企業用AI，要花多少錢

被認為是未來基礎設施的AI，正推動企業的生產變革。

“我們是一家供應鏈公司，日常更關注AI對于準確率提升所帶來的影響。以需求預測為例，在引入算法引擎和AI工具后，需求預測的準確率在85%～90%之間，這有助于我們的連鎖餐飲客戶更精準地管理庫存。”順新暉首席技術官（CTO）周軍在接受本刊記者采訪時說。

8月，《國務院關于深入實施“人工智能+”行動的意見》正式印發，闡明了“人工智能+”行動的“路線圖”和“時間表”。

在這一背景下，越來越多企業正積極接入AI，探索其在不同業務環節的應用方式。與此同時，接入成本、技術適應性等問題也受到廣泛關注。如何進一步推動AI與實體產業深度融合、釋放更多創新活力，已成為行業共同思考的方向。

AI落地遇挑戰：

有企業遭遇 “水土不服”

“在我們數據開發部，AI早已成為團隊‘標配’。它承擔了大量重復性工作，比如可以直接問AI這段SQL（一種編程語言）是什么意思，能讓工程師聚焦核心邏輯。我們的數據開發效率因此提升了50%。”國貨洗護發品牌詩裴絲相關負責人對本刊記者說。他們將采購的AI產品用于編程、設計、數據分析等領域。

在醫藥研發領域，希格生科利用類器官疾病模型和AI技術，開發出全球首款彌漫性胃癌靶向藥，該藥已先后獲得美國、中國的新藥臨床批準。

希格生科創始人兼CEO張海生對記者說：“AI幫助我們突破了傳統候選化合物庫的限制，候選化合物挑選的精度和廣度提升很多。”

中國工業互聯網研究院（以下簡稱“工聯院”）對近1500例AI項目分析發現，在工業領域應用方面，不同行業的AI應用滲透率不同，大模型在電力、汽車、鋼鐵等行業滲透率較高。不同環節AI應用成熟度不同，傳統AI（指判別式小模型，主要針對單一任務）在生產制造和運維服務使用較多，而大模型的應用分布呈“微笑曲線”，在產業鏈高附加值兩端的研發設計和經營管理落地較快。

“各行業和環節的數字化基礎存在差異，且不同環節對于模型準確性、穩健性和實時性等方面要求也不同。”工聯院智能化研究所人工智能研究員楊昱文對本刊記者說。

不過，大模型逐步落地企業的過程中，也出現了不少“水土不服”的情況。

“我還是擔心AI存在泄密可能。”馬新（化名）告訴記者，作為一家中小型新材料企業的負責人，他們研究的新材料用于航空航天等前沿領域。他非常關心大模型使用中的數據安全問題。他說，公司相關業務對于信息保密有著要求嚴格，因此暫時不考慮在公司內使用AI。

AI幻覺（指AI一本正經地胡說八道），也常被“吐槽”。

“我們看到某AI問診平臺，建議糖尿病患者每日注射50單位胰島素（遠超安全劑量），這是因為訓練數據混淆了不同體重患者的用藥標準。”甘李藥業信息技術部總監高源告訴記者說。

對于研發、臨床等對信息準確性要求極高的領域而言，其核心訴求始終是提供精準可靠的答案。

除了上述問題，企業在推進AI落地時還需面對另一個現實挑戰：如何找到真正適合AI并能產生實際價值的應用場景。

周軍介紹，以貨物配送為例，過去公司使用的技術已經能夠很好地解決貨在哪里、如何尋找最優路徑的問題。如果引入AI，只不過是把之前做的再做一遍，而且大模型公司往往拿不出更好的解決方案。

“大模型所具有的查詢或簡單總結過往作業數據的功能，對我們來說意義并不大。”他說。

另一個關鍵的問題在于，企業能否下定決心，將錢投向AI。

蘇州市智能網聯科技發展有限公司（以下簡稱“蘇州網聯”）解決方案經理信傳龍告訴本刊記者，AI的應用成本，包括算力的軟硬件采購等，對于很多非IT行業的企業來說，屬于高成本投入，往往影響企業AI使用意愿。

“如果為了AI，招人、買設備，花幾百萬，壓力還是蠻大的。而且現在AI技術路線很多、更新很快，我們很擔心投入的錢打了水漂。最好的方法，就是使用外部已經成熟的方案，幾千或者幾萬，成本低一點，最多試錯試掉了。”豪雅（上海）光學有限公司IT和數字化轉型負責人張坤對本刊記者說。

企業用AI，花費知多少

采訪中記者發現，錢主要花在兩方面：軟硬件和人。

軟硬件主要解決模型及算力問題。硬件主要涉及GPU、服務器、傳感終端、數采設備等采購，投資規模從數萬元至數百萬元不等；軟件主要包括信息服務采購、數據預處理（指數據的采集、標注、存儲、使用）等費用。

實踐中，企業往往部署開源模型。模型自研成本高昂，不如使用成熟模型來得方便；且國內開源模型能力并不弱。為更好回答垂直領域問題，不少企業會對模型進行調優或二次開發。

傳化智聯采用“本地化通用模型部署+專屬垂直應用定制與調優”的混合架構接入AI。

傳化智聯技術部副總經理陳海鋒告訴本刊記者，國內不少開源模型能力很強，方便企業快速應用，他們在本地部署了通義千問和DeepSeek大模型，同時也對模型進行訓練和調優工作。

如為了讓模型精準理解“園區貨物中轉的動態調度邏輯”，他們會輸入園區運營數據對模型調優，以便模型精準生成符合物流場景的動態調度策略。

調研中，記者發現，企業運用的算力來源多樣。

有企業出于安全和保密需求，選擇自建算力設備。金螳螂建筑裝飾股份有限公司副總裁陰皓明告訴本刊記者，該公司采購了服務器等硬件，采用本地部署模式。

據了解，金螳螂是中國建筑裝飾行業首家上市公司，在營銷、設計、施工等核心環節使用AI。

“我們是一家壽險機構，屬于中小公司，選擇了一個相對輕資產的路線，通過云來調用模型。這部分主要計算Token（詞元，處理文本的最小數據單元）費用，國內還是非常低的。”信美相互人壽AI技術負責人劉念說。

以信美花費的Token為例，通用知識一問一答花費不到1分錢；深度研究大概是幾毛錢到幾塊錢之間。

實踐中，不少企業混合使用上述兩種方式，兼顧云端資源利用與本地數據安全。

“涉及核心數據（如客戶數據）時，出于安全和保密需要，我們更愿意將這些數據握在自己手中。非核心數據（如交通路況等）愿意通過云端方式調用。”周軍說。

當企業內部AI需求日益旺盛，人成為關鍵。

“自己招人做AI還是挺貴的。目前市場行情來看，招一個AI工程師，薪資七八十萬起步，且至少組建3～5人的團隊。”張坤介紹，他們內部沒有建AI相關開發團隊。

“我們沒有額外招聘。”陳海鋒說，他們內部培養了一支高素質的技術研發隊伍，人才能力可以復用。

周軍則更關注理解業務、對數據有敏感度且熟悉數據處理的人。他也曾嘗試招聘AI研發工程師，但費用較高，還需為招來的人組團隊，最終轉而招聘數據治理方面的工程師。

企業使用AI，究竟要花多少錢？

“我們從一開始就希望能和成熟廠商合作，有什么用什么。企業部署AI的費用主要是購買第三方服務的費用。除了一次搭建，每年的訂閱費、運維費是固定的，每年成本在十幾萬元。”張坤說。

豪雅選擇和AI整體解決方案提供商星云創聯合作，獨立部署AI綜合性應用平臺。

協鑫科技是一家大型新能源企業，目前平均每年的AI投入在百萬級別。協鑫科技數字與信息化中心副總經理朱云閣向記者透露，公司采購了GPU、服務器，對相關設備和AI模型進行本地化部署。此外，在通用模型和垂直模型上都有投入。

“我們的整體投入屬于行業中高水準，且隨著應用場景擴大呈階梯式增長，重點向核心業務場景傾斜。”陳海鋒說，傳化智聯上榜2025年《財富》中國500強，屬大型企業。

陰皓明介紹，金螳螂在AI 上的投入累計已達數百萬元，約60%用于本地服務器等硬件采購，約40%用于算法工程師等人才團隊建設。

楊昱文估算，綜合來看，傳統企業接入AI，單一工位（指生產過程的最小基本單元）的質檢優化，其成本量級通常在10萬元左右；產線或部門級的整體改造，則需投入百萬到千萬元；而實現工廠級別全面智能化轉型，投資額度則可能達到千萬元及以上。

值不值？如何把成本打下來

企業應用AI，需要大筆投入，值嗎？企業內心自有一桿秤。

周軍告訴記者，主要看兩方面：一是投入的場景是不是企業核心競爭價值所在，二是問題的解決是否會對企業發展產生長期影響。如果回答是肯定的，那就應該投。

“我們認為AI在輔助生產和賦能研發上能帶來最大化收益。比如，我們訓練的AI模型，可以在光伏拉晶時識別并自動調整相關設備參數，提高拉晶效率，降低硅耗和斷線率。雖然AI應用還處于早期，但我們看好AI，接下來投入會越來越大。”朱云閣說。

那么，是否有方法把使用AI的成本打下來？

信傳龍認為，相比于投資算力，算力租賃顯然更適合非IT行業企業，不僅前期資金占用較少，還能避免技術過時風險。其所在公司負責運營的“蘇州工業園區公共算力服務平臺”是官方智算服務平臺，不僅可按需租賃所需算力資源，還可提供企業所需的模型服務、數據服務、智能體服務。此外，蘇州工業園區本地企業客戶還可獲得20%補貼。

“可以考慮政府補貼、AI標準化通用方案兩種形式。”經濟學者、工信部信息通信經濟專家委員會委員盤和林接受本刊記者采訪時說。

記者不完全統計，各地政府陸續出臺算力券、數據券、模型券、場景券等，以進一步擴大人工智能應用。企業滿足相應條件后即可申領。

以AI行業競爭激烈的上海、北京為例，7月，《上海市進一步擴大人工智能應用的若干措施》提及發放6億元算力券、3億元模型券、1億元語料券，進一步擴大人工智能應用。

8月，2025年北京市高精尖產業發展項目資金和支持中小企業發展資金實施指南（第三批）顯示，對首次解決重點行業典型應用場景需求并實際落地的優質解決方案、軟件智能化、算力券進行補貼，單個企業、項目的獎勵、支持、補貼金額，最高3000萬元。

盤和林認為，標準化的通用AI+方案也是不錯選擇。“模型廠商或第三方服務商推出的通用方案，如果用戶數量大，平臺的開發成本攤薄，定價就會低一點。”

“針對質檢等AI成熟應用的場景，優先采購云服務商經驗證的AI解決方案，以規避自建數據中心和AI團隊的高昂投入。”楊昱文說。

在楊昱文看來，企業還可通過以下途徑有效控制并降低相關成本：一是“小步快跑”策略，優先聚焦業務流程核心痛點并開展小規模試點，投入可控且能快速驗證價值，為后續規模化積累經驗和數據；二是重視數據治理，應率先完成企業內部數據治理，作為提升AI性能的基礎。

針對AI賦能新型工業化過程中存在的供需對接問題，楊昱文建議開展精準供需對接活動，打造“賦能服務團”，形成行業場景供需目錄。面向重點行業領域，可搭建供需各方和產業鏈上下游的對接平臺，推動供需精準匹配對接和深度交流合作。

為釋放AI落地的產業潛力，楊昱文還建議加快建立高質量數據集建設標準與共享交易機制，為訓練和測試高水平行業模型提供數據基礎；同時建設共性技術平臺、完善數據基礎設施以及創造寬松創新生態，為AI與實體經濟深度融合提供持久動力。

責編：郭霽瑤" guojiyao@ceweekly.cn

美編：孫珍蘭