用 DeepSeek 官網公開價格，把「AI vs 人工」的賬算清楚（含測算假設，數字均可自查）
以下價格來自 DeepSeek API 官網定價頁（api-docs.deepseek.com，2026 年 8 月抓取，單位：人民幣 / 百萬 tokens）：
| 模型 | 輸入（快取未命中） | 輸出 | 典型用途 |
|---|---|---|---|
| deepseek-chat | 1 元 | 2 元 | 日常問答、客服、文件處理 |
| deepseek-reasoner | 3 元 | 6 元 | 複雜推理、長文分析、程式碼 |
（官網還有快取命中價：chat 輸入 0.02 元/百萬 tokens——同樣內容重複呼叫時幾乎免費；官方另有峰谷定價，具體以官網實時價格為準。）
假設：50 人公司，每天 200 次員工/客戶問答，每次對話平均 1,000 tokens 輸入 + 300 tokens 輸出，每月按 22 個工作日算：
单次成本 = 1000 × 1元/百万 + 300 × 2元/百万
= 0.001 + 0.0006 = 0.0016 元
每日成本 = 200 × 0.0016 = 0.32 元
每月成本 ≈ 0.32 × 22 ≈ 7 元
即使把呼叫量放大 4 倍（每天 800 次，帶歷史上下文 3,000 tokens/次），每月也不到 30 元。注意：這裡算的是 API 呼叫費，不含開發整合時間。
假設：每天 30 份文件，每份 5,000 tokens 輸入（約 7,000 字）+ 800 tokens 輸出，用 reasoner 模型保證質量：
单次成本 = 5000 × 3元/百万 + 800 × 6元/百万
= 0.015 + 0.0048 = 0.0198 元
每日成本 = 30 × 0.0198 ≈ 0.6 元
每月成本 ≈ 0.6 × 22 ≈ 13 元（放大 3 倍约 40 元/月）
假設：每天 20 篇內容，每篇 800 tokens 輸入 + 1,500 tokens 輸出（輸出為主，用 chat 模型）：
单次成本 = 800 × 1元/百万 + 1500 × 2元/百万
= 0.0008 + 0.003 = 0.0038 元
每日成本 = 20 × 0.0038 ≈ 0.08 元
每月成本 ≈ 0.08 × 22 ≈ 2 元（放大 5 倍约 10 元/月）
取上面每類場景的「放大」上限：客服 30 + 文件 60 + 內容 50 = 每月約 140 元，一年約 1,700 元。再把呼叫量翻倍、全用 reasoner、帶完整歷史上下文，一年也很難超過 5,000 元。這個量級，對比任何一個人工崗位的月薪都差一個數量級。
| 對比項 | 每月成本 | 說明 |
|---|---|---|
| AI API 呼叫費（三場景合計） | 約 40-140 元 | 按上述假設，DeepSeek 官網價 |
| 一個專職客服崗位 | 6,000-10,000 元 | 月薪 5,000-8,000 元 + 社保公積金（市場常見區間，因城市而異） |
| 一個行政/文員崗位 | 5,000-9,000 元 | 同上口徑 |
⚠️ 但這不意味著「AI 等於 0.01 個員工」。它替代的是重複性工作負載，不是整個人。誠實的說法是：AI 能把一個崗位裡 60-80% 的重複問答/整理/初稿工作接走（這個比例是行業經驗值，不是保證），讓人聚焦在需要判斷的活上。
API 呼叫費便宜，但把 AI 接進公司的日常流程要花時間：
這正是「自部署 vs 平臺」的分水嶺：自部署省訂閱費，但上述三件事全自己扛；用平臺（比如 Mule Agent 這類 IM+AI 中臺）省的是整合時間，API 成本透明，通常每月 100-500 元級別。
值得上：
先別上：
實際是「API 成本 + 整合成本 + 知識庫成本」三部分。只看 API 便宜會低估，只看工具訂閱費會高估。
AI 不是員工，它不接電話不背責任。正確的比較是：同一批重複性工作，AI 做掉 60-80% 後，人省下的時間值多少錢。