制造企业核算 AI 项目总成本，不能只看软件订阅费。真正影响投资回报的，往往是集成、数据治理、流程改造和持续运营。若这些成本没有在立项阶段纳入预算，项目越接近上线，账面投入越容易失真。
先建立完整成本口径
一次性成本主要包括系统集成、接口开发、数据清洗、模型训练、流程再造和员工培训。制造现场通常涉及 MES、ERP、SCADA 等系统，数据分散、格式不一时，接口开发和治理工作可能比智能体许可费更昂贵。还应评估设备改造、测试环境、试点期间的生产切换和人工监督成本。
经常性成本则包括软件订阅、云资源、运维人员、模型调优、安全审计和数据持续维护。若项目需要人工复核异常结果，这部分人力不能因为“自动化”而被直接从预算中删除。对于跨工厂部署，还要区分总部平台成本、单工厂实施成本和按使用量增长的成本。
用项目周期分摊，而不是只看首年报价
建议先以一个明确场景建立 12 个月完整账本，再观察 24 个月的规模化成本。总成本可以按以下口径计算：
项目总成本 = 一次性建设成本 + 项目周期内经常性成本 + 组织与风险成本
其中，一次性建设成本应按项目周期合理分摊；经常性成本按实际合同和资源消耗计入；组织与风险成本则包括培训、流程调整、异常兜底、停线切换以及安全治理。这样才能避免供应商用低订阅费吸引签约，却把高额集成和运维成本留到实施阶段。
成本必须和可量化收益对应
成本核算不能脱离具体场景。预测性维护应对应停机损失减少，视觉质检应对应返工、客诉和人工目检成本下降，供应链调度应对应库存资金占用和计划效率改善。每项收益都要先建立项目上线前的基线，再设置保守、中性、乐观三档，不能直接把供应商宣传的 ROI 写进预算。
最终应同时观察投资回收期和风险边界。若试点阶段无法获得可靠数据，或接口、权限、人工复核等成本持续增加，就不应急于扩展。能否把每一笔支出追溯到具体业务指标，往往比模型演示效果更能决定项目是否值得投入。