2026 年在奥地利做一个 AI MVP 要多少钱？

先给诚实的答案：我们在奥地利见到的大多数 AI MVP，落在 €15,000 到 €120,000 之间，而这个区间内的差异，几乎完全取决于你实际在做什么，而不是谁来做。一个拧在现有产品上的薄 AI 功能，和一个模型本身就是全部意义的 AI 原生产品，是两种不同的物种。下面给你一张诚实区间的表格、把数字推高或拉低的因素，以及最便宜的报价为什么会变成最贵的那一个。

这里的每个数字都是基于我们在实践中见到落地的情况所做的估算，不是固定报价，也不是问卷平均值。把这些区间当作用来核对报价是否合理的参照带，然后针对你的具体情况拿一个经过界定范围的数字。谁在没搞清你的数据和集成之前就给出精确数字，那也是在猜。

一个 AI MVP 要多少钱？

这是我们在第一通电话里和创始人一起过的表格。区间故意拉得很宽，因为这个问题诚实的版本本就有很宽的区间。这些数字是估算，不是报价。

如果你的项目干净地落在某一行，就用那个区间。大多数项目坐落在两行之间，正因如此，一次范围界定的对话比一个计算器更值钱。

什么把成本推高或拉低

层级定了大致量级。下面这些因素决定你落在区间里的哪个位置，以及会不会冲破上限。

• 数据就绪度。干净、可访问、结构良好的数据是最大的单一杠杆。如果我们第一天就能读你的数据，成本就落在区间低端。如果先得抽取、清洗、打标，光这部分活儿就可能占去一半预算。
• 集成数量。MVP 要对接的每个外部系统，你的 CRM、你的计费、一个第三方 API，都会带来范围、错误处理和测试。一个集成很便宜。五个就是项目里的项目。
• 合规范围。个人数据、受监管行业，或任何触及 EU AI Act 的东西，都会抬高底线。这些控制不是可选项，要花真实的工程时间。
• 模型与基础设施的选择。跑在别人模型上的托管 API 起步便宜。自托管、微调，或任何需要 GPU 的东西，会很快把你带进另一种成本结构。
• 有多少是真正新颖的 vs CRUD。任何 AI MVP 的很大一部分都是普通软件：认证、表单、仪表盘、计费。这部分是可预测的。真正新颖的那部分，没人造过的那一块，才是估算变模糊、预算需要留余量的地方。

自建 vs 购买 vs 微调

你能做的最便宜的决定，就是不去造你不需要造的东西。

• 购买 / 包一层 API。对绝大多数 MVP 来说，通过 API 调用一个托管模型胜过其他一切。你得到一个前沿级模型，没有训练成本，只为用量付费。除非你有具体理由不这么做，否则从这里起步。
• 自建。你总是要围绕模型来造产品：检索层、工作流、评估、UI。你的钱和你的差异化，实际上都花在这里。
• 微调。大多数 MVP 不该微调。它带来数据采集、训练和维护成本，换来的收益通常要等到有真实使用量才能衡量。只有当 prompt 加检索真的撞了墙，而你有数据和评估能证明微调有帮助时，才去碰它。对一个 MVP 而言，这种情况很少已经成立。

人们忘掉的持续成本

构建预算是看得见的数字。运营成本才是上线三个月后让创始人吃惊的那个。

• 推理与 token 花费。对托管模型的每次请求都要花钱，规模一大就累积得很快。模型和架构的选择会让这张账单相差一个数量级，正因如此它值得一个真正的决定，而不是一个默认值。我们在 LLM API 成本与 2026 架构转变 里把它拆开讲过。
• 评估。一个没有评估的 AI 功能，是一个你无法安全更改的功能。你需要一种方式去衡量换 prompt 或换模型是让事情变好还是变差，这套装置是运营成本的一部分，不是锦上添花。
• 监控。模型会漂移，prompt 会腐坏，你从没设想过的输入会在第二周冒出来。在生产环境盯着输出，是持续的活儿。
• 再训练与更新。如果你做了微调，或者维护一个检索索引，那些内容会过时，得刷新。从一开始就把它列进预算。

在奥地利怎么给它找钱

如果你在奥地利做开发，构建的很大一块可以被资助，而这正是在这里做事的真实优势之一。需要知道的三个：

• Forschungsprämie（研究补贴）。对符合条件的研发支出给予 14% 的研究补贴，以现金退款形式发放，与盈利与否无关。真正的 AI 开发通常符合条件。我们在 面向软件开发的 Forschungsprämie 里讲过它的机制。
• FFG。奥地利研究促进局通过拨款和贷款资助研发项目，对真正新颖的工作来说，往往是最大的那根杠杆。
• aws。Austria Wirtschaftsservice 提供拨款、担保和面向早期公司的 preseed 支持。

这些可以叠加，叠得好会显著改变一个 MVP 的真实成本。怎么叠，我们在 叠加 aws、FFG 及其余 里走过一遍。

"一个 AI MVP 大部分是普通软件，中间夹着一块硬骨头。被烧到的创始人，是那些为硬骨头付了钱，却忘了普通软件也得做到生产级的人。"

什么时候最便宜的选项最贵

总会有更便宜的报价。有时它便宜，是因为团队更精干、更快。更多时候它便宜，是因为悄悄被省掉的东西，而那是晚到的账单。

• 没有评估。demo 看着很棒。然后你说不清下一次改动有没有让任何东西变好，而你在让它成为 AI 产品的那一部分上是盲飞的。
• 普通软件上没有 QA。模型能跑；围着它的认证、输入校验和错误处理却不行。这道缝上线后修起来，比上线前贵得多。
• 为凑数字砍掉范围。为了让报价合身而被砍掉的那个集成，往往正是你的用户最需要的那个。现在它从一个预算条目变成了一个 v2 项目。
• 自建/购买判断错了。花在微调一个本可以用 API 调用搞定的模型上的钱，是拿不回来的钱。

这些都不是说去买最贵的选项。是说：按报价里实际包了什么去比较，而不是只看最底下那个总数。