你的团队手上有一个能运作的 AI 代理原型，而季度结束前必须作出决定：真正要建在哪一个云端之上？候选名单是 Amazon Bedrock AgentCore、Microsoft Foundry Agent Service 与 Google Vertex AI Agent Engine。三支销售团队给了你三个无法直接比较的数字，而财务总监只想要一页纸。
这就是那一页纸。它比较三个平台运行一个代理的收费、工具层额外的成本，以及各自的弱点在哪里。
由 UD 企业 AI 团队审阅。文中价格为各供应商公布的美国牌价，于 2026 年 9 月 4 日核对。最后更新：2026 年 9 月 4 日。
你实际上在选什么？
你选的是代理运行环境，而不是模型。三个平台都支援多个模型系列，所以真正的决定在于代理进程在哪里执行、记忆与工具如何计费，以及你的财务团队能够承诺哪一种折扣结构。
这与「每位员工买哪一款助理授权」是两回事。如果你面对的是 Copilot 或 Gemini 的座席授权选择，请参考另一篇比较。
它与模型本身的价格亦不相同。旗舰模型的每 token 成本，我们在模型成本比较中已经拆解，而那笔费用会叠加在以下所有项目之上。
大部分供应商报价之所以令人混淆，正是因为把这三层混在一起。把它们分开，比较就变得可行。
三个平台运行一个代理各收多少？
其中两个以 vCPU 小时与 GB 小时计算运算资源，两者费率相差不足百分之四。第三个则对编排层本身完全不收费。这一项结构差异，已经足以解释你手上三份报价之间的大部分落差。
代理运行环境牌价，2026 年 9 月
--- Amazon Bedrock AgentCore。每 vCPU 小时 0.0895 美元，每 GB 小时 0.00945 美元，见 AWS 公布价格。CPU 只按实际运算周期收费，等待模型或工具回应的时间不计入 CPU。
--- Google Vertex AI Agent Engine。每 vCPU 小时 0.0864 美元，每 GB 小时 0.0090 美元，见 Google Cloud 公布价格。两项均略低于 AgentCore。
--- Microsoft Foundry Agent Service。代理服务本身不另行收费，见 Azure 公布价格。你支付的是模型 token，以及代理调用的每一项工具。
实际结论是：AWS 与 Google 在运行环境费率上已经接近到四舍五入的距离，因此运行环境价格不应成为决定因素。Microsoft 的零平台费用是真实的，但它只是把成本转移，而非消除成本。
工具层在运行环境之上还要付多少？
报价分歧最大的地方正是工具调用，因为一个会搜寻、会记忆、会呼叫 API 的代理，每一轮对话都会触发计费事件。搜寻是最大的变数，平台之间的公布费率相差超过四倍。
工具计费费率，2026 年 9 月
--- 网络或企业搜寻。AgentCore 网络搜寻每 1,000 次查询 7.00 美元。Vertex AI Search 视乎级别，每 1,000 次查询 1.50 至 6.00 美元。Foundry 则把 Azure AI Search、Bing grounding 等知识连接分开计费，按所连接的服务定价。
--- 记忆事件。AgentCore 短期记忆与 Vertex Agent Engine 的工作阶段及记忆储存，同为每 1,000 个事件 0.25 美元。
--- Gateway 与 API 调用。AgentCore 的 Gateway 调用为每 1,000 次 0.005 美元，在多数企业用量之下接近可以忽略。
记忆定价在 AWS 与 Google 之间完全一致，这本身是一个有用的讯号。当两个竞争对手落在同一个数字，该项目已经商品化，根本不应出现在你的评估矩阵之中。
搜寻则应该出现。一个每月处理 20 万次基于资料搜寻的代理，在 AgentCore 网络搜寻上约需 1,400 美元，在 Vertex AI Search 最低级别上则低至约 300 美元，这还未计算任何其他项目。
一个实际月度工作量的成本是多少？
与其比较价目表，不如算一次实例。设想一家中型香港物流公司，运行一个处理货运查询的内部代理：每月约 500 vCPU 小时与 1,000 GB 小时的实际运算、20 万次基于资料的搜寻，以及 40 万个记忆事件。
实例试算，只计运行环境与工具，不含模型 token
--- Bedrock AgentCore。约 45 美元运算、9 美元记忆、1,400 美元网络搜寻，合计每月约 1,455 美元，其中几乎全部由搜寻构成。
--- Vertex AI Agent Engine。约 43 美元运算、9 美元记忆、视级别 300 至 1,200 美元搜寻，合计每月约 350 至 1,250 美元。
--- Microsoft Foundry。没有平台费用，帐单就是你的 Azure AI Search 执行个体加上各项 grounding 服务。这正是为什么在不知道你会接上哪些服务之前，Foundry 的报价根本无法比较。
由此可得三个观察：在这个规模下运算成本微不足道；记忆费用在 AWS 与 Google 之间完全相同；搜寻才是整个决定所在，而它正是供应商最不愿意率先提及的项目。
然后再加上模型 token。在典型的企业用量之下，这个工作量的 token 帐单，往往是运行环境与工具总和的数倍。这正是为什么一个没有做 token 模型推算的平台比较，会以极高的信心得出错误答案。
三者的折扣结构如何比较？
三个平台都以按用量计费起步、不设预付门槛，然后对承诺用量提供大幅折扣。分别在于承诺年期与弹性，而在企业规模之下，这一层通常比牌价更重要。
Google Vertex AI 的承诺用量折扣据报最高达 57%，另外 Gemini 模型的脉络快取，对已快取的输入 token 提供 75% 折扣。对于需要反复读取同一批文件的检索型代理而言，快取是可用的最大杠杆。
Azure 提供预留吞吐量与预留容量，对于每日超过约一百万 token 的可预测工作量，据报可节省 30% 至 50%。三者之中，Azure 的承诺结构一般最具弹性。
AWS 则以按用量计费配合最深厚的预留执行个体生态。如果你的代理工作量与大量既有 AWS 运算并存，而你本来就有承诺额，这一点相当重要。
坦白的总结是：折扣资格通常取决于你的云端总开支，而非代理开支。你的议价位置，是由其余的基建规模决定的。
你应该选哪一个？
对大多数香港企业而言，正确答案在价格谈判开始之前就已经确定，关键在于你的资料与身分验证系统目前落在哪里。迁移成本与整合工作量，比运行环境的价格差距高出一个数量级。
按买家类型的结论
--- 已全面采用 Microsoft 365 与 Entra ID。选 Foundry。零平台费用只是其次，真正的节省在于身分、权限与 SharePoint grounding 本来就能运作。
--- 面向大量文件的检索型代理。选 Vertex AI。较低的搜寻级别配合 75% 的快取输入折扣，会随文件量增加而复利式扩大优势。
--- 已有相当规模的 AWS 环境、资料存于 S3。选 Bedrock AgentCore。把代理放在资料旁边，可以避开远高于运行环境差价的出站流量费用。
--- 受规管行业，需要客户自持监控资料。三者皆可。Anthropic 的 Enterprise Frontier Safeguards 将支援 Bedrock、Microsoft Foundry 与 Google 的 Agent Platform，因此这项要求已经不再收窄选择范围。
--- 没有明显既有云端承诺。纯以价格计选 Vertex AI，但请把这视为最罕见的情况。50 至 500 人规模的企业，几乎必然已有既有承诺。
三者各自的弱点在哪里？
这个比较之中，每一个平台都有真实的弱点，而说不出自己弱点的供应商，并没有对你坦白。以下是最容易在签约之后、而非之前才浮现的限制。
明确的限制
--- Bedrock AgentCore。三者之中公布搜寻费率最高，每 1,000 次查询 7.00 美元，而且需要分项定价的组件最多，令缺乏 FinOps 支援的团队更难预测开支。
--- Microsoft Foundry。零平台费用确实是零，但每一项有意义的工具都是分开计费的 Azure 服务。由于标题数字吸引，团队经常低估总成本。
--- Google Vertex AI。运行环境费率最低，但最深的折扣需要承诺用量条款，而财务总监未必愿意在一个未经验证的工作量的第一年签下这种承诺。
--- 三者共同。以上价格全部不含模型 token，而 token 通常是帐单上最大的一项。忽略 token 的运行环境比较，并不是成本比较。
还有一项适用于全文的但书：以上均为各供应商公布的美国牌价。价格会变动，亦因地区而异，香港部署应该按你实际打算使用的区域端点重新计价。
平台选择真的决定成败吗？
通常并非如此。Gartner 2026 年 CIO 及科技主管调查发现，迄今只有 17% 的机构已部署 AI 代理，而超过 60% 预期会在两年内部署。这个落差并非由定价页面造成。
与 Gartner 研究并列引用的 S&P Global Market Intelligence 数据显示，31% 的机构有代理在生产环境运行；而 Gartner 同时发现，2026 年第一季推出或更新的企业应用之中，有 80% 已嵌入至少一个代理。
把两组数字并读，模式就清楚了：代理被塞进产品的速度，远快于机构把它们投入生产的速度，而樽颈在于管治、整合与采用，不在于每 vCPU 小时的成本。
Gartner 2026 年代理式 AI 技术成熟度曲线亦印证这一点，把代理式 AI 管治、代理式 AI 安全与代理式 AI 的 FinOps 列为整条曲线上升温的关注点。
对你的决定而言，这个启示令人不太舒服，却很有用：优化运行环境费率只能省下个位数百分比；选一个团队无法安全运营的平台，代价是整个项目。
正确的下一步是什么？
不要从价格试算表开始。先确定你现有的身分验证、资料存放地与安全架构已经指向哪一个平台，然后只针对那一个选项，以一个真实工作量认真计价。
--- 第一步。写下你今天的生产资料存放在哪里、由哪一个身分供应商管理存取。在多数机构之中，这一步已经即时排除至少一个平台。
--- 第二步。就一个真实工作量做端到端试算，包含模型 token、搜寻查询、记忆事件与出站流量，而不是比较标题费率。
--- 第三步。要求每一家入围供应商，以书面提供你香港端点的区域费率，以及解锁其折扣级别的承诺门槛。
--- 第四步。在承诺之前，确认你的机构真的能够在生产环境运营一个代理：监控、升级机制、变更管理，以及一位有名有姓的负责人。
第四步正是多数项目失败之处，而它也是任何供应商定价页面都不会提醒你去做的一步。
结论
以公布费率计，Vertex AI Agent Engine 的运行环境略为最便宜，Foundry 完全没有平台费用，而 Bedrock AgentCore 的搜寻费率最高。三者之间的差距小到足以说明：运行环境价格应该是你决策中最后一项输入，而不是第一项。
真正应该决定选择的，是你的资料已经在哪里、由哪一套身分系统管理，以及你的团队能否运营你所建造的东西。这三个答案通常是同一个答案，而它很少是报价最低的那一个。
懂AI，更懂你 UD相伴，AI不冷。二十八年与香港企业同行的经验告诉我们，平台从来是最容易的那一部分。
在承诺任何平台之前
在签下承诺用量协议之前，一次免费的 AI 准备度评估，能告诉你机构是否真的具备在生产环境运营代理的能力。UD 团队手把手带你完成每一步，由准备度评估、工作量试算，到平台选型、部署上线与成效追踪，28 年香港企业服务经验，全程陪你走。
