上周五OpenRouter宣布融了1.13亿美元，B轮，CapitalG领投，NVIDIA、Snowflake、Databricks都跟了。

说实话这新闻本身没那么震撼，AI赛道融资家常便饭。但有一个数据让我盯着看了很久，OpenRouter的周处理量从半年前的5万亿token涨到了25万亿token。涨了5倍。服务800多万开发者，接了400多个模型。

这说明一件事，企业在用AI这件事上已经过了「试试看」的阶段，进入「全面铺开」的阶段了。

而全面铺开以后呢？API账单开始让人肉疼了。

我前两个月接触了一家做跨境电商的创业公司，他们团队15个人，每天用Claude和GPT写产品描述、处理客服消息、做市场分析。我帮他们拉了一下API账单，月费68000块。

老板看着账单说了一句，「我知道AI好用，但这价格再涨下去我就要回去用人工了。」

我后来帮他们做了一件事，把API调用做了路由优化，简单说就是让简单的任务用便宜的模型，复杂的任务才用贵的模型。一个月后他们的API账单从68000降到了38000。省了将近一半。

他们付了我5000块的实施费，外加每月1500的维护费。

这件事让我意识到，AI API路由优化可能是一个被严重低估的副业方向。

企业AI花冤枉钱的真相

你想想看，一个公司内部的AI使用场景大概分几类。写邮件、总结会议纪要、做数据整理，这些是简单任务。写代码、做复杂的业务分析、处理客服投诉，这些是中等任务。做产品设计、写架构方案、做战略决策，这些是复杂任务。

问题在于，大多数公司不管什么任务，全用一个模型。要么全用Claude Opus，要么全用GPT-4o。就像你出门买菜开一辆法拉利，接孩子上学也开法拉利，下楼拿快递还是开法拉利。不是法拉利不好，是没必要。

我自己也踩过这个坑。去年刚开始大量用AI的时候，所有事都扔给GPT-4o，一个月API费两千多块。后来我发现，80%的日常任务用GPT-4o-mini或者DeepSeek就能搞定，效果差别不大。现在我的月费降到了三百多。

这还只是个人使用。企业规模一上去，浪费是指数级的。WSJ最近有篇报道说，美国企业开始限制AI使用了，原因就是成本飙升。Axios也写了篇「AI sticker shock」，讲的是同一件事，企业的AI账单开始失控。

但企业又不可能不用AI，因为竞争对手在用。那怎么办？只能在「怎么用得更聪明」上做文章了。

这就是AI API路由优化的机会所在。

这活到底怎么赚钱

先说说我自己的收入情况，过去六周我做了四单，给大家看看明细。

第一单，跨境电商公司模型路由。 5000块实施费，月维护1500。这家就是上面说的那家，月API费从68000降到38000。核心操作很简单，写商品描述这种简单任务路由到DeepSeek，客服对话路由到Claude Sonnet，只有写代码才用Claude Opus。

第二单，SaaS公司多模型接入。 3000块实施费，月维护800。他们原本只接了Anthropic的API，想加OpenAI的模型但开发团队没空做。我帮他们搭了一个统一的API网关，两个供应商的模型通过同一个接口调用，开发团队不用改任何代码。

第三单，AI创业公司token用量优化。 4000块实施费，月维护1200。这家公司做了个AI客服产品，每天有几万次API调用，但很多调用是重复的或者可以缓存的。我帮他们做了请求缓存和结果去重，token用量降了35%。

第四单，律师事务所AI合规部署。 2500块实施费，月维护600。律所对数据安全特别敏感，不想把文件发给OpenAI或者Anthropic。我帮他们搭了一个本地化的模型路由方案，简单任务用本地部署的DeepSeek，敏感任务才走专线API。

六周合计，实施费14500，月维护费合计4100。如果这些客户续约，光是月维护费就够我付房租了。

跟之前写的省token那个方向不一样，API路由优化不只是在客户端省钱，而是在系统层面做智能调度。复杂度高一点，但单价也高，而且客户的粘性强得多。

需要什么工具和技术

说真的，门槛没有想象中高。核心工具就三个，

LiteLLM。 这是一个开源的AI API代理服务器，GitHub上快5万星了。它做的事情很简单，把100多个不同的AI模型API统一成一个OpenAI格式的接口。安装也就一行命令，配置也不复杂。对于只想做基础路由的人来说，LiteLLM够用了。

OpenRouter。 如果不想自己搭路由，可以直接用OpenRouter。它本身就是做模型路由的，400多个模型通过一个API调用，还有智能路由功能，可以自动根据成本和延迟选择最优模型。OpenRouter刚融了1.13亿美元，说明资本看好这个方向。很多企业其实不需要自己搭系统，只需要有人帮他们把现有的API调用迁移到OpenRouter上就行了。

自建路由方案。 如果客户对数据安全有要求（比如律所、金融机构），就需要自建方案。我通常用LiteLLM做底层，外面套一层自己写的路由逻辑。路由规则不复杂，就是根据任务类型、token数量、响应时间要求来选择模型。用Claude Code或者Cursor写这些路由逻辑，半天就搞定了。

如果你连LiteLLM都不会装，那就从最简单的开始。先用OpenRouter的API帮客户替换掉现有的直连API，光是这一步就能省20-30%的钱，因为OpenRouter本身就能在不同供应商之间比价。

完整的操作流程

这是我跑通以后总结出来的标准流程，

第一步，找到目标客户。 什么类型的企业最需要？简单判断标准就是，他们在用AI，但不是技术公司，没有专门的AI工程师。跨境电商、SaaS创业公司、律师事务所、会计师事务所、小型金融机构、内容营销公司。找到以后，问他们一个问题，「你们每个月的AI API费用大概是多少？」。如果答案是五千以上，就有优化空间。

第二步，做一次免费的API账单审计。 这一步特别关键，也是你拿单的利器。让客户导出他们的API使用日志，你分析一下里面有多少调用可以用便宜模型替代。绝大多数企业自己从来没做过这个分析。你把分析结果拿给他们看，「你们70%的调用只需要用DeepSeek就够了，没必要全走Claude Opus，每个月至少能省40%」。这个数据一摆出来，成交率非常高。

第三步，设计路由方案。 根据客户的具体使用场景，设计一个模型路由策略。哪些任务用什么模型，什么情况做fallback，什么情况做缓存。写成一个方案文档给客户确认。

第四步，部署和测试。 用LiteLLM或者OpenRouter搭好路由系统，先在测试环境跑几天。重点关注三点，响应质量有没有下降（对比测试很重要），延迟有没有增加，成本有没有真的降下来。质量不能降是底线，否则客户不会续约。

第五步，正式切换和监控。 确认没问题以后正式切到新的路由系统，前一周重点盯监控。我一般会给客户搭一个简单的仪表盘，实时显示每个模型的调用量、成本和质量评分。客户看到数字在跳动，会特别有安全感。

第六步，长期优化。 路由方案不是一成不变的。新的模型不断出来，价格也在变化，过一两个月就要重新评估一下路由策略。这也是为什么月维护费是合理的，因为优化是一个持续的过程。

变现路径不止一条

做了一段时间以后，我发现这个方向的变现路径还挺丰富的，不止是按单收费。

路径一，实施费加月维护。 就是我上面说的模式，适合个人起步。一单2000-5000实施费，月维护500-1500。积累五到八个客户，光月维护费就能过万。

路径二，做行业模板。 比如你发现跨境电商公司的使用场景高度相似，就做一个「跨境电商AI路由模板」，以后同类客户直接套用，实施周期从一周缩短到两天。模板本身也可以卖，定价几百到一千。

路径三，做代理。 有些企业不想自建，想直接用托管服务。你可以搭一个多租户的路由平台，帮多个企业同时做模型路由优化，按调用量收费。这个天花板高很多，但需要一定的运维能力。

我个人是从路径一开始的，现在正在往路径二过渡。路径三暂时还没精力做，但觉得是个不错的方向。

踩过的坑

这活看着简单，但真做起来也踩了不少坑，

坑一，质量对比一定要做。 我第一单犯了一个错误，直接把所有简单任务切到便宜模型，没有做质量对比测试。结果客户一周后来找我，说「客服回复的质量变差了」。后来我老老实实做了A/B测试，把100条真实请求分别用两个模型跑一遍，对比输出质量，再根据结果调整路由规则。这个步骤绝对不能省。

坑二，不要低估迁移成本。 有的客户代码里硬编码了Anthropic的SDK，要改成统一的API格式需要改代码。有些客户甚至不知道自己代码里有多少地方调用了AI API。接单之前一定要先评估迁移工作量，不然实施费收少了，自己做亏本买卖。

坑三，数据安全是红线。 金融、法律、医疗这些行业的客户对数据安全特别敏感，有些甚至要求API请求不能走公网。遇到这类客户，要做好本地化部署的准备，提前评估自己有没有这个能力。如果搞不定，就不要接，宁可少赚一笔也不能砸口碑。

坑四，模型价格变化很快。 今年API价格几乎每个月都在变，DeepSeek降价、GPT-4o-mini出来、Anthropic调整定价策略。你的路由策略也要跟着变。月维护费的一部分价值就在这里，帮客户持续跟踪和调整。

如果你也想试试

如果你看到这里觉得这事自己能干，我建议从这两步开始。

第一，装一个LiteLLM，自己用一周。把你自己平时用的AI API全接到LiteLLM上，体验一下统一接口和模型切换的感觉。自己先跑通了，才好给客户推荐。

第二，找一家在用AI的小公司，帮他们做一个免费的API账单审计。这个动作的转化率非常高，因为大部分企业从来没有看过自己的API账单明细。你帮他们分析出来的结果本身就有价值，而且能直接展示你能做什么。

这个赛道的窗口期还很长。因为企业在AI上的投入只会越来越多，API成本只会越来越高，而大多数非技术公司根本没有能力自己优化模型调用。就像云计算早期，企业需要有人帮他们做云成本优化一样，AI时代也需要有人帮他们做模型成本优化。

OpenRouter融了1.13亿，LiteLLM快5万星，这个方向已经起来了。但做实施服务、帮企业落地的人还很少。信息差还在。

磨平一些信息差。