企業導入 AI 到底多少錢？一個 LINE Bot、一套知識庫、一個客服的真實成本拆解

你被報過三種價，每種差一個零？

如果你最近有在評估 AI 導入，很可能遇過這種情況：

問第一家，報 3 萬塊，「用 API 接一下就好」。
問第二家，報 30 萬，「要建向量資料庫、做 RAG、搞 fine-tuning」。
問第三家，報 300 萬，「企業級部署、on-premise、專屬模型」。

你聽完三家的提案，有一種很熟悉的感覺——他們講的好像是同一件事，但報價差一百倍，你完全不知道差在哪。

這不是你的問題。這是因為「AI 導入」這四個字實在太寬，可以指很多完全不同規模的東西。

這篇文章不教你怎麼選廠商，而是把 AI 的成本結構拆開，讓你下次聽到任何報價時，知道對方在算什麼、漏算什麼、哪些數字會騙你。

先分清楚：AI 成本不是一個數字，是四層

我看過太多中小企業老闆，把 AI 成本理解成「買一套系統要多少錢」。這個直覺對了一半——真正會讓你意外的，是另一半。

AI 系統的成本有四層，任何報價單只算前一層就是不負責任：

AI 成本四層結構

第一層：一次性建置成本

這是最直觀的那一層。開發工程師的工時、系統整合、上線測試、教育訓練。

小規模的 LINE Bot 客服從幾萬到十幾萬不等，一套完整的企業知識庫（RAG）大概二十到八十萬，看資料量和客製程度。

這層很好比價，但也最不重要。因為它是一次性的——重點在後面三層。

第二層：持續運行成本（最容易被漏算）

AI 不是買回來就結束。每一次它回答問題、查資料、生成內容，都在燒錢。

燒的是什麼？主要是 LLM 的 API 費用。每次你問它一個問題，都要把「歷史對話 + 你的問題 + 知識庫片段」打包送到 OpenAI 或 Anthropic，他們按 token 計費（token 大概是「字」的概念）。

這層的數字會讓你冷汗直流：

一個設計不好的 RAG 系統，每次問答可能花 5-30 元台幣
一個設計好的，0.3-3 元
兩者差 10 倍不是誇張，是常態

如果你的客服系統每天有 500 則對話——設計好的版本一個月 5,000 元，設計不好的一個月 50,000 元。光這一層的差距，三個月就買下一次整套系統了。

第三層：維護成本（長尾但真實）

AI 不是裝好就永遠對。資料會過期、客戶會問你沒教過的問題、prompt 需要微調、API 廠商會改價、新版模型會換介面。

持續有人盯這件事 = 成本。沒人盯 = AI 變蠢，然後你覺得被騙了。

中小企業常見的做法是「請原廠商按月維護」，一個月大概 5,000-30,000 元。這筆錢看起來不多，但三年累積下來常常比一次性建置費還高。

第四層：失控風險（最容易被忽略的地雷）

這層不在報價單裡，但會炸最大。

最有名的案例：一個工程師設定 AI agent 幫他安裝 Python 套件，結果一個步驟失敗了，agent 連續重試了 6 小時，工程師在睡覺沒察覺。隔天起床發現 $120 美金的帳單（約 3,800 台幣）——全部燒在一個永遠不會成功的錯誤迴圈上。

這不是極端案例，是任何沒設上限的 AI 系統都可能發生的事。對企業來說風險更大：如果是你的 LINE Bot 系統，可能一個奇怪的訊息就觸發無限迴圈，一個晚上燒掉半個月預算。

報價單裡有沒有寫這個風險的防護機制（失敗三次停止、每日預算上限、異常警報），是判斷廠商專業度最快的方式。沒寫 = 沒做。

為什麼同一個功能，成本可以差 10 倍

前面提到 RAG 問答成本可以差 10 倍——這不是誇張。差別不在模型貴不貴，在架構怎麼設計。

關鍵一：多模型路由

現在主流的 LLM 廠商（Anthropic、OpenAI）都有三層模型：便宜快、中等、旗艦。差距是多少？旗艦模型的 token 價格大約是便宜模型的 12-15 倍。

笨的做法：所有任務都用旗艦模型，「這樣品質最好」。

聰明的做法：把一次大任務拆成多個小任務。例如「判斷客戶在問什麼分類」用便宜模型（幾毛錢），「生成回答」用中等模型（幾塊錢），「處理很刁鑽的客訴」才升級旗艦模型（幾十塊錢）。

同樣一個客服系統，這個拆法可以讓 90% 的對話跑便宜模型，只有 10% 用中等、1% 用旗艦。總成本壓到原本的 1/10。

關鍵二：Prompt Caching（重複 prompt 的折扣機制）

LLM 廠商現在普遍提供 prompt caching——如果你的 prompt 開頭有一大段重複內容（例如系統設定、公司背景、SOP），這段可以被快取，第二次之後只收 10% 的費用。

這不是小事。一個客服 bot 的系統 prompt 常常有 5,000 字，如果沒用 caching，每次對話都在付這 5,000 字的錢。用了 caching，同一個 prompt 的第二次到第 N 次對話只付 10%。

做跟不做，差一個零。很多廠商的報價沒把這算進去，因為他們的工程師根本沒實作。

關鍵三：Context 瘦身

一個常見的誤區：「既然 AI 有大 context window，那就把整個資料庫都丟進去，讓它自己找答案」。

這是最貴的蠢做法。你每次問問題都在付「整個資料庫」的 token 費用。

正確做法是用 RAG——先用搜尋技術找出「可能相關的 5-10 段內容」，只把這幾段送進 LLM。一樣的功能，token 用量可以壓到 1/50 以下。

我自己的 LINE Bot 每則回覆多少錢？

你現在正在看的這個網站，底下那個「加 LINE 諮詢」的 AI 助手，就是我自己做的。每一則 AI 回覆，實際成本大約 0.3 到 15 元台幣之間。

差距這麼大是因為：

短問題 + 簡單回答：約 0.3-1 元。例如「你會做 LINE Bot 嗎」。
複雜諮詢 + 要去查多篇筆記：約 3-8 元。例如「幫我比較 Notion、Confluence、RAG」。
深度技術討論 + 多輪對話：約 8-15 元。例如「我想導入 RAG 到公司，從哪裡開始」。

每則對話我都設了上限（maxBudgetUsd），超過就自動停止，避免意外燒錢。

這不是對話本身貴，是這個設計讓我能睡得安穩。沒有上限的系統，我不敢真的讓它跑在 24 小時在線的客服上。

廠商如果跟你強調「我們用最強的模型」當賣點，先問：為什麼需要？能不能拆解成多模型路由？

第三：沒算進維護成本

建置報價 30 萬聽起來很合理，但每月維護 2 萬，三年下來就是 72 萬，總成本超過建置費的 3 倍。

簽約前一定要問：「三年 TCO（總體擁有成本）大概多少？」如果對方答不出來或拒絕估算，代表他們自己也沒想清楚。

決策框架：四個問題

在接受任何 AI 導入報價前，強迫對方回答這四題：

每次 AI 回應的 API 成本大概多少？算過嗎？ 答不出來或說「很便宜啦」→ 沒算過。
你有做 prompt caching 和多模型路由嗎？ 答不出來 → 你會付冤枉錢。
如果 AI 進入無限迴圈或異常重試，有什麼保護機制？ 沒有 → 你有機會看到 $120 帳單，只是不知道哪天。
三年 TCO 預估是多少？ 答不出來 → 他們只想賣你建置費，後面不關他們的事。

一個專業的 AI 導入報價，這四題都該有答案。如果對方含糊帶過，換一家。

想知道你那個案子大概多少錢？

AI 導入沒有標準價，但一定有合理價。合理價的前提是先把你要解決的問題講清楚——不是「我要導入 AI」這種太大的題目，而是「我想讓客戶在 LINE 上能自助查詢訂單狀態」這種具體場景。

題目越具體，估算越準。

如果你正在評估要不要導入，或手上已經有幾份廠商報價想對照一下——加這個網站的 LINE 跟我聊聊。描述你的場景和目前聽到的報價，我可以幫你算個大概合理範圍，告訴你廠商是不是漏算了哪一層。

通常聊十分鐘，你就知道這個案子該花 3 萬、30 萬、還是根本不用花錢先用現成工具測試看看。