前言:AI 進入官網後,業主多了一個新問題
過去業主找網頁設計公司,開口就是「做一個官網要多少錢」。但這一年多來,越來越多人在諮詢時多問一句:「AI 聊天機器人、智慧摘要、自動化推薦這些功能,到底要自己架,還是訂閱現成的就好?」
這個問題不是憑空冒出來的。Google 在 2026 年 2 月公開展示了一項技術:他們在訓練大型 AI 模型時,把其中一台 TPU 晶片強制關機,整個訓練作業在數秒內自動恢復,完全不需要人工介入(來源:We terminated a TPU mid-training and it recovered in seconds)。
這代表 AI 基礎設施的容錯能力已經到了新層級。但對台灣的中小企業業主來說,這個技術突破跟你其實沒有直接關係——你關心的是另一件事:這些 AI 功能會不會讓網站費用突然爆增?
為什麼「自建 AI」這個念頭會出現
很多業主聽到「AI 聊天機器人月費」、「AI 摘要 API 計價」、「自建 RAG 知識庫」這些詞,第一個反應是:「既然都要花錢,不如自己架在自己主機上,長期比較省?」
這個直覺在某些情境下是對的。實務上,我們在跟業主討論 AI 工具導入時,常會被問到這題。問題可以拆成三層:
-
第一層:你需要的 AI 功能有多複雜? 簡單的客服自動回覆、表單欄位自動填寫、常見問題摘要,訂閱 SaaS 服務就夠了,完全不需要自建。
-
第二層:你的資料敏感性有多高? 醫療、金融、律師類型的業主,因為法規要求,客戶對話不能丟到第三方 AI 服務,這種情境下自建 RAG 知識庫才有意義。
-
第三層:你的用量級距在哪? 每天數百句以內的客服量,訂閱制遠比自建便宜。每天數萬句以上的大型電商,自建才有機會回本。
把這三層想清楚,才不會被「自己架設比較省」這種半對半錯的說法誤導。
自建 AI 真實的成本結構
如果真的考慮自己架,以下是「帳面上看得到」的成本項目,以及「帳面上看不到」的隱性成本。
帳面成本(報價單上會出現的)
-
AI 模型 API 費用:OpenAI、Anthropic、Gemini 等商用模型按 token 計價,Claude、GPT-4 等級的模型依用量計費浮動,各家官方公告的計價方式可在 pricing 頁查詢(OpenAI Pricing、Anthropic Pricing)。
-
向量資料庫:儲存 RAG 用的文件向量,規模依文件量而定。
-
運算資源(GPU/TPU/CPU):雲端機型依使用時數計費,各地雲端商公開費率可在官方 pricing 頁查詢(Google Cloud TPU Pricing、AWS EC2 Pricing)。
-
儲存與流量:文件儲存、API 對外流量。
-
初始建置:工程師協助把模型、資料庫、前後端接起來。
隱性成本(報價單不會寫、實際上會發生的)
這部分才是業主最常踩坑的地方。
-
模型更新維護:商用模型每隔幾個月就會出新版本,每次更新都可能影響應用行為,需要工程師重新測試。
-
資安與權限管理:客戶對話內容儲存在哪?誰能存取?是否符合個資法?自建架構的資安責任完全在身上。
-
監控與告警:API 異常、流量暴衝、模型回應品質下降時,需要有監控機制。
-
客服問題分流:AI 答錯的時候怎麼辦?要有 fallback 機制,工程師要寫程式判斷「這個問題 AI 不會,改轉真人」。
-
法規變動:個資法、金管會對金融業的 AI 使用規範、衛福部對醫療業的 AI 審查,法規會一直變。
同業間討論到這塊,常聽到的說法是:很多業主聽完隱性成本逐項點出後,會重新考慮「其實訂閱 SaaS 就好」。
訂閱 SaaS 服務的真實成本
訂閱制看起來「每月固定一筆」,但也要拆開看。
-
月費或年費:依功能、訊息量、用戶數分級距。
-
升級費用:用量超過方案上限,通常要升級到更貴的方案。
-
整合工資:把 SaaS 服務接進官網、CRM、ERP,還是要請工程師處理。
-
資料匯出限制:很多 SaaS 不讓你把訓練後的資料或對話紀錄完整匯出,等於被綁住。
-
供應商倒閉風險:AI 產業變化極快,去年還很知名的服務,今年可能就倒了,資料與工作流要能無痛轉移。
自建 vs 訂閱的決策框架
| 評估面向 | 適合自建 | 適合訂閱 |
|---|---|---|
| 預算 | 有專職工程師團隊、年度 AI 預算充裕 | 預算有限、沒有專職 AI 工程師 |
| 資料敏感性 | 法規要求資料不能離開公司 | 一般個資,可接受第三方處理 |
| 用量級距 | 每日數萬句以上 | 每日數百句以內 |
| 客製化需求 | 要深度整合內部系統、特殊商業邏輯 | 用通用功能即可 |
| 風險承受度 | 能接受建置期較長、需要時間調校 | 希望短期上線、不想承擔建置風險 |
這個表格不是絕對答案,只是幫你做決策時有個對齊的基準。
鍛碼匠怎麼看這件事
鍛碼匠數位創意(位於台中)是由資料科學家與資深工程師組成的網頁設計公司,專注於網頁設計與 AI 整合服務。
在跟業主討論「AI 功能要不要自己架」這題時,我們通常會先把業主的真實需求釐清,再對應到預算級距與資料敏感性。實務上,大部分中小企業業主在誠實盤點完需求後,會發現「訂閱 SaaS 服務 + 請廠商協助整合」才是最划算的路徑。
但如果遇到「客戶資料絕對不能離開公司」的金融與醫療業主,自建 RAG 知識庫就是不得不的選擇。
無論最後選哪條路,「事前把成本結構想清楚」永遠比「事後才發現要追加預算」重要。
結論:別被「自建比較省」這種話術誤導
回到標題那個問題——AI 服務自己架要花多少錢?
答案是:看你的需求複雜度、資料敏感性、用量級距,三項交叉後才會有答案。
如果只是要在官網加一個客服聊天機器人、做產品說明自動摘要、讓表單自動判斷意圖,這些通用功能直接訂閱 SaaS 服務、請廠商協助整合,通常是最划算的選擇。
如果有資料合規需求、每天用量極大、客製化邏輯複雜,才需要認真評估自建。
與其問「自建要花多少」,不如先問自己:「這個 AI 功能,我每個月真正會用幾次?我的資料能丟給第三方嗎?我的團隊能長期維護嗎?」
把這三題想清楚,答案自然會跑出來。
