怎么判断一份 AI 项目报价靠不靠谱

一、先看分母，再看数字

两份报价差三倍，问"哪份合理"是问不出来的——先问两边的"人天"是不是同一个东西。同样写"80 人天"，有的报价含需求调研、数据治理、上线陪跑和一年维护，有的只含把代码写出来。数字差三倍，可能只是分母不同。

判断报价的第一件事：把总价除以人天单价还原出工作量，再逐项核对这个工作量里装了什么。装的东西对不齐，两个数字没有可比性。

二、一份靠谱的报价应该能看出四层

第一层：诊断与范围。 动手之前"把需求问清楚"这件事，有没有单独占一行。AI 项目里这一层占比不低——真实数据往往和口述需求对不上，报价里没有这一层的，要么后期加钱，要么用"简化实现"找回差价。

第二层：数据与集成。 数据整理、系统对接通常是 AI 项目里最重的两件事，也是报价里最常被压缩的两件事。看报价对"数据现状"有没有描述——描述越具体（格式、量级、脏度），报价越可信；只写"对接客户系统若干"的，等于把不确定性全部转嫁给后期。

第三层：模型与开发。 这一层是外行最容易高估的部分。同样的功能，调用成熟接口和自研模型的工作量可以差一个数量级，报价里要能看出选的是哪条路、为什么。

第四层：上线与退出。 部署、培训、验收标准之外，还有一项几乎没人主动写：项目结束时客户拿到什么。源码、数据字典、运维文档、模型资产的归属和交接，写清楚的是把关系做长，含糊的把锁定当利润。

三、三个危险信号

报价快得不正常。 没看数据就给出精确总价的，报的不是工作量，是赌率。

没有一行叫"风险"。 靠谱报价会主动标出哪些假设不成立会导致成本变化，并给出触发条件。全是确定语气的报价，把风险留给了扯皮。

便宜集中在后两层。 前两层（诊断、数据）报得轻、开发报得重的单子，是拿传统外包的思路做 AI 项目——而这类项目的失败恰恰多数发生在数据侧。

四、比价的正确姿势

把两三家报价按四层重排成一张表，差距通常收敛到两种：口径不同（谈一轮就对齐了），或者真有一家没算明白（让对方解释第二层和第四层，解释不出来的，数字再便宜也别签）。

报价单是假设清单，不是价格标签。 看一份报价靠不靠谱，本质是看它背后的假设写没写出来、经不经得起追问。

撰稿：邓湘雷