「我想做一個 AI 產品，大概要準備多少錢？」——產品經理、獨立開發者、下班做 side project 的人問這題時，常聽到「看情況」。話沒錯，但對完全沒碰過 AI 工程的人來說等於沒答：你不知道「情況」指什麼，帳單上也會冒出看不懂的名詞。
2026 年的現實是：大模型 API 比兩年前便宜很多（主流廠商過去 18 個月定價約降 60%–80%），但「做出能上線的 AI 產品」仍不只 API 這一行。伺服器託管、向量檢索、開發工具、網域、金流手續費——每一項都可能在你沒防備時出現。本文面向沒有 AI 背景、想從 0 做出可 demo MVP 的讀者，用「四筆錢 + 三階段 + 三檔預算」把帳算清楚。若你已有小團隊要規劃第一年現金流，可對照 AI 創業第一年伺服器成本；若關心上線後前 100 個使用者會踩什麼坑，見 AI 產品第一個 100 用戶問題域。
一、零基礎最怕的不是貴，是不知道錢花在哪
很多人第一次做 AI 產品，腦裡只有一張帳單：OpenAI 或各家大模型的 API 費用。實際上，從「有個點子」到「朋友能掃碼試用」，至少會碰到四類支出，而且出現時間點不同：
- 驗證期（第 1 週）： 你自己是唯一使用者，主要花在 API 試用額度與 Cursor / Claude Code 等程式助手訂閱；
- 搭殼期（第 1 月）： 要把 Demo 掛上公網——網域、託管平台、資料庫從免費檔往上走；
- 試水期（第 3 月）： 來了第一批真實使用者，API 隨人頭線性漲，向量庫與監控開始計費。
零基礎讀者的核心困惑不是「能不能更便宜」，而是不知道下一步會冒出什麼費用。下面先用決策表鎖定技術路線，再用四筆錢逐項拆解。
二、先選路線：三條技術路徑決定 80% 帳單
在算具體數字前，先回答：你的產品打算怎麼「接入 AI」？ 路線不同，成本結構完全不同。
| 路線 | 適合誰 | 典型產品 | 月營運成本（MVP 期） | 主要風險 |
|---|---|---|---|---|
| A. 純 API 封裝 | 零基礎、無 GPU 經驗 | AI 寫作助手、客服機器人、文案產生器 | ¥300–2000 | API 帳單隨使用者漲；毛利薄 |
| B. API + RAG | 有一點後端基礎 | 企業知識庫問答、文件助手、垂直 Copilot | ¥1500–8000 | 向量庫 + 儲存；檢索品質要調 |
| C. 自託管 / 本地模型 | 有維運或願意學 | 隱私敏感、高併發、想擺脫按 token 計費 | ¥3000–30000+ | GPU/機器固定成本；效果要自己扛 |
零基礎強烈建議從 A 路線起步。 用 OpenAI API 定價 或 DeepSeek API 定價 接一個大模型，把產品邏輯跑通，再考慮 B 路線的知識庫。C 路線（租 GPU、跑 Ollama / vLLM）通常要等月 API 帳單連續幾個月超過 ¥1.5 萬–2 萬再算 TCO——過早自託管是零基礎最常見的「假省錢」。
選路線時可參考 DeepSeek vs Copilot vs Cursor 選擇指南，把「研發側工具費」和「產品側 API 費」分開記帳。
三、四筆錢框架：模型、伺服器、工具、隱形雜費
把 AI 產品營運支出收成四筆，記帳和跟合夥人解釋都更簡單：
| 筆錢 | 包含什麼 | 零基礎是否容易漏 | MVP 期典型區間 |
|---|---|---|---|
| ① 模型 API | 對話、補全、Embedding、圖片/語音（若需要） | 少漏；但容易低估 output token | ¥100–5000/月 |
| ② 伺服器與資料 | 應用託管、資料庫、物件儲存、向量庫、CDN | 常漏：以為 Vercel 免費永遠夠用 | ¥0–3000/月 |
| ③ 研發工具 | Cursor、Claude Code、GitHub Copilot、設計稿 SaaS | 常混進「個人訂閱」不記入產品成本 | ¥200–1500/月 |
| ④ 隱形雜費 | 網域、SSL、簡訊驗證碼、金流手續費、監控告警 | 最容易漏 | ¥50–800/月 |
四筆錢裡，① 和 ② 會隨使用者成長；③ 在 MVP 期基本是固定月租；④ 在台灣上線時還要算進金流與簡訊驗證。建議單獨建表，每月填四行——比盯著一張信用卡帳單清楚十倍。
四、大模型 API 成本：2026 價格與 token 速算
API 按 token 計費：可粗理解為「字數碎片」。中文 1 個字約 1–2 個 token；一次普通問答（使用者 200 字 + 模型 500 字回覆）大約消耗 800–1500 token。
4.1 2026 主流模型價格對照（每百萬 token，美元）
價格以各廠商 2026 年 7 月公開費率為參考；實際帳單還受快取命中、Batch 折扣等影響。完整價目見 Anthropic 定價 與 OpenAI 定價頁。
| 模型 | 輸入 ($/1M) | 輸出 ($/1M) | 適合場景 |
|---|---|---|---|
| DeepSeek V3.2 | $0.14 | $0.28 | 高流量、成本敏感、中文友善 |
| GPT-4.1 Nano | $0.10 | $0.40 | 簡單分類、標籤、短回覆 |
| Claude Haiku 4.5 | $1.00 | $5.00 | 低延遲客服、輕量 Agent |
| GPT-4.1 / GPT-5.4 Mini | $0.40–2.50 | $1.60–12.50 | 通用對話、中等複雜度 |
| Claude Sonnet 4 | $3.00 | $15.00 | 複雜推理、長文件、程式碼 |
| Claude Opus 4.6 | $5.00 | $25.00 | 高品質、低量關鍵任務 |
4.2 零基礎速算公式
估算月 API 費，只需三個數：日活使用者 D、每人每天請求次數 R、每次平均 token 數 T（輸入+輸出合計）。
月 token 總量 = D × R × T × 30 月 API 費 ≈ (月 token × 輸入單價 × 輸入占比) + (月 token × 輸出單價 × 輸出占比) # 粗算範例：50 日活，每人 5 次/天，每次 2000 token，用 DeepSeek V3.2 # 月 token = 50 × 5 × 2000 × 30 = 15,000,000（1500 萬） # 假設輸入輸出各半：約 $1.05 + $2.1 ≈ $3.15/月（極低） # 換 Claude Sonnet，同樣用量：約 $67 + $112 ≈ $180/月
看出差別了嗎？同樣產品，模型選型差 50 倍帳單都正常。 零基礎 MVP 的黃金法則：簡單任務用小模型（Nano / Haiku / DeepSeek），只有搞不定再升檔。Agent 多輪對話會讓 T 暴漲——若你做自動執行型產品，務必讀 Agent 時代帳單拆解。
五、伺服器與基礎設施：從免費檔到該花錢的時機
「伺服器」對零基礎來說，就是讓你的網頁和後台 24 小時能被存取的那套雲服務。2026 年常見組合如下：
- 前端 + Serverless API： Vercel / Cloudflare Pages — MVP 期常免費，流量上來後 ¥200–1000/月；
- 傳統 VPS： AWS Lightsail、GCP、各家雲端輕量 — ¥150–600/月，要自己裝環境，適合有後端經驗；
- 託管資料庫： Supabase / PlanetScale 免費檔 → 使用者多了 ¥100–500/月；
- 向量庫（B 路線）： Pinecone 免費檔有限，正式環境常 ¥300–2000/月；或用 Postgres + pgvector 把成本併進資料庫；
- 物件儲存： 使用者上傳文件、圖片 — 量小每月幾塊錢，別忽略出站流量。
什麼時候必須從免費檔升級？ 三個訊號：API 回應變慢、資料庫連線數告警、或 Vercel 帳單信提示超額。零基礎別一上來就租 GPU 伺服器——那是 C 路線的事。
六、三階段花錢地圖：第 1 週 / 第 1 月 / 第 3 月
按時間軸看錢，比按「專案類型」更直覺：
第 1 週：驗證想法（預算 ¥0–500）
目標：自己能玩通核心流程。支出主要是 API 試用額度（很多廠商送 $5–$20）+ 可選 Cursor Pro（約 ¥600/月，依匯率浮動）。伺服器可以還沒有——本機跑 + ngrok 臨時暴露即可。
第 1 月：做出能分享的 MVP（預算 ¥500–3000）
目標：朋友掃碼能用的連結。新增：網域（約 ¥300–500/年）、Vercel/託管、Supabase、簡訊或信箱驗證。API 仍可控——若只有 10 個內測使用者，DeepSeek 路線可能一個月不到 ¥50。
第 3 月：小範圍公測（預算 ¥2000–10000）
目標：50–500 個真實使用者。API 開始線性成長；若做 RAG，向量庫和 Embedding 費用出現；需要基礎監控（Sentry、日誌服務）。此階段應已在後台設好 API 月度 hard limit，防止一夜爆紅把卡刷爆。
七、三檔月預算：¥500 / ¥3000 / ¥10000+
把上面的零件拼成三檔「畫像」，方便你對號入座：
| 檔位 | 適合誰 | 路線 | 月費構成（約） | 能支撐什麼 |
|---|---|---|---|---|
| 夜市檔 ¥500 | 副業、單人、內測 <20 人 | A 純 API | API ¥100 + 工具 ¥200 + 託管 ¥0–100 + 雜費 ¥50 | demo、收集回饋、驗證需求 |
| 擺攤檔 ¥3000 | 認真創業、小團隊 2–3 人 | A 或輕量 B | API ¥800 + 伺服器 ¥600 + 工具 ¥800 + 雜費 ¥300 + 預留 ¥500 | 百人級使用者、簡單 RAG、基礎監控 |
| 開店檔 ¥10000+ | 有付費客戶、需 SLA | B 或混合 C | API/推理 ¥4000 + 基礎設施 ¥3000 + 工具 ¥1500 + 合規/監控 ¥1500 | 千級使用者、企業試點、多環境部署 |
三檔之間最大的跳躍通常不是伺服器，而是① API 用量和 ② 你是否上了 RAG/Agent。從擺攤檔到開店檔之前，先算清楚：每個付費使用者貢獻的毛利，能不能蓋住他帶來的邊際 API 成本？
八、零基礎能執行的七招控費
- 模型路由： 分類/摘要用 Mini 或 DeepSeek，只有複雜問題升 Sonnet——可省 40%–85% API 費；
- 開 Prompt 快取： 系統提示詞重複發送時，OpenAI / Anthropic 快取命中可省約 90% 輸入 token；
- 限制輸出長度：
max_tokens設合理上限，Agent 場景尤其要防「話癆循環」； - API 控制台設 hard limit + 郵件告警： 零基礎必備，別靠自覺；
- 能不用向量庫先不用： 文件少時全文塞進 context 往往夠用；
- 研發工具只留一個主力： Cursor 和 Claude Code 不必同時滿配；
- 延遲自託管： 月 API 穩定超 ¥1.5 萬再評估 GPU，別提前六個月租卡。
九、五個常見踩坑
- 把外包開發費當成月營運成本： 找外包做 MVP 常見 ¥8 萬–30 萬一次性，和本文討論的 ¥500–3000/月不是一回事；
- 免費額度當永久： OpenAI / Claude 新使用者額度用完就按量計費，記得設限；
- Agent 無限循環： 一次使用者點擊觸發十幾次模型呼叫，帳單呈指數而非線性；
- 上線忽略金流與簡訊： 綠界、藍新等金流手續費 + 簡訊驗證每則約 ¥1–2，算進④隱形雜費；
- 過早買 Mac / GPU「為 AI 準備」： 產品沒驗證前，雲 API + 免費託管足夠；硬體是 三件套工作流 穩定後再考慮的投資。
十、常見問題（FAQ）
Q1：零基礎做 AI 產品，最低每月要花多少？
純 API + 免費託管路線，單人內測可以壓在 ¥300–500/月（含程式助手訂閱）。若完全用免費工具、只用廠商試用額度，第一週甚至可以接近 ¥0——但無法支撐真實使用者存取。
Q2：API 和伺服器哪個更貴？
MVP 期（百人以內）通常 API 占 50%–70%，伺服器在免費檔時幾乎可忽略。使用者上千或做 RAG 後，伺服器與向量庫占比會升到 30%–40%。
Q3：一定要會寫程式嗎？
2026 年用 Cursor / Claude Code 等工具，非工程師也能搭出簡單 MVP，但除錯、部署、設 API 限額仍需要基礎技術常識。完全零程式碼方案（Bubble + Zapier + API）可行，月費往往更高、客製性更差。
Q4：DeepSeek 便宜，可以全程只用 DeepSeek 嗎？
很多中文場景夠用。若目標使用者需要最強推理、長文件或英文法律文本，建議主模型 + 升檔模型 組合，而非單吊一家。
Q5：什麼時候該從 API 換成自己部署模型？
同時滿足：月 API 帳單連續 3 個月 >¥1.5 萬、模型選型已穩定、有人能維運 GPU 或本地推理。三者缺一就繼續 API。
Q6：做 AI 產品和做普通 App 成本差多少？
普通 App MVP 月營運成本可以 <¥200（純託管）。AI 產品多出來的主要是按量計費的模型 API，且隨使用者線性成長——定價和用量監控必須從第一天就設計進去。
Q7：需要預留多少緩衝金？
建議至少準備 3 個月「擺攤檔」現金（約 ¥9000），不含人力。API 和雲端廠商按信用卡扣款，緩衝金防的是使用者突然增多或除錯 Agent 時的帳單尖峰。
驗證完想法後，研發環境也要算進總成本
零基礎做 AI 產品，四筆錢裡最容易被低估的是③研發工具 + 常線上開發機。若你要跑 iOS 客戶端、本地 Agent（OpenClaw / Claude Code）或需要 macOS 專屬工具鏈，買一台 Mac mini 是一筆一次性大額支出；雲端 Mac mini 按日/週計費，產品 pivot 時可隨時停租，把固定成本變成變動成本。Apple Silicon 統一記憶體對本地小模型除錯也更友善——和純 Linux VPS 不是同一類工具。
如果你正在把 AI MVP 從「本機 Demo」推進到可協作的正式環境，Nuvcloud 雲端 Mac mini M4 適合作為研發與 Agent 沙箱節點——查看套餐方案，或對照 OpenHuman 雲端 Mac 部署實踐 估算常線上 Agent 的機位成本。