先给结论：当企业有三个以上 AI 场景需要复用同一批数据与模型能力时，中台的边际收益开始显现；场景少于三个时，通常直接做单点应用更划算。
这条规则不复杂，但它能拦住相当一部分本不该发生的投入。
先说清楚 AI 中台到底是什么
抛开概念包装，企业 AI 中台本质上是三层可复用的底座：
| 层 | 内容 | 解决什么 |
|---|---|---|
| 数据层 | 统一的数据接入、清洗、口径管理、权限控制 | 每个 AI 应用不用各自重复处理数据 |
| 模型层 | 模型接入与切换、提示词与知识库管理、效果评估 | 换模型不用重写应用，效果可对比 |
| 应用层 | 应用编排、统一鉴权、调用日志与成本核算 | 应用能快速搭、成本能算清、行为可追溯 |
关键词是复用。中台的全部价值都建立在「有多个应用共享同一批能力」这个前提上。只有一个应用的时候，中台就是一层没有必要的中间成本。
这也是为什么场景数量是第一判断条件。
三条路线的成本与边界
路线一：直接调用 API + 轻量集成
适用于场景 1–2 个、以验证为主的阶段。
- 做法：用成熟大模型的 API，配合少量胶水代码或低代码工具，把能力嵌进现有系统或工作流。
- 成本结构：主要是按调用量计费的 API 费用 + 少量开发人力。前期投入低，成本随用量线性增长。
- 优点：启动快，试错成本低，模型可以随时换。
- 风险：数据要出企业边界，敏感场景需评估合规性；调用量大了之后单位成本不占优；各应用各自为战，数据处理逻辑会重复建设。
- 建议：这是绝大多数企业的起点，不要跳过。
路线二：采购成熟平台产品
适用于场景 3–5 个、需求相对标准的阶段。
- 做法：采购厂商的企业级 AI 平台或应用套件，在其框架内配置。
- 成本结构：许可费或订阅费 + 实施费 + 内部对接人力。成本较可预期，但通常有起步门槛。
- 优点：功能完整度高，上线快，厂商负责维护和迭代。
- 风险：定制空间受限，遇到特殊流程可能要迁就产品；存在供应商锁定；平台按席位或用量计费，规模上去后总成本需要重新算账。
- 建议：先用真实场景做验证性试用，不要只看演示。演示环境的数据都是理想的。
路线三：自建 AI 中台
适用于场景 5 个以上、且有明确数据资产积累诉求的阶段。
- 做法：自建三层底座，通常基于开源组件组合，可能包含私有化部署的模型。
- 成本结构：这条路线最容易被低估。除了显性的开发投入，还有三块隐性成本——持续的运维人力（需要专职团队）、模型迭代跟进成本（技术演进快，底座需要持续更新）、机会成本（团队精力投在底座上，就少投在业务场景上）。
- 优点：数据完全可控，长期单位成本有优势，能沉淀成企业自有能力。
- 风险：建设周期长，期间业务侧看不到产出，容易在中途失去支持；对团队技术能力要求高；如果场景增长不及预期，投入无法摊薄。
- 建议：启动前必须回答一个问题——未来 12 个月能明确列出至少 5 个要上的场景吗？ 列不出来，就还不到时候。
一条务实的演进路径
多数企业更合适的做法不是一步到位，而是跟着场景数量走：
```
1–2 个场景 → 路线一（API + 轻量集成），重点验证价值
3–5 个场景 → 评估路线二，或把路线一里重复的部分抽成共享组件
5 个以上 → 再考虑路线三，且优先抽象已被验证的复用部分
```
注意最后一句：自建中台应该是从已有应用里长出来的，而不是先建好再往里塞应用。前者是把重复的部分沉淀下来，需求真实；后者是先猜哪些能力会被复用，猜错的概率不低。
私有化部署还是调 API
这是选型时另一个高频问题。选择取决于三个变量：
| 变量 | 倾向私有化 | 倾向 API |
|---|---|---|
| 数据敏感度 | 涉及个人信息、核心商业机密，且合规要求明确 | 数据可脱敏，或本身非敏感 |
| 调用量 | 长期高频、量大且稳定 | 波动大或量不确定 |
| 迭代速度要求 | 可接受较慢的模型更新节奏 | 希望随时用上更新的模型能力 |
一个常见误判：出于「数据安全」直接选私有化，但没算清算力采购、部署运维、模型更新的持续成本，也没评估自己的调用量是否足以摊薄这些投入。安全诉求是真实的，但它应该和成本一起决策，而不是单独决策。
折中做法：敏感数据场景走私有化或本地小模型，非敏感场景走 API，同时在应用层做统一封装，保留后续切换的余地。
关于「要花多少钱」
这个问题没有通用答案，但可以给一个估算的拆法，把成本拆成四块分别估：
- 模型与算力成本——API 按调用量估，私有化按硬件采购加运维估；
- 开发与集成成本——按场景数量和系统对接复杂度估；
- 数据准备成本——最容易被漏掉，包括口径统一、清洗、权限治理的人力；
- 持续运营成本——上线后的效果监控、迭代优化、用户支持，通常按年估。
第 3 和第 4 项在多数报价里都不体现，但它们在实际总投入中占比不低。做预算时如果只算前两项，后期大概率超支。
具体金额区间取决于场景复杂度与企业现有基础，差异很大，建议以实际方案评估为准（{{通维咨询项目区间数据待实测补充}}）。
最后提醒三个信号
出现以下情况，建议暂停中台建设决策：
- 现有 AI 应用还没有一个跑到生产环境并被持续使用的；
- 说不清未来一年具体要上哪些场景，只能给出方向性描述；
- 数据口径在各部门之间仍未统一——这种情况下建中台，等于把混乱固化到底座里。
三条中命中任意一条，更合理的动作是先把第一个场景真正跑通。