先给结论：企业 AI 落地的成本从来不是「一个产品多少钱」，而是三张表相加——一次性投入（诊断、MVP 开发、系统集成）、持续成本（人力、模型调用、维护优化），以及机会成本（自己摸索的时间与试错）。只盯任何一张表都会误判总花费。
自建 AI 团队的真实成本：招聘与薪酬是显性成本，更大的隐性成本是时间——组队、踩坑、验证，多数企业从 0 到第一个可用结果需要数个季度；如果内部没有工程底盘，这一条的成本最高。
采购 SaaS 与调用 API 的成本：起步低、见效快，订阅或用量账单清晰；但当需求涉及多系统打通、私有化部署或非标准流程时，定制与集成的追加成本会快速上升，最终可能超过一次性交付的总价。
FDE 交付的成本结构：先免费诊断锁定范围，MVP 阶段按实际工作量报价，多数场景在诊断后 2-6 周上线，上线后的持续优化按需投入。相比自建，省去招聘与试错；相比订阅，多一笔前置投入，换来不逐年叠加的确定性总价。
预算判断框架：把成本拆成四个驱动因素逐一评估——业务范围（覆盖几个环节或部门）、系统数量与接口情况、数据质量（是否需要清洗）、合规要求（是否必须私有化）。这四个因素决定报价的量级，而不是企业规模。
