你每个月给 AI 工具交多少订阅费，你知道。但一件活从交给 AI，到改好、能用，一共花了你多少钱？大多数人答不上来。上周末的新闻还告诉我们一件更麻烦的事：连你交的那个价，也是别人说改就能改的。
这篇文章想说的话，其实就一句：
AI 的真实成本，不是定价页上的单价，而是「做成一件能用的活」总共花的钱——模型费，加上人检查、返工的时间，再加上一个你管不了的变量：平台随时可以改的使用额度。
为什么这么说？先看上周日发生的三件事。
01同一个周日，三条新闻，说的是同一件事
2026 年 11 月 2 日，一天之内出了三条新闻。表面上说的是三家公司，其实说的是同一个问题：AI 的账单，到底谁说了算。
2026 年 11 月 2 日同日三条新闻：Grok 用户额度一夜清零、OpenAI 把两个产品并成一个额度池、Garry Tan 自曝一年花 10–20 万美元。卖家、平台、重度用户，三个角度说了同一件事。
第一条：额度说砍就砍。很多 AI 产品不是无限用的，每周给你一个使用上限，这个上限叫「额度」。万圣节那个周末，Grok 的用户一觉醒来，发现自己这周的额度已经被用完了——有人前一天晚上还剩一半，一夜之间变成 0，而他根本没用过。周日，马斯克在 X 上承认：这不是故障。他的原话是「服务 Grok 的成本相对收入高得撑不住」[1]。更有意思的是：根据 SpaceX 一个月前自己公布的文件，这个 AI 部门是赚钱的，一年利润 4.31 亿美元。一个赚着钱的部门，照样在周末把付费用户的额度砍了，而且砍的是你已经付过钱的那部分。这说明一件事：额度不是合同里的承诺。它是公司的成本阀门，成本一高，先拧你。
第二条：几个产品开始共用一个额度。同一天，OpenAI 给用户发邮件：以后 ChatGPT 和 Codex（它的编程工具）从同一个额度池里扣钱。OpenAI 自己的原话是：大部分人不受影响，但「有些用户可能要更频繁地等额度重置」[3]。翻译一下：你买了两个工具，以前各用各的额度；以后一个用多了，另一个就得停下来等。额度怎么分，平台说了算，不是你。
第三条：用得最狠的人，说这账单付不起。本周上线的一期播客里，YC 的 CEO Garry Tan 公开了自己的花费：「我一年在 token 上大概花 10 万到 20 万美元」[2]。token 是 AI 的计费单位——模型每读一段字、写一段字，都按 token 收钱。20 万美元，按 7.1 的汇率粗算（汇率是我为了好理解估的，不是引用），约 142 万人民币，差不多是国内一个十人小团队一年的工资。Tan 可能是全世界把 AI 用得最深的人之一，他的 AI 读过他全部的邮件和二十年的笔记。连他都说：「现在太贵了」，这是「不是谁都付得起的特权」。他觉得出路是什么？他的原话：「你可以想象一个你自己控制、你自己编程的个人 AI。」
把三条放在一起看：卖家可以在你付完钱之后砍你的额度；平台可以随时改额度的分法；用得最狠的人说这价格没法推广。注意，没有一条新闻在说「单价太贵」——这两年 AI 的单价其实一直在降。三条说的都是同一件事：电表装在别人家里。你只负责交电费，度数怎么算、什么时候跳闸，都不归你管。
02单价是透明的，为什么你的账单还是算不准？
AI 收费最让人困惑的一点是：单价明明白白写在官网上，但你的账单就是对不上。两个原因。
第一个原因：AI 干活不是「一问一答」，是「反复折腾」
先看单价。假设一件标准任务：AI 读 4,000 个 token，写 800 个 token，10% 的概率失败重来，70% 的内容走缓存（这是价格对比网站 InventiveHQ 的标准假设，价格核对于 2026 年 8 月 13 日）[6]。按这个算，一件任务的成本在 0.00086 到 0.06 美元之间，取决于你用哪个模型，差 70 倍。中档主流模型，比如 Claude Sonnet 5，大约一件 0.012 美元——不到一毛钱人民币。
听起来很便宜，对吧？那 Garry Tan 一年 20 万美元是怎么花出去的？摊到每天是 548 美元。按一件 0.012 美元算，等于他每天干 45,000 件任务。没有人这样用 AI。
差距在哪？在于你让 AI「帮你干活」（这种 AI 叫 agent，国内也叫 AI 分身）的时候，它不是回答你一次就完了。它每走一步都要把前面的内容重新读一遍；它调用工具查资料，查回来的东西又变成新的字数再收一遍钱；失败了自动重试，重试也收钱。聊天是一次买卖，干活是连环买卖。所以「单价 × 任务数」永远估不准你的账单，差一个数量级都正常。
第二个原因更重要：最大的一笔开销，根本不在账单上。
03把一个月的账全部摊开，钱到底花在哪了
十月份，我们自己团队用 AI 分身交付了 1,840 件验收通过的活——写好的稿子、对好的账、审完的合同、做完的报告。我们把这个月的全部开销算了一遍：模型费、服务器费，还有人花在检查和重做上的时间（按工资折成钱）。先说明：这是我们自己的内部账，外人没法验证，你就当一个团队的诚实记账看，别当行业数据 [9]。
一个团队 2026 年 10 月的 AI 账单去向：返工占 41%、服务器等杂项占 27%、模型费（token）只占 18%、其他占 14%。最扎眼的一点：所有人都在谈的那笔钱，其实是倒数第二小的。
| 这笔钱是什么 | 占比 | 说白了 |
|---|---|---|
| 模型费（token） | 18% | 唯一一笔大家都在砍价的 |
| 服务器、存储、监控 | 27% | 让 AI 跑起来的水电杂费 |
| 返工 | 41% | 人检查 AI 产出的时间 + 不合格重做的时间 |
| 其他 | 14% | 接口维护、提示词维护 |
看到问题了吗？所有人都在讨价还价的模型费，是倒数第二小的一笔。最大的一笔是返工——它从来不出现在任何账单上，因为它是用你员工的工时付的。
不想信我们的账？没关系，下面这笔账你可以自己算。只需要三个数（都是示例，可以随便换）：AI 做一件活的模型费 0.3 美元（一件活是几百次调用，不是一次聊天）；人工检查的时薪 45 美元；两种情况——没有管束的 AI，产出要人查 6 分钟，35% 不合格要重做；有系统管束的 AI，查 2 分钟，12% 要重做。用到机器的那两行，机器按每月 1,200 美元全包计（示例：折旧、电费、维护）。
| 四种情况（数字均为示例） | 做成一件活的真实成本 |
|---|---|
| 用云端 AI，没有管束（35% 返工） | 7.38 美元 |
| 用云端 AI，有系统管束（12% 返工） | 2.05 美元 |
| 自己买机器，但活太少——每月 300 件 | 6.27 美元 |
| 自己买机器，活够多——每月 1,800 件 | 2.47 美元 |
这张表里有三个结论。第一个就跟推销话术相反——包括我们自己的推销。
第一：返工率才是大头。返工率从 35% 降到 12%，一件活的成本降 72%。而把模型单价砍半呢？总成本只降 3%，省两毛三美分。如果你谈 AI 成本时只谈模型费打几折，你是在跟 18% 砍价，放过了那 41%。
同样的模型、同样的单价，返工率 35% 和 12% 的成本对比：7.38 美元对 2.05 美元。图里那条深色细边才是模型费。单价砍半省 0.23 美元；返工率降下来省 5.33 美元。
第二：就按这组数字，自己买机器也没有比云端便宜（2.47 对 2.05）。我们是卖机器的，这句话照样要写出来。因为买机器的真正理由不是「单件便宜」，是下一节那个。
第三：换掉任何一个数字，结论都可能反过来。如果你的任务更复杂、模型费更高，买机器就赢了；如果你一个月只有 300 件活，买机器就是浪费。这笔账就三个数一个除法，拿你自己的数算一遍，再决定信谁——包括别全信我们。
04自己买机器，买到的不是便宜，是电表搬回自己家
关于「自己买机器还是用云」，外部说得最透的是 MindStudio 的分析（2026 年 10 月 8 日），就一句话：云是用多少付多少，机器是买断价，哪个划算，取决于机器每天真正干多少活 [5]。他们还有一句不客气的推论，每个卖本地 AI 的人都该抄在墙上：闲着的机器是纯浪费。一台每天只干两小时活的机器，怎么算都不如用云。
云的成本随任务量线性上涨，自己的机器是一条水平线。示例参数下，交叉点约在每月 4,000 件（每个工作日约 190 件）。活没到这个量，用云划算；超过了，机器划算。
反方的话也要原样放在这。就在上周，Sam Altman 说：「内存放在数据中心，比放在你桌上更好」[4]。对偶尔用、用量忽高忽低的人，他说得对——数据中心一台机器服务几千个客户，你桌上的机器比不了这个摊薄。所以这不是站队问题，是对号入座的问题：
| 你是这种情况，用云 | 你是这种情况，买机器 |
|---|---|
| AI 偶尔用用，一周几小时 | AI 每天都有固定的活干 |
| 这个月多、下个月少，没准 | 每天干的都是同样那些事 |
| 还在摸索 AI 能帮你干什么 | 已经能数出每月交付多少件 |
| 额度被砍，顶多心烦 | 额度被砍，项目就要延期 |
| 数据传出去无所谓 | 数据不能出门，这才是重点 |
企业那边今年五月就得出了同样的结论：戴尔把每天固定要跑的 AI 任务搬到办公室的机器上，就是为了省掉月月要交的云费用 [7]。
05把话说死：买机器解决什么，不解决什么
这一段单独写，是为了不让上面的话变成忽悠。自己买机器，只解决两个问题：
解决额度问题。就是 Grok 用户周六早上遇到的那种事。机器是你的，没有周额度，没有共享池，没有哪个周日生效的新规定。没人能从外面拧你的表。
解决「价格慢慢变味」的问题。标价不动，但套餐重新打包、额度并池、同样的钱买到的东西越来越少——这种事在你自己的机器上不会发生。
但它不解决这三个问题，必须写清楚：
没有管束的 AI，在你自己机器上跑，返工率照样 35%。而返工是账单上最大的一笔。
机器买回来，固定成本就是你的了。活不够多，浪费的也是你。这条正好打在我们这种卖机器的身上，但它是真的。
硬盘会坏。云厂商帮你做的备份和冗余，是你放弃掉的真实好处。
一句话总结：买机器是把电表搬回家。但账单上最大的那笔钱——返工——取决于机器上跑的 AI 守不守规矩，跟机器放在谁家没关系。
06在 KarmaBox 上，这两个问题是怎么处理的
说到这，才轮到我们自己的产品。它就是按上面这笔账设计的：先管电表，再管返工。
管电表：KarmaBox 是一台一次买断的机器，放在你自己办公室。模型费那一行从此变成电费加折旧——这个数没有重置日，没有共享池，没人能在周日改它。但照前面那张表，机器只有活够多才回本。所以这台机器出厂就不是空的：里面带 19 个官方分身，每个管一摊固定的活——记账的、写外联稿的、做客服的、审文件的——目的就是让机器每天都有活干，别闲着（19 个分身、7 类职能、60 套流程、241 条测试用例：数字来自我们自己的参考页，2026 年 10 月 15 日，属于厂商自己的说法）[8]。
管返工：每个分身的权限分三档，写在系统里，不是写在提示词里：能直接做的、做之前必须停下来问你的、以及根本没给它装这个能力的。前面 35% 对 12% 的返工率是示例数字，但道理不是示例：一个越不出格的 AI，人只需要花两分钟核对，而不是花一小时重做。这个差别，就是账单上那 41%。为什么规矩必须写在系统里而不是提示词里，我们在主权 AI 工作台那篇里写透了；一句话版本：规矩不归你管，账单就不归你管。
照例把丑话说在前面：按今天这组示例数字，它单件成本不比用得好的云端便宜；硬盘坏了它一样坏；你要是一周只用两小时 AI，别买，用云。
07常见问题
AI 做一件任务的成本到底是多少？
按标准假设（读 4,000 字符、写 800、10% 重试、70% 缓存），公开价格算出来一件 0.00086 到 0.06 美元，差 70 倍，看你用什么模型（InventiveHQ，价格核对于 2026 年 8 月 13 日）。但「帮你干活」的 AI 会反复读写和重试，所以实际成本大头通常是人工检查，不是模型费。
模型一直在降价，为什么我的账单越来越贵？
三个原因：干活的 AI 用量是放大的，单价降、总量涨；平台在把几个产品并进同一个额度池，一个用多了另一个就得等；额度规则本身随时可以改——2026 年 11 月初 Grok 用户遇到的就是第三种。
自己买机器跑 AI，比用云便宜吗？
不一定，谁拍胸脯说一定便宜，谁就是在卖货。机器是固定成本，云是用多少付多少，分界线是你的活够不够多（MindStudio，2026 年 10 月 8 日）。按本文的示例数字，活很多的时候两边成本差不多打平——买机器买到的是「额度和价格没人能动」，不是更低的价。
AI 最大的隐形成本是什么？
返工：人检查 AI 产出的时间，加上不合格重做的时间。我们自己十月的账里它占 41%，是模型费的两倍多（自家数据，仅一个团队）。它不出现在任何账单上，因为它是用工资付的。
想知道自己的真实成本，该记什么？
每件活记三个数：这次花了多少模型费（或摊多少机器钱）、人工核对花了几分钟、最后是通过了还是重做了。「做成一件能用的活」的成本，才是真正进你损益表的数——不是每百万 token 的单价。
最后留一个问题：今天，你做成一件能用的活，成本是多少？这个数——除了你，还有谁能说改就改？