ARTICLE · 1004590
AI硬件最容易漏算的,从来不是BOM
AI硬件最容易漏算的,从来不是BOMAI硬件最容易漏算的，从来不是BOM 摘要 前两年，当时手里刚收尾完一款AI便携外设项目，立项阶段我把BOM成本抠得特别细，每一颗芯片、每一个结构件、辅料的单价都压到了供应链底价，核算精度做到了0.5元。量产1万台的体量，前期预估毛利28万，定价、供应链、出货节奏全部算通，怎么看都是稳赚的项目。可最终复盘下来，项目实际毛利只剩16万，平白无故少了12万利润。全程没有硬件重大bug、没有批量返工、没有物料涨价，所有显性成本全部卡在预算内。后来逐项对账才发现，吞掉利润的，是我当初完全没放在眼里的隐性成本。也是这次踩坑，彻底改掉了我做硬件多年、只盯BOM算账的老毛病。 做了8年供应链方向的硬件产品经理，现在深耕AI硬件，我见过太多同行项目翻车。 大家习惯性把亏损、利润缩水的原因，归结为芯片缺货、物料涨价、良率过低这些明面上的问题。但在我经手的十多个AI硬件项目样本里，绝大多数利润崩盘，根源都是隐性成本失控。 传统硬件产品，定型之后基本不会有多余迭代开销，成本基本锁死在BOM和量产人工上。但AI硬件完全不一样，端侧模型适配、固件反复迭代、小批量试产磨合、长期售后运维，这些看不见的开销，单次看着不多，叠加整个项目周期，完全足以吞掉所有预估利润。 很多时候我们熬大夜压供应链价格、抠每一分物料成本，最后赚的钱，全都悄悄赔进了这些隐性开销里。 老规矩：以下均为我经手的脱敏项目样本，成本为深圳硬件同行口估算，不同品类、量产体量的项目量价差异较大，不用较真。仅代表个人8年实操经验，不做行业通用定论。 1. 我踩的致命坑：BOM算到极致，依然亏麻了 
图注 这次的AI便携外设项目，是我近几年做得最“规整”的项目，也是亏得最憋屈的一个。 立项之初，我带着供应链团队逐一对价，主控芯片、传感器、外壳结构件、包装辅料，所有物料单价全部谈至年度合作底价。最终核算单台BOM成本89.2元，计划量产10000台，硬件硬成本总成本89.2万。 结合定价、渠道分成、量产人工成本，我们内部测算的项目毛利稳定在28万左右。 项目推进全程，我们严控物料损耗，批次良率稳定在98.7%，没有出现批量不良、没有返工返修、没有临时物料涨价，所有显性成本全部精准达标。 我当时甚至在复盘会上自信说，这个项目基本没什么成本风险，稳赚不赔。 结果财务终审报表出来，直接打了我的脸。 项目最终实际毛利只有16万，整整少了12万。 我花了整整两天时间，逐笔核对账单、拆分各项开销，最后才彻底看清：这12万缺口，全部来自立项时完全没计入预算的隐性成本。 也是这一刻我才明白，AI硬件的成本核算，根本不是算好BOM就万事大吉。那些看不见、摸不着的软性开销，才是最狠的利润杀手。 2. 吃掉利润的4笔隐性开销，我全踩中了 
图注 我把这次项目12万的隐性亏损，拆分成了4类AI硬件专属开销，每一笔都是实打实的账单，也是同行最容易忽略的坑。 做传统硬件，产品定型、固件定稿后，基本不会再频繁改动，一次开发就能复用整个生命周期。 但AI硬件完全不同，端侧模型的响应速度、识别准确率、功耗适配，都需要反复调参、反复适配芯片平台。 我这个项目，前期算法团队预估只需要3轮迭代就能定稿，我也就没单独核算这笔成本，默认是团队常规工作。 实际落地中，因为用户场景测试不达标、端侧功耗超标、识别准确率波动，前后足足迭代了8次。 按深圳本地硬件工程团队的口估单价，单次完整适配迭代的人力、设备、测试成本在4000元左右，8轮迭代下来，直接支出3.2万。 这笔钱没有任何实物产出，不会体现在BOM表里，却是实打实的项目支出。 传统成熟硬件，试产1次就能搞定工艺磨合。但新款AI硬件，模型、固件、硬件适配的不确定性太高，一次试产根本跑不完所有场景。 这个项目我们先后做了3次小批量试产，每次500台，主要用于场景测试、工艺调试、模型适配验证。 很多人以为试产只算物料成本，但实际上，工装调试、产线人工、测试设备占用、批次质检，都是单独的开销。 单次小批量试产的综合杂费大概8000元，3次试产，累计额外消耗2.4万。 这是我最后悔的一笔开销，完全是自己的决策失误。 为了赶项目进度，我在第二轮迭代还没定稿时，就提前批量采购了一批AI功能专用的定制辅料、适配配件。 原本想着提前备货，避免后期量产断货、延期交付。结果第三轮模型迭代改版后，旧款专用辅料完全无法适配新固件，直接变成呆滞物料。 这批物料无法复用、无法退货、无法转卖，只能全额报废，直接亏损4.1万。 也是这次之后，我再也不敢在AI硬件迭代未定稿前，提前批量锁料备货。 传统硬件出货后，售后基本只处理硬件损坏、质量问题，开销极低。 AI硬件不一样，很多问题不是硬件故障，是端侧模型适配、固件兼容、场景适配问题。 项目出货后，我们持续收到用户反馈的识别不准、响应延迟、功耗异常等问题，不需要退换硬件，但需要工程师远程调试、推送固件更新、适配用户使用场景。 整个项目周期内，售后运维、固件迭代优化的人力和服务开销，累计2.3万。 四笔开销加总：3.2+2.4+4.1+2.3=12万，刚好对上项目的利润缺口。 3. 为什么我们总漏算AI硬件的隐性成本？ 
图注 复盘完这笔亏损，我也好好梳理了自己的问题，其实不是能力不够，是传统硬件思维套在了AI硬件上。 首先，思维惯性固化。做了多年传统硬件，所有成本认知都停留在“实物物料”，默认只要BOM、良率、量产成本可控，项目就不会亏。完全忽略了AI硬件核心的软性迭代成本、技术适配成本。 其次，立项节奏太赶。现在AI硬件赛道卷得厉害，大部分项目都在抢进度、抢窗口期。立项时大家都在拼速度，只来得及核算显性硬成本，根本没有时间拉通工程、算法、运维团队，去预估长期的隐性开销。 还有一个最关键的点：我们习惯性把技术迭代、售后适配当成“团队本职工作”，不算入项目成本。 日常开发、调试、运维的人力成本，看似是公司固定支出，不用项目单独买单。但拉长项目周期来看，所有额外的迭代、加班调试、反复适配，都是实打实的沉没成本，最终都会稀释项目利润。 我见过好几个小团队，硬件单价利润压得很漂亮，一年忙到头，最后一算总账基本不赚钱，核心原因就是隐性成本累计过高，吃光了所有利润。 4. 我现在的实操调整：不根治，只避大坑 
图注 踩过这次12万的坑之后，我没有去看什么行业方法论，也没照搬别人的复盘模板，只是悄悄改掉了自己的立项核算习惯。 都是很落地的小动作，不完美，但能有效规避大幅亏损。 第一，AI硬件立项，绝不只核BOM。现在我立项前，一定会拉上算法工程师、硬件工程师、售后负责人一起对账，单独预估迭代、试产、运维三类隐性成本，不再凭自己的供应链经验单打独斗。 第二，强制计提隐性成本备用金。根据项目迭代难度、新品成熟度，预留8%-15%的预算作为软性开销备用金，直接纳入项目总成本核算，不再把预估毛利算得太满。 第三，迭代未定稿，绝不批量锁料。不管项目催得多急，只要端侧模型、固件还在迭代优化，只小批量采购试产物料，坚决杜绝大额备货，从源头规避呆滞物料亏损。 第四，每轮迭代必对账。以前只在项目收尾核算总成本，现在每完成一轮模型迭代、一次试产，都会同步统计当期隐性开销，一旦超支，及时调整量产节奏和产品定价，避免最后崩盘。 AI硬件立项成本双维度核算清单（可直接复用）
回到之前的那场项目复盘，现在再看那张亏损报表，已经没有当初的憋屈，只剩实打实的教训。 忙活大半年，抠遍了每一分物料成本，最后却栽在自己看不起、看不上的小额隐性开销里。 做了8年硬件供应链，深耕AI硬件之后我越发觉得，这个行业的项目比拼，从来不是谁的BOM压得更低、谁的物料单价更极致。 真正拉开差距的，是谁能管住隐性成本、谁能预判看不见的风险。 这笔12万的学费，公司出的，我记牢了。 互动聊聊： 你最近落地的AI硬件项目，有没有被隐性成本偷掉利润的经历？最离谱的一笔隐形开销是什么？ 觉得这份成本核算清单有用，欢迎转给身边做硬件、做供应链的同行，一起避开这些不起眼的大坑。
第一，端侧模型适配迭代成本，合计3.2万
第二，小批量试产磨合成本，合计2.4万
第三，供应链呆滞物料报废成本，合计4.1万
第四，售后适配运维成本，合计2.3万
成本维度 | 核算明细 | 风险权重 | 我的避坑备注 |
|---|---|---|---|
显性BOM成本 | 核心芯片物料 | 低 | 单价透明，可精准对账 |
结构件&辅料 | 低 | 长期合作供应商，价格稳定 | |
包装&耗材 | 极低 | 标准化物料，无波动 | |
量产人工&损耗 | 中 | 按良率预估，预留小幅损耗空间 | |
隐性迭代成本 | 端侧模型迭代适配 | 高 | 按迭代次数预估，预留冗余预算 |
小批量试产磨合杂费 | 高 | AI新品至少预留2-3次试产预算 | |
呆滞物料报废损耗 | 极高 | 迭代未定稿，禁止大额备货 | |
售后固件运维成本 | 中高 | 按项目周期计提运维费用 |