商傳媒｜何映辰／台北報導

台灣新創公司若採用人工智慧 Agent（AI Agent，自動執行任務的 AI 程式）提供服務，常面臨成本評估的挑戰。許多創業家僅考慮模型 API 的基本費用，卻忽略了隱藏的「服務成本」（Cost to Serve），這指的是將產品交付給單一客戶在特定期間內的實際花費。對於 AI Agent 服務而言，這不僅僅是 API 的標價，而是整個互動流程中所有相關費用的總和，這可能導致營運利潤悄然轉負。

根據《Startup Fortune》週四（11月5日）的報導指出，AI Agent 查詢的「總服務成本」遠超出基本模型 API 價格，它涵蓋了輸入的 Token（處理資訊的單位）、輸出 Token、重試次數（retries，當 AI 遇到困難時重新嘗試的成本）、工具調用（tool calls，AI 使用外部工具如資料庫或 API 的費用）以及上下文視窗（context window，AI 記憶和理解對話所需的空間）等額外開銷。其中，重試與工具調用是創業家最常忽略的兩項成本，且它們的開銷會隨任務複雜度增加，而非營收。舉例來說，一個簡單的客戶支援互動可能僅花費約兩美分，但一項涉及三次工具調用和一次重試的複雜研究任務，單次成本就可能高達 0.15 至 0.40 美元，是簡單任務的 8 到 20 倍。

報導強調，新創公司不應僅關注單次 AI Agent 查詢的成本，更重要的是每個客戶區隔的 AI Agent「毛利」（gross margin，營收扣除直接成本後的利潤空間）。由於複雜任務的高成本，單一客戶若執行複雜多步驟任務，其服務成本可能比執行簡單查詢的客戶高出 5 到 15 倍，即使兩者支付相同的訂閱費用。這意味著，一間看起來健康的創業公司，一旦某位客戶擴大使用量，其潛在的負毛利問題便會浮現。例如，即使整體毛利為 70%，若有 10% 的高用量客戶營運在負 20% 的毛利，實際上公司並非擁有 70% 毛利的業務。

為了解決這個問題，《Startup Fortune》建議新創應停止等待問題出現，而是根據任務複雜度而非當前使用量來預先模型化服務成本。定價策略應針對高用量客戶的重度使用模式來制定，而非僅以平均使用量為基礎。此外，新創應每週而非每月追蹤每個客戶區隔的互動成本，因為高用量客戶的利潤崩潰往往會提早數週顯現。報導指出，過去在 2024 年至 2025 年期間，像是 Vercel 的 v0 產品和多款 AI 程式開發工具（AI coding assistants），就曾因類似問題，從固定或寬鬆的使用方案轉向按量計費（consumption-based pricing）模式。程式開發平台 Replit 也於 2025 年轉為按用量計費的模式，以因應其 Agent 產品所顯現的使用差異。

這項繁瑣的成本會計工作，儘管看似與產品開發無關，卻是決定 AI Agent 服務能否規模化的關鍵。缺乏精準的成本評估，可能導致新創與其最大客戶進行協議重談，且是在客戶已根據無法支持的價格建立工作流程之後，屆時將處於被動局面。