一、先看钱从哪来、往哪去

任何一个 AI 项目立项，第一步不是选模型，是把账列成四行：一次性投入、每月运营、每月省下、 每月净收益。 一次性的：数据标注 30 万、模型训练 20 万、系统集成 50 万，合计 100 万。 每月的：算力 2 万、复核人工 8 万、运维 3 万，合计 13 万。 每月省下的：40 个话务员 × 8000 元 × 替代 75% ＝ 24 万。 净 11 万，100 ÷ 11 ＝ 9.1 个月回本。 注意「每月省下」不能直接当收益用——它得先扣掉每月运营的 13 万。很多项目汇报在这里做手脚， 把 24 万说成收益，回本是 4.2 个月，纯属幻觉。

二、贵的一直是人，不是机器

13 万的运营里，算力只占 15%，复核人工占 62%。 这和前面「单条成本」的账完全一致：模型把「生成」变便宜了，但「检查」还得人来。 所以想压低运营成本，方向不是换更便宜的卡（那 15% 里再省也省不出多少）， 是把复核环节的自动化率提上去——这是所有 AI 项目真正的成本战场。 反过来说，如果业务场景不需要复核（比如内部草稿、非关键问答），替代比例一样、运营成本几乎为零， 回本能快好几倍。场景选对了，账自然好看。

三、那个 75% 是拍的，所以要扫一遍

「能替代 75% 的人」这个数是整张表里最不确定的，所以不能只算一个点，得扫一遍看它对结果的影响。 Demo 第二张表扫了 20% 到 100% 六档：20% 每月省 6 万、净亏 6.6 万；40% 省 13 万、净亏 0.2 万； 60% 开始转正（净 6.2 万、回本 16.1 个月）；75% 是 9.1 个月；90% 是 6.3 个月；100% 是 5.3 个月。 盈亏平衡点在 40.6%：13 ÷ (40 × 0.8) ＝ 0.406。低于 41% 就是纯亏，一分钱回不来。 这个 40.6% 才是立项前必须验证的那个数，不是「模型准确率多少」。 准确率和替代比例是两件事——下面单独说。

四、准确率高≠替代比例高

这是最常见的误判：模型在测试集上 95% 准确，就以为能替代 95% 的人。 实际上替代比例取决于流程闭环：那 5% 错的要人改，改一次要多久？改错的责任谁担？异常怎么升级？ 这些环节吃掉的时间，才是替代比例的天花板。 所以真实项目的第一步不是训练模型，是双轨运行一个月：人和模型同时干一遍， 量出真实的替代比例和复核耗时，再决定要不要按那 100 万。 三个最容易被低估的项：标注量（要标到业务口径，不是标「对／错」）、 集成（接已有系统往往比训练贵）、漂移（业务变了要重训，这笔钱几乎没人算进预算）。 后面第九到十二章的八个行业案例，账都是按这张表算的，只是参数不同。 抓住这四行，任何行业的方案你都能自己估个量级。

五、动手 Demo：100 万投入、每月净 11 万、9.1 个月回本；盈亏平衡在 40.6%

拿一个客服场景当例子：40 个话务员、人均月薪 8000、模型能替代 75% 的量。 算一次性投入、每月运营、每月净收益，得出回本时间；再把替代比例从 20% 扫到 100%，看结论怎么翻。

capex = 300000 + 200000 + 500000      # 标注＋训练＋集成
opex_m = 20000 + 80000 + 30000         # 算力＋复核＋运维
save_m = 40 * 8000 * 0.75              # 省下的人员工资
net = save_m - opex_m
months = capex / net                   # 9.1 个月

# 扫替代比例，看盈亏平衡点
for rp in (0.2, 0.4, 0.6, 0.75, 0.9, 1.0):
    s = 40 * 8000 * rp
    nt = s - opex_m
    print(rp, s, nt, (capex / nt) if nt > 0 else u'回不了本')

be = opex_m / (40 * 8000)
print('平衡点 %.1f%%' % (100 * be))    # 40.6%

实跑输出：

--------------------------------------------------------------------
商业应用算账：先别看省了多少人，先看几个月能回本
--------------------------------------------------------------------
  一次性投入               标注 30 万 ＋ 训练 20 万 ＋ 集成 50 万 = 100 万
  每月运营                 算力 2 万 ＋ 复核 8 万 ＋ 运维 3 万 = 13 万
  每月省下                 40 人 × 8000 元 × 75% = 24 万
  每月净收益               11 万

  回本时间                 9.1 个月

  注意每月省下的 24 万里，要先去抵掉 13 万的运营——**算力只占运营的 15%，复核人工占 62%。**
  和前面那个「单条成本」的账一样，**贵的一直是人，不是机器。**

  但「能替代 75%」这个数是我拍的。真实项目里它最不确定，所以要看它变了对回本时间影响多大：
  替代比例   每月省   每月净收益    回本时间
  -----------------------------------------
       20%        6         -6.6    回不了本
       40%       13         -0.2    回不了本
       60%       19         +6.2   16.1 个月
       75%       24        +11.0    9.1 个月
       90%       29        +15.8    6.3 个月
      100%       32        +19.0    5.3 个月

  盈亏平衡的替代比例       40.6%
  低于 41% 就是纯亏——**这个数才是立项前必须验证的那个数**，不是「模型准确率多少」。
  实际做法通常是先做一个月的双轨运行（人和模型同时干一遍），拿真实的替代比例，再决定要不要按下那 100 万的一次性投入。

done -> _out_39c.txt

第一组数字：投入 100 万、运营 13 万、省 24 万、净 11 万、回本 9.1 个月。 这个结果看起来很好，但它整个建立在一个假设上：替代 75%。 扫一遍就知道这个假设有多要紧：替代 40% 时每月净 -0.2 万，差一点点就是不回本的坑； 60% 才刚转正，回本 16.1 个月。 所以那张表的用法不是「算出一个数」，是找出「结论翻转的那个点」在哪。这里就是 40.6%。 还有一个数要盯：运营 13 万里，复核人工 8 万占 62%。 这说明「模型准不准」不是主要成本项，「人要检查多少」才是。想让账好看，先把复核流程设计好， 比换模型划算得多。 诚实说明：「75%」和「每月 8000 元」这两个数是我给的假设值，不是任何真实项目的数据。 这张表要学的是算法，不是数字。真实项目里，替代比例必须靠双轨运行量出来。

30 秒实验

1. 把复核人工从 8 万砍到 3 万（复核自动化率提上去），运营降到 8 万、净 16 万，回本缩到 6.3 个月。 这就是「优化复核」比「换便宜卡」值钱的地方。
2. 把一次性投入翻倍到 200 万（集成超预算），回本变成 18.2 个月。 集成超支是这类项目最常见的翻车点。
3. 加一条「每 6 个月重训一次、每次 20 万」，把它摊进每月运营，看净收益掉多少、回本拉长到几个月。 这一项在真实预算里几乎总是被漏掉。

常见误区

1. 「准确率 95% 就能替代 95% 的人」。替代比例取决于业务闭环和复核流程，不取决于准确率。 这两件事经常差三倍。
2. 「省下的人力就是净收益」。要扣掉每月运营。 本例省 24 万、运营 13 万，真正能抵投入的只有 11 万——不扣就是虚报一倍多。
3. 「9 个月回本很短，赶紧上」。75% 是拍的。 按 40.6% 这个平衡点重新审一遍，如果拿不出证据说替代比例超过 41%，这个项目就不该立项。

第一章到这里收尾。 第二章开始动手——把模型装到自己电脑上跑起来，先用 Ollama 走完六步， 再用 Page Assist 在浏览器里接上它。

• ☐ （本章完，下一节 2.1.1 部署前的准备工作）

相关笔记

• 🧠 AI训练师手册2 · 索引