AI投资回报预测别只看增长：3笔常被漏掉的成本

摘要 :

AI投资回报预测最容易出错的地方，是把增长率当成回报本身。核心方法是三步：先算单位经济，再算增量成本，最后给回本周期设一条止损线。我见过一份预算表，用户增长按每……

AI投资回报预测最容易出错的地方，是把增长率当成回报本身。核心方法是三步：先算单位经济，再算增量成本，最后给回本周期设一条止损线。我见过一份预算表，用户增长按每月三成写进去，算出来七个月回本；把推理成本和人工复核补上以后，同一份模型变成十九个月。变的不是增长，是成本。

为什么AI投资回报预测不能只看增长率？

增长率只决定天花板，成本决定你能不能活到那天。回报预测的本质是现金流对比，不是把曲线画得好看。

增长放大的不只是收入，还有支出。用户翻一倍，调用量翻一倍，工单量翻一倍，数据标注量也跟着翻一倍。预算表里只把收入那一栏乘了二，成本那栏还停在上线靠前个月的水平，误差就是这么来的。

最容易被低估的是推理费和人工复核，这两笔不是一次性投入，而是每个月都来一次。

一台八卡服务器采购价在百万量级，按三年折旧摊到每个月是几万块。这笔钱看得见，好算。难算的是调用费：单次调用看着只有几厘到几分钱，一天一百万次，一个月就是十几万。用户涨十倍，这笔钱也涨十倍，而且没有折旧结束那一天。

标注、清洗、抽检，这些活在上线之后不会停。我见过团队把标注预算只写进前三个月，第四个月开始让业务同事兼职顶着，结果模型效果掉得比成本降得还快。省下来的那点钱，后面要花两倍补回去。

流程改造、培训、权限梳理，这些不产生直接支出，但会占掉人的时间。预算里给它留一个月的缓冲，比事后靠加班补要便宜得多。

做法是自下而上算，不要自上而下拍。先算一个用户一个月给你带来多少收入、花掉多少成本，再乘上规模。

把收入、推理成本、人工成本、运维成本拆到一个用户身上。这个数算出来是正的，规模才有意义；算出来是负的，增长越快亏得越快。很多项目不是死在没人用，是死在用的人太多。

保守、中性、乐观三档，每一档单独写清楚假设：留存多少、调用量多少、单价多少。三档都算完，你才知道最坏情况下现金能撑几个月。只算乐观那一档，等于没做预测。

提前写明白：多少个月没回本，就砍掉或者缩规模。这条线要在花钱之前定下来，因为钱花出去之后，人很难认输。

能用的是两条：先做小，以及算省下来的钱要看是不是真省了。听着不刺激，但这两条能救预算。

先在一个部门、一条业务线跑通，把单位经济跑正，再复制。复制的时候成本结构已经清楚，扩张速度反而更快。反过来，一上来就全公司铺开，单位经济是负的，铺得越大窟窿越大。

工具让一个人一天省两小时，这两小时如果没被安排到别的事上，账面上就没有收益。算回报的时候，只算那些真的被释放出来、能换成收入或者减少人头的时间。这招不是多场景适用的，遇到岗位职责本来就模糊的团队，很难量出来。

下一步很具体：拿出你手上那份AI投资预算表，把成本那一栏按用户量重算一遍，把推理费和人工复核单独列成两行，再补上保守情景。算完这三步，你大概就知道这份预算该加还是该砍。想对照外部数据，可以看看斯坦福 AI Index公开的成本趋势，别直接抄结论，抄的是量级感。