核心要点速览
- 测算对象要收窄到一个应用、一条产线、一个可量化的动作（如某型号外观件误判复核），不要用「全厂智能化平台」当测算单位；边界越大，假设越多，数字越不可信。
- 成本至少五项：数据准备、采集与产线改造、软件与实施、流程改造与培训、持续运维。软件许可常常不是大头，资料治理与复核人力才是。
- 收益只认三类且要防重复计算：省人（工时）、减损（报废/返工/客诉）、增效（产能与节拍）；同一批工时被多个口径同时计入，是测算表最常见的注水方式。
- 回本口径建议用静态回收期 = 一次性投入 ÷ 月净收益，月净收益 = 月毛收益 − 月运维成本；毛收益一律用「改善量 × 单价」，改善量必须来自上线前测得的基线。
- 立项时同时写三件事：基线怎么测（谁、哪段时间、哪些单据）、试点验收指标、以及止损线（例如试运行八周误报工作量未下降即停止扩展），避免项目靠「感觉有用」续命。
- 投入参考（软件加实施口径，硬件与年运维另计）：单点问答/建议级应用 3~15 万、含采集改造与业务系统集成的岗位级应用 15~50 万；回本周期常见在 6~24 个月区间，差异主要来自数据基础而不是模型能力。
01先把测算对象收窄到一个应用
回本测算失真的第一个原因，是把对象定得太大。「上 AI」不是一个项目，「用视觉模型替代某条产线某类外观件的人工全检」才是。对象越宽，收益侧就越依赖假设（各部门都会说自己能省人），成本侧越容易漏项（谁也不愿意为数据清洗背书），最后得到的数字没人能负责。
可测算的应用有四个特征：有明确的现行做法（现在是几个人、几道工序、多少工时）、有可对比的产出（件数、工时、废品数、停机时长）、有单一责任岗位、改善能被单据验证。四个都满足，才进测算表；缺一个就先补基线，别急着算钱。
把 AI 应用按能力分级也有助于估成本：问答与建议级（查资料、生成待办、给方案，人不改流程）通常不需要动业务系统接口，投入低、见效快；执行级（自动写 MES/WMS/ERP、自动触发工单）要额外算权限设计、审计日志、失败回退与试运行，投入会明显上一个台阶。同一个「智能体」名词，两级差着一套集成工程。
还要区分一次性投入与持续成本。采集硬件、资料治理、实施与培训多属前者；模型调用、样本标注、复核人力、模型迭代与运维多属后者。回本测算只把一次性投入放分子、把持续成本从月收益里扣，是最不容易自欺的算法。
一个务实的建议：测算表只做一页，附一段「本测算不成立的条件」——比如换型频率超过某个量级、资料扫描件比例过高、现行流程本身会变。把这些写下来，评审时讨论的是条件而不是立场。
02成本五项：软件许可往往不是大头
① 数据准备。包括资料盘点与清洗、图片式 PDF 的 OCR 与抽检、样本标注、编码与口径对照、历史单据补全。视觉类应用还要为边界样本做判定标准量化。这项最不「AI」，却常占工作量的一半以上，且几乎无法压缩——跳过它，后面所有环节都在垃圾数据上跑。
② 采集与产线改造。视觉质检涉及工业相机、光源、支架与触发装置；设备预测类涉及传感器、网关与网络改造；老旧机床还可能需要加装采集模块。要按点位数量、布线难度与停机施工窗口估，不能按「一套软件」估。办公网络能跑的多数问答/建议级应用，这一项可以接近零。
③ 软件与实施。含软件许可或订阅、模型调用、接口开发、部署与联调、测试集准备。接口数量与既有系统开放程度是主要变量：系统接口文档齐全、主数据已治理的工厂，实施成本会低一大截。
④ 流程改造与培训。AI 输出通常要落进某个动作：复核队列谁清、预警转工单谁签、建议值谁确认。这些岗位与工时变化需要重新约定，培训与试运行的成本要算进去。没有出口的应用，收益侧基本无法兑现——查完还得手工去另一个系统填单，一线用两次就回到老办法。
⑤ 持续运维。按月或按年计：模型调用与算力、样本标注与月度迭代、复核人力、误报排查、换型后的专项验证、版本与回退管理。合同里若只写「交付上线」而没有持续迭代条款，第三个月开始的成本会以隐性方式出现（通常由车间自己消化，最后变成系统没人用）。
03收益侧三类：省人、减损、增效，别重复计算
省人按可释放的工时算，不按「减少人数」算。多数工厂试点阶段并不会真的减员，而是把人从重复核对转到复核、异常处置等更需要判断的岗位。因此口径应写成「某岗位每日减少 X 小时核对工时 × 小时综合成本」，并注明这部分工时转向了什么工作，否则财务会直接质疑。
减损按改善量乘单价算：报废与返工件数下降、漏检流到下游的返工工时下降、客诉与召回风险下降、非计划停机时长下降。每一项都要能指向单据来源（质检记录、返工单、停机记录）。风险类收益建议单列、按概率折减，不要与确定性收益混在一张表里。
增效按产能或节拍改善算：单位时间产出提升、换型等待缩短、齐套检查提前带来的开工提前。这里最容易和减损重复——停机少了既算「减损」又算「增效」，本质上是一次改善。同一原因只允许进一个口径，测算表加一列「改善原因」，重复的当场删掉。
三类收益都要扣掉新增成本：复核人力、样本标注、系统运维、额外采集设备折旧。净收益比毛收益小得多是正常的；用毛收益算回本，等于把项目成本藏在另一本账里。
还有一个诚实提醒：基线要在上线前测。用最近一个月单据、一次抽盘和一段现场计时就能量出量级，成本很低。上线后再补基线，只能靠回忆，数字会不自觉地朝想要的方向靠。
04回本测算口径：基线、净收益、静态回收期
推荐一个不需要财务建模基础的算法。第一步：列出一次性投入总额（五项成本中的前四项 + 首期实施），记为 I。第二步：上线前测基线，得到当前每月的相关成本 B（核对工时、废品损失、停机损失等）。第三步：试运行期间测同口径的每月成本 A 与每月新增运维成本 C。第四步：月净收益 = (B − A) − C，静态回收期 = I ÷ 月净收益。
这个口径的好处是所有数字都能落到单据：B 和 A 来自同一套报表与工时记录，C 来自运维台账，不需要假设「效率提升 20%」这类没有来源的百分比。评审时争议会集中在「这项改善是不是系统带来的」，而不是「数字从哪来的」。
敏感性至少做三档：保守（改善量打对折、运维成本上浮）、基准、乐观（改善量按试运行最好月份）。三档都算回收期，若只有乐观档能在可接受周期内回本，说明项目对条件太敏感，应先缩小范围或补数据基础，而不是直接上量。
对分阶段投入的项目，不要把后续阶段的收益算进第一阶段的回本：试点期只算试点那一动作，扩展后再按新增投入重算一次。把三年规划的总收益拿来给第一期立项背书，是预算失控最常见的起点。
回收期之外补两个辅助指标：试点期采纳率（生成的建议/待办里有多少被真正处理）与误报或无效预警工作量。前者决定收益能不能兑现，后者决定持续成本会不会失控。两者都不达标时，即便账面回收期好看，也该先修流程与数据。
05立项、验收与止损线怎么写
立项材料建议只写四页：现状与基线（含测量方法）、方案与开放到哪一级能力、一页测算表（三档敏感性）、试点验收与止损条件。把「不做什么」写清楚（不自动过账、不改质量判定流程、不替换 ERP），能省掉上线后大量边界争论。
试点节奏按四周到一个季度设计：前两周跑通数据与出口（能不能出结果、结果能不能转成动作），中间两周测采纳率与误报工作量，最后按同一套基线复测改善量。每一步都有独立可验收产出，不必等整套打通才知道行不行。
验收指标至少三项，且尽量是行为指标而非满意度：采纳率、无效输出工作量、同口径改善量。再加一项系统侧的可回退性——模型或规则更新后能退回上一版、自动动作能一键停用。
止损线必须事前写。例如：试运行八周，采纳率低于约定值或复核工作量无下降趋势，则停止扩展、回到数据治理；或换型频率超出测算前提时重新评估。没有止损线的 AI 项目，往往靠「已经投了这么多」继续追加，最后变成沉没成本。
组织上要有一个业务负责人对基线、动作清单与止损决策负责，不能由 IT 或供应商代管。收益兑现靠流程改变，而流程改变只能由业务侧拍板——这与所有数字化项目的规律一致。
06常见坑与投入区间
坑一：只算软件报价。资料治理、采集改造、流程培训与持续运维全漏，预算上线后翻倍。
坑二：用毛收益算回本。复核人力、标注与运维不扣，账面半年回本、实际两年。
坑三：同一改善重复计入。停机减少既算减损又算增效，测算表看着漂亮，兑现时只有一次。
坑四：上线后补基线。没有对照，改善量只能靠感觉，评审与复盘都失去依据。
坑五：把三年规划收益算进第一期。第一阶段被迫为尚未建设的场景背书。
坑六：合同只写交付不写迭代。换型、换料后表现下滑无人负责，第三个月系统停用。
投入参考（软件加实施口径，工业相机与传感器、产线改造、模型调用与年运维另计）：单点问答/建议级应用 3~15 万（一个岗位、一个动作闭环、基础留痕，1~2 个月）；含采集改造、样本标注与业务系统集成的岗位级应用 15~50 万（多动作清单、人工确认界面、失败回退与试运行，3~6 个月）；多产线多系统协同含统一动作治理 50 万以上（6 个月起）。按同口径净收益测算，回收期常见落在 6~24 个月区间；差异主要来自数据基础、接口开放程度与复核工作量，而非模型选型。均为区间表述，实际以点位数、资料质量与集成范围勘察为准。
一句话框架：算 AI 项目投入，先把对象收窄到一个应用、一条产线、一个可量化动作，再拆五项成本（数据准备、采集改造、软件实施、流程培训、持续运维）——软件许可往往不是大头。收益只认省人、减损、增效三类，同一改善原因只进一个口径，且必须扣掉复核与运维成本。回本用静态回收期：一次性投入 ÷（基线月成本 − 试运行月成本 − 月运维），基线务必上线前用同一套单据测。立项同时写清三档敏感性、试点验收指标与止损线；采纳率与无效输出工作量不达标时，先修数据与流程，别急着扩范围。
常见问题（FAQ）
Q：工厂上一个 AI 应用大概要花多少钱？
按对象拆比按「一套系统」问更靠谱。成本至少五项：一是数据准备（资料盘点清洗、扫描件 OCR、样本标注、编码与口径对照），常占工作量一半以上；二是采集与产线改造（视觉质检的相机光源、设备预测类的传感器网关、老旧机床采集模块）；三是软件许可与实施（接口开发、联调、测试集）；四是流程改造与培训（复核队列谁清、预警转工单谁签）；五是持续运维（模型调用、月度迭代、复核人力、换型专项验证）。参考区间（软件加实施口径，硬件与年运维另计）：单点问答/建议级应用约 3~15 万，含采集改造与业务系统集成的岗位级应用约 15~50 万，多产线协同含统一治理约 50 万以上。均为区间表述，实际以点位数、资料质量与集成范围勘察为准。
Q：AI 项目的回本周期怎么算才不注水？
用一页可落到单据的口径：先列一次性投入 I（数据准备、采集改造、软件实施、流程培训与首期实施）；上线前用最近一个月单据与现场计时测基线月成本 B；试运行期按同一口径测月成本 A 与月新增运维成本 C；月净收益 = (B − A) − C，静态回收期 = I ÷ 月净收益。收益只认三类——省人工时、减损（报废返工停机）、增效（产能节拍），同一改善原因只进一个口径，避免停机减少被重复计入减损与增效。再做保守/基准/乐观三档敏感性（改善量打对折、运维上浮等），只有乐观档能回本就说明条件太敏感。分阶段项目不要把后续阶段收益算进第一期。
Q：AI 项目立项时最容易漏算什么？
最常漏的是三类：一是持续运维——样本标注、复核人力、模型迭代、换型后的专项验证与版本回退，合同只写「交付上线」时这些成本会转到车间隐性消化；二是流程出口——查完还要手工去另一个系统填单，一线用两次就回到老办法，收益根本无法兑现；三是数据治理——图片式 PDF、一物多版、口径冲突不处理，换更大的模型只会让错误更流畅。另外还要漏写止损线：试运行八周采纳率不达标或复核工作量无下降趋势即停止扩展。建议立项材料附「本测算不成立的条件」，把换型频率、资料扫描件比例等前提写清楚。
Q：AI 项目收益该怎么验收，不能只看准确率吧？
对，行为指标比模型指标更能说明收益兑现。建议至少三项：采纳率（生成的建议或待办有多少被真正处理，可用「答案/预警转工单或作业」的比例近似）、无效输出工作量（误报件数、复核队列长度与平均处理时长）、同口径改善量（与上线前基线对比的工时、废品、停机数据）。再加系统侧的可回退性：模型或规则更新能退回上一版、自动动作能一键停用。满意度问卷与演示时的准确率只能作参考。组织上要有业务负责人对基线、动作清单与止损决策负责，因为收益靠流程改变兑现，而流程拍板权在业务侧。