按项目与成果分摊 AI 研究成本
更新于 October 8, 2026 · 首次发布 October 8, 2026
AI 研究成本应先分摊到批准这项工作的项目,再分摊到其下的实验或问题集,最后在可获得该细节时分摊到经过评审的成果。这种三级账本既能让财务回答谁为一个研究计划出资,也能回答一个已验证结果花了多少钱,同时不会假装每个模型输出的价值都一样。
随着研究工作负载从小型实验扩展到大批量运行,这种方法变得重要。以 OpenAI 2026 年 10 月的数学发布为例,它披露了 722 篇手稿、372 个结果族,平均每个结果大约相当于三小时的 ChatGPT Pro 推理计算。该披露没有公布每个结果的 API 价格,因此计算等价量必须作为与美元分开的单位保留。参见 OpenAI 发布页及其代码仓库。
使用三级分摊
- 项目:经批准的研究计划,例如材料发现、定理探索或文献综述。
- 实验:一个有边界的问题、基准测试或运行批次,附有指定负责人和评审标准。
- 成果:已尝试、已接受、已验证或可复用的结果,并记录其验证状态。
每个模型请求、工具调用、沙箱和评审记录都应携带项目和实验标识。评审完成后再添加成果标识。这样即使某个候选结果被拒绝或修改,原始支出也能保留下来。
账本应包含什么
至少要存储:时间戳、供应商或内部系统、模型及配置、项目 ID、实验 ID、请求或运行 ID、实测用量、费率卡版本、直接费用、币种和状态。对于研究工作流,还应记录重试次数、工具与计算费用、评审分钟数以及最终处置结果。除非治理规则允许,敏感提示词和研究数据不要进入财务导出。
如果内部模型不提供可计费费率,应单独记录其原生工作单位:加速器小时、作业小时,或一个已披露的等价量。如果组织设定了转移定价,应包含其负责人、方法、生效日期和置信度。不要悄悄把这种代理量折算成现金,也不要与供应商发票混在一起。
透明地分摊共享基础设施
有些成本无法追溯到某一次请求:预留的加速器、共享存储、评估基础设施和平台运维。在向团队收费之前,先公布分摊规则。可直接归因的用量应归入其实验;共享的固定成本可按预留容量、实测利用率或稳定的工作负载驱动因素分摊。固定成本分摊要与边际推理支出分开展示。
选择与报告要支持的决策相符的规则:模型路由选择用边际用量,基础设施规划用容量预留,项目资金用完全加载成本。团队之间或报告周期之间变更分母,会让比较失去可靠性。
使用考虑状态的分母
不要把研究总支出除以所有生成的文档,然后称之为每次发现的成本。应按阶段统计产出:已尝试、候选、已评审、已验证、已复用。然后报告例如每个已验证结果的成本,并附上候选到已验证的转化率和评审工时。这样评审质量和失败的工作都会显性化,而不是被藏在混合平均值里。
对于一份简单的项目报告,展示四行:直接模型与工具成本、共享平台分摊、人工评审投入,以及完全加载后的总支出。在每一行旁边列出尝试次数和已验证成果数。只有说明了验证规则和时间窗口,得出的单位成本才有意义。
对账与治理
定期把请求账本与供应商发票或平台计量对账。解释由延迟的用量导出、最低收费、积分、重试或共享资源造成的任何差额。估算值和内部转移价格要做标记,防止被误认为是应付给供应商的金额。
为项目设定预算负责人、单次运行的上限,以及超出额度工作的例外审批路径。当项目从探索性工作转为可重复的流水线时,要重新审视预算;实验的不确定性不能成为无限制生产预算的理由。代理循环内部的运行护栏,参见自主代理所需的三类预算。关于成果指标,参见单次成功任务成本。
常见问题
AI 研究成本应如何分摊?
把直接用量记到引起它的项目和实验上。共享基础设施按已公布的驱动因素分摊,并与边际模型支出分开展示。
计算每个结果的成本时,应排除失败的 AI 研究运行吗?
不应排除。失败和修改过的尝试都应计入总支出,然后报告已验证结果的比例。排除不成功的工作,会低估产出一个可用结果的真实成本。
没有价格的内部模型该如何核算成本?
单独报告其原生计算单位。如果确需内部转移价格,应披露其公式、负责人、生效日期和假设,并与供应商发票成本区分开。
相关阅读
相关文章
想将这些方法用于您的技术栈吗? 请准备好供应商账单、网关日志和主要工作流;我们会梳理成本驱动因素与节省空间。 预约免费审查 →