企业核算 AI 成本，不能只看模型调用价格。真正需要回答的是：完成一项可交付业务任务，企业总共支付了多少钱。一次生成看似便宜，如果需要多轮调用、检索、工具执行、人工修改或失败重试，单位产出成本就会被显著抬高。企业采购的不是一段文本，而是一个能够被业务流程吸收的结果。
先定义“单位产出”
核算前必须明确分母。它不能简单等于“调用次数”，而应当是一次完整任务的合格交付，例如一份经过审核的内容、一次完成的客户响应，或一项已经写回业务系统的处理结果。若 AI 只完成资料提取，后续仍需员工判断、修改和录入，就不能把整项业务都算作自动完成。
更稳妥的口径是：
单位任务成本 = 模型调用成本 + 系统运行成本 + 人工审核成本 + 数据处理成本 + 运维与治理成本
其中，人工审核成本尤其容易被遗漏。企业应记录每项任务的人工介入比例、修改时间、关键错误数量、失败重试次数，以及最终是否需要转回人工流程。若员工必须逐条重写输出，模型价格再低，也不能直接视为降本。
固定投入与规模成本要分开
接口开发、数据整理、流程改造、权限设计和培训，通常属于前期固定投入；调用、存储、审核和异常处理，则会随业务量变化。两类成本混在一起，容易造成错误判断：小规模试用可能因固定投入显得昂贵，规模扩大后也可能因人工审核和高峰资源需求增加而失去优势。
企业至少应分别测算低频试用、常态运行和业务高峰三种情景，并记录调用量、输入输出长度、重试次数、人工介入比例和系统资源消耗。最终要比较的不是“单次调用多少钱”，而是不同运行状态下，每完成一项合格业务任务需要多少钱。
此外，成本核算还要与质量绑定。低成本但错误率高的系统，可能增加复核、返工和责任处置支出；高成本但能够稳定完成关键任务的方案，反而可能更具业务价值。只有把质量、人工参与和完整流程纳入同一张账，企业才能判断 AI 是真正降低了单位成本，还是只是把成本从技术部门转移到了业务部门。