调用量和峰谷曲线，再决定买不买、买多少。这样往下砍掉的算力预算通常不是一点点。

第三块：集成与开发，占比常被低估

AI要真正产生价值，必须接进现有系统：ERP、CRM、MES、OA、企微。这部分集成开发工作量往往不比模型侧小，尤其是老系统没有开放接口、需要做中间层或数据库直连的情况。预算时要把三件事写清：需要对接的系统清单和各自接口现状、是否需要厂商配合（这往往涉及额外费用和排期）、界面改造范围。一个常见教训是模型都跑通了，因为ERP厂商排期两个月，项目整体延误一个季度，人工成本白烧。

第四块：人的钱，包括培训和运营

AI不是买回来自己转的。持续要花的钱包括：内部专班的投入工时（哪怕是内部人也应该折算成本）、全员和岗位培训、外部陪跑或顾问费、上线后的运营维护（补语料、调规则、看数据、处理反馈）。这块通常占年度投入的两成上下，却是决定项目能不能活下来的关键。见过太多企业省了培训和运营预算，结果系统上线三个月使用率不到两成，前面的钱全打水漂。把人的预算写进表里，是对项目最好的保护。

第五块：合规与安全，别等审计来提醒

涉及客户数据、员工数据、生产数据的AI项目，都要预留合规与安全预算：数据脱敏与权限改造、私有化或专有云部署差价、日志审计与留痕、必要的法律咨询和协议修订、安全评估。金额不一定大，但缺了会直接卡住上线。特别是对外提供服务、涉及个人信息的场景，事前投入几万块做合规设计，比事后整改和风险敞口便宜得多。预算表里留一行给它，能省掉后期很多被动。

第六块：备用金，按总额的一到两成留

AI项目的不确定性高于常规IT项目：数据可能比想象的脏、场景可能中途调整、模型效果可能需要多轮迭代。合理的做法是在总预算里留出百分之十到二十的备用金，并事先约定动用条件和审批人。这不是给项目组开口子，而是承认技术项目的探索属性。没有备用金的项目，遇到一次意外就只能砍范围、降标准，最后交出一个谁都不满意的半成品，反而更浪费。

一张能抄的ROI测算逻辑

收益侧算三类，尽量用可核验的数字。一是省的人工：受影响岗位数乘以节省工时比例乘以人均年成本；二是省的损失：错误率、废品率、缺货率下降带来的直接节约；三是多赚的钱：转化率、复购率提升带来的增量毛利（这一类要打折计入，避免虚高）。成本侧用上面六块相加，分一次性投入和年度经常性支出。回本周期＝一次性投入÷（年收益－年度经常性支出）。测算表里必须写清每个假设的来源和口径，并且做一个保守情形（收益打七折）。有了保守情形还能回本，这个项目才真站得住。

AI落地的预算不该是一个总价，而应是六块投入加一张带假设的收益表：数据、模型算力、集成开发、人与培训、合规安全、备用金。收益侧只写可核验的数字并做保守情形。把账算到这个颗粒度，AI落地的立项会从「老板拍不拍」变成「数字成不成立」，项目也才有面对第二年预算审查的底气。