你的團隊手上有一個能運作的 AI 代理原型，而季度結束前必須作出決定：真正要建在哪一個雲端之上？候選名單是 Amazon Bedrock AgentCore、Microsoft Foundry Agent Service 與 Google Vertex AI Agent Engine。三支銷售團隊給了你三個無法直接比較的數字，而財務總監只想要一頁紙。
這就是那一頁紙。它比較三個平台運行一個代理的收費、工具層額外的成本，以及各自的弱點在哪裡。
由 UD 企業 AI 團隊審閱。文中價格為各供應商公布的美國牌價，於 2026 年 9 月 4 日核對。最後更新：2026 年 9 月 4 日。
你實際上在選什麼？
你選的是代理運行環境，而不是模型。三個平台都支援多個模型系列，所以真正的決定在於代理進程在哪裡執行、記憶與工具如何計費，以及你的財務團隊能夠承諾哪一種折扣結構。
這與「每位員工買哪一款助理授權」是兩回事。如果你面對的是 Copilot 或 Gemini 的座席授權選擇，請參考另一篇比較。
它與模型本身的價格亦不相同。旗艦模型的每 token 成本，我們在模型成本比較中已經拆解，而那筆費用會疊加在以下所有項目之上。
大部分供應商報價之所以令人混淆，正是因為把這三層混在一起。把它們分開，比較就變得可行。
三個平台運行一個代理各收多少？
其中兩個以 vCPU 小時與 GB 小時計算運算資源，兩者費率相差不足百分之四。第三個則對編排層本身完全不收費。這一項結構差異，已經足以解釋你手上三份報價之間的大部分落差。
代理運行環境牌價，2026 年 9 月
--- Amazon Bedrock AgentCore。每 vCPU 小時 0.0895 美元，每 GB 小時 0.00945 美元，見 AWS 公布價格。CPU 只按實際運算週期收費，等待模型或工具回應的時間不計入 CPU。
--- Google Vertex AI Agent Engine。每 vCPU 小時 0.0864 美元，每 GB 小時 0.0090 美元，見 Google Cloud 公布價格。兩項均略低於 AgentCore。
--- Microsoft Foundry Agent Service。代理服務本身不另行收費，見 Azure 公布價格。你支付的是模型 token，以及代理調用的每一項工具。
實際結論是：AWS 與 Google 在運行環境費率上已經接近到四捨五入的距離，因此運行環境價格不應成為決定因素。Microsoft 的零平台費用是真實的，但它只是把成本轉移，而非消除成本。
工具層在運行環境之上還要付多少？
報價分歧最大的地方正是工具調用，因為一個會搜尋、會記憶、會呼叫 API 的代理，每一輪對話都會觸發計費事件。搜尋是最大的變數，平台之間的公布費率相差超過四倍。
工具計費費率，2026 年 9 月
--- 網絡或企業搜尋。AgentCore 網絡搜尋每 1,000 次查詢 7.00 美元。Vertex AI Search 視乎級別，每 1,000 次查詢 1.50 至 6.00 美元。Foundry 則把 Azure AI Search、Bing grounding 等知識連接分開計費，按所連接的服務定價。
--- 記憶事件。AgentCore 短期記憶與 Vertex Agent Engine 的工作階段及記憶儲存，同為每 1,000 個事件 0.25 美元。
--- Gateway 與 API 調用。AgentCore 的 Gateway 調用為每 1,000 次 0.005 美元，在多數企業用量之下接近可以忽略。
記憶定價在 AWS 與 Google 之間完全一致，這本身是一個有用的訊號。當兩個競爭對手落在同一個數字，該項目已經商品化，根本不應出現在你的評估矩陣之中。
搜尋則應該出現。一個每月處理 20 萬次基於資料搜尋的代理，在 AgentCore 網絡搜尋上約需 1,400 美元，在 Vertex AI Search 最低級別上則低至約 300 美元，這還未計算任何其他項目。
一個實際月度工作量的成本是多少？
與其比較價目表，不如算一次實例。設想一家中型香港物流公司，運行一個處理貨運查詢的內部代理：每月約 500 vCPU 小時與 1,000 GB 小時的實際運算、20 萬次基於資料的搜尋，以及 40 萬個記憶事件。
實例試算，只計運行環境與工具，不含模型 token
--- Bedrock AgentCore。約 45 美元運算、9 美元記憶、1,400 美元網絡搜尋，合計每月約 1,455 美元，其中幾乎全部由搜尋構成。
--- Vertex AI Agent Engine。約 43 美元運算、9 美元記憶、視級別 300 至 1,200 美元搜尋，合計每月約 350 至 1,250 美元。
--- Microsoft Foundry。沒有平台費用，帳單就是你的 Azure AI Search 執行個體加上各項 grounding 服務。這正是為什麼在不知道你會接上哪些服務之前，Foundry 的報價根本無法比較。
由此可得三個觀察：在這個規模下運算成本微不足道；記憶費用在 AWS 與 Google 之間完全相同；搜尋才是整個決定所在，而它正是供應商最不願意率先提及的項目。
然後再加上模型 token。在典型的企業用量之下，這個工作量的 token 帳單，往往是運行環境與工具總和的數倍。這正是為什麼一個沒有做 token 模型推算的平台比較，會以極高的信心得出錯誤答案。
三者的折扣結構如何比較？
三個平台都以按用量計費起步、不設預付門檻，然後對承諾用量提供大幅折扣。分別在於承諾年期與彈性，而在企業規模之下，這一層通常比牌價更重要。
Google Vertex AI 的承諾用量折扣據報最高達 57%，另外 Gemini 模型的脈絡快取，對已快取的輸入 token 提供 75% 折扣。對於需要反覆讀取同一批文件的檢索型代理而言，快取是可用的最大槓桿。
Azure 提供預留吞吐量與預留容量，對於每日超過約一百萬 token 的可預測工作量，據報可節省 30% 至 50%。三者之中，Azure 的承諾結構一般最具彈性。
AWS 則以按用量計費配合最深厚的預留執行個體生態。如果你的代理工作量與大量既有 AWS 運算並存，而你本來就有承諾額，這一點相當重要。
坦白的總結是：折扣資格通常取決於你的雲端總開支，而非代理開支。你的議價位置，是由其餘的基建規模決定的。
你應該選哪一個？
對大多數香港企業而言，正確答案在價格談判開始之前就已經確定，關鍵在於你的資料與身分驗證系統目前落在哪裡。遷移成本與整合工作量，比運行環境的價格差距高出一個數量級。
按買家類型的結論
--- 已全面採用 Microsoft 365 與 Entra ID。選 Foundry。零平台費用只是其次，真正的節省在於身分、權限與 SharePoint grounding 本來就能運作。
--- 面向大量文件的檢索型代理。選 Vertex AI。較低的搜尋級別配合 75% 的快取輸入折扣，會隨文件量增加而複利式擴大優勢。
--- 已有相當規模的 AWS 環境、資料存於 S3。選 Bedrock AgentCore。把代理放在資料旁邊，可以避開遠高於運行環境差價的出站流量費用。
--- 受規管行業，需要客戶自持監控資料。三者皆可。Anthropic 的 Enterprise Frontier Safeguards 將支援 Bedrock、Microsoft Foundry 與 Google 的 Agent Platform，因此這項要求已經不再收窄選擇範圍。
--- 沒有明顯既有雲端承諾。純以價格計選 Vertex AI，但請把這視為最罕見的情況。50 至 500 人規模的企業，幾乎必然已有既有承諾。
三者各自的弱點在哪裡？
這個比較之中，每一個平台都有真實的弱點，而說不出自己弱點的供應商，並沒有對你坦白。以下是最容易在簽約之後、而非之前才浮現的限制。
明確的限制
--- Bedrock AgentCore。三者之中公布搜尋費率最高，每 1,000 次查詢 7.00 美元，而且需要分項定價的組件最多，令缺乏 FinOps 支援的團隊更難預測開支。
--- Microsoft Foundry。零平台費用確實是零，但每一項有意義的工具都是分開計費的 Azure 服務。由於標題數字吸引，團隊經常低估總成本。
--- Google Vertex AI。運行環境費率最低，但最深的折扣需要承諾用量條款，而財務總監未必願意在一個未經驗證的工作量的第一年簽下這種承諾。
--- 三者共同。以上價格全部不含模型 token，而 token 通常是帳單上最大的一項。忽略 token 的運行環境比較，並不是成本比較。
還有一項適用於全文的但書：以上均為各供應商公布的美國牌價。價格會變動，亦因地區而異，香港部署應該按你實際打算使用的區域端點重新計價。
平台選擇真的決定成敗嗎？
通常並非如此。Gartner 2026 年 CIO 及科技主管調查發現，迄今只有 17% 的機構已部署 AI 代理，而超過 60% 預期會在兩年內部署。這個落差並非由定價頁面造成。
與 Gartner 研究並列引用的 S&P Global Market Intelligence 數據顯示，31% 的機構有代理在生產環境運行；而 Gartner 同時發現，2026 年第一季推出或更新的企業應用之中，有 80% 已嵌入至少一個代理。
把兩組數字並讀，模式就清楚了：代理被塞進產品的速度，遠快於機構把它們投入生產的速度，而樽頸在於管治、整合與採用，不在於每 vCPU 小時的成本。
Gartner 2026 年代理式 AI 技術成熟度曲線亦印證這一點，把代理式 AI 管治、代理式 AI 安全與代理式 AI 的 FinOps 列為整條曲線上升溫的關注點。
對你的決定而言，這個啟示令人不太舒服，卻很有用：優化運行環境費率只能省下個位數百分比；選一個團隊無法安全運營的平台，代價是整個項目。
正確的下一步是什麼？
不要從價格試算表開始。先確定你現有的身分驗證、資料存放地與安全架構已經指向哪一個平台，然後只針對那一個選項，以一個真實工作量認真計價。
--- 第一步。寫下你今天的生產資料存放在哪裡、由哪一個身分供應商管理存取。在多數機構之中，這一步已經即時排除至少一個平台。
--- 第二步。就一個真實工作量做端到端試算，包含模型 token、搜尋查詢、記憶事件與出站流量，而不是比較標題費率。
--- 第三步。要求每一家入圍供應商，以書面提供你香港端點的區域費率，以及解鎖其折扣級別的承諾門檻。
--- 第四步。在承諾之前，確認你的機構真的能夠在生產環境運營一個代理：監控、升級機制、變更管理，以及一位有名有姓的負責人。
第四步正是多數項目失敗之處，而它也是任何供應商定價頁面都不會提醒你去做的一步。
結論
以公布費率計，Vertex AI Agent Engine 的運行環境略為最便宜，Foundry 完全沒有平台費用，而 Bedrock AgentCore 的搜尋費率最高。三者之間的差距小到足以說明：運行環境價格應該是你決策中最後一項輸入，而不是第一項。
真正應該決定選擇的，是你的資料已經在哪裡、由哪一套身分系統管理，以及你的團隊能否運營你所建造的東西。這三個答案通常是同一個答案，而它很少是報價最低的那一個。
懂AI，更懂你 UD相伴，AI不冷。二十八年與香港企業同行的經驗告訴我們，平台從來是最容易的那一部分。
在承諾任何平台之前
在簽下承諾用量協議之前，一次免費的 AI 準備度評估，能告訴你機構是否真的具備在生產環境運營代理的能力。UD 團隊手把手帶你完成每一步，由準備度評估、工作量試算，到平台選型、部署上線與成效追蹤，28 年香港企業服務經驗，全程陪你走。
