一、先承认一件事：比的是使用方式

1. 同一个方案，利用率不同结论就不同

把自建的总成本按三年摊开，得到的是一条随时间下降的单位成本曲线；租用的单位成本基本是一条几乎不变的线。两条线的交点，就是利用率门槛。利用率高过门槛，自建的摊薄效应体现出来；低于门槛，租用的按量特性更合适。

所以讨论「哪个便宜」之前，先回答一个问题：这套算力一年里有多少小时在真跑任务。答不上来，后面的账都算不准。

2. 有效利用率怎么算

不要用「有任务在跑的时间」当分子，要用「有效计算的时间」。一台机器开着但任务在等数据、等排队、跑失败了重来，这些都算占用，不算有效。

算法是：一轮任务的有效计算时长除以这台机器被占用的时长，得到单位效率；再乘以占用时长占比，得到有效利用率。两个数字都要算，因为它们的成因不同——前者是技术问题，后者是业务问题。

3. 峰值与均值的差距要单独看

一年只跑两次大规模训练、其余时间闲着，是典型形态。这种形态下按峰值配自建，闲置成本极高；按均值配自建，峰值时又跑不动。

这类形态的正确答案通常不在自建或租用之间，而在混合：小规模常备自建，大规模峰值临时租。后文会讲怎么排。

二、资本账：一次性支出与残值

1. 硬件之外的四项配套

自建的支出不只机器。至少要算四项配套：机柜与场地、供电改造与配电、散热与风道、网络与互联设备。这四项在预算表里常被写成一行「机房费用」，实际可能占到硬件支出的相当比例。

其中供电容易低估。高功耗卡集中布置，单柜功率密度远超普通机房，往往需要专门改造，改造周期以月计。

2. 折旧与残值要有明确口径

硬件不是一次摊完，要按折旧年限摊。三到五年的折旧期是常见口径，对应的年折旧率与残值率要写进账里。

残值这件事要谨慎估。加速卡迭代快，两年后的二手市场对旧卡的评价通常低于预期。账上把残值写高了，等于把风险藏起来。

3. 备件与冗余也是资本支出

自建要考虑坏件。按行业经验，卡与网络部件都有年化故障率，要备一定比例的备件，还要预留维修窗口。这部分钱在租用模式下由供应方承担，在自建模式下必须自己出。

4. 一页纸的资本账模板

第一行硬件采购，第二行配套改造，第三行备件，第四行安装调试，末了合计，再按折旧年限摊成年度成本。四行写完，资本账就清楚了，不必精确到个位，量级对就够用。

三、运营账：每年都在发生的那部分

1. 电力是容易被低估的一项

电费要按整机功耗算，不是按卡的名义功耗算。整机还包括处理器、内存、网络、风扇，再加上散热的额外消耗。把整机功率乘以运行小时数，再乘以电价，得到一年的电费。

运行小时数是关键变量。满额运行与一半时间运行，电费差一倍。这一项与利用率直接挂钩，两项要一起算，不能各算各的。

2. 运维人力按人算，不按比例算

自建需要有人管硬件故障、驱动与固件升级、网络调试、值班响应。人数不必多，但要有。按一个到两个专职或半专职角色估算年度成本，再乘上团队实际可投入的比例。

这项支出在预算表里常被写成「现有人员兼顾」，实际结果是要么占用了别的工作，要么故障没人管。账上还是如实写出来更稳。

3. 闲置是运营账里沉默的一项

闲置不产生单据，所以容易被忽略。算法是把闲置比例乘以年度总成本，得到沉没掉的部分。利用率六成的自建，账面上有三成多的投入在空转。

这一项也正是租用模式的价值所在：闲置不产生费用，用多少算多少。

4. 工具与配套投入

自建不只是买卡，还要有调度、存储、镜像、监控、权限这一套。有的能靠开源方案自己搭，有的要采购。这部分投入不论自建还是租用都要考虑，但自建时全在自己身上。

四、风险账：不在账单上但会发生的

1. 技术迭代风险

加速卡两三年换一代，换代后同样成本能租到更新的算力。自建承担的是一整代硬件的贬值；租用则把这项风险转移出去，随时可以换型。

这项风险的量化办法是：按两到三年一代估算，届时自建资产的相对价值下降多少。数字不必精确，但要在决策里占一个位置。

2. 故障与恢复风险

自建要自担硬件故障、网络故障、供电异常的后果，以及长周期训练中断的重跑成本。租用模式下这些由供应方兜底，但仍要确认恢复时限——兜底承诺写得含糊的，实际恢复可能要等。

3. 扩容周期风险

自建扩规模要走采购流程，从提交采购到到货、再到上架调试，周期以月甚至季度计。业务如果增长快，这个周期本身就是风险。租用的扩容以分钟或小时计，这是两种模式差别明显的地方。

4. 合规与场地风险

数据不能出场地，是自建的硬理由；反过来，没有合适的机房条件，自建就成了硬约束。这两种情形下，账怎么算都要让位于条件。

五、时间账：从决定到能开工

1. 自建的时间构成

从预算批准到第一次跑起训练，中间有采购、到货、上架、供电改造、网络调试、环境搭建几段。任何一段卡住，整体顺延。这条链路在多数组织里以月为单位。

时间成本要折成钱：这段时间里团队在等，产品在上线的窗口在往后推。这部分损失没有发票，但真实存在。

2. 租用的时间构成

开通到能用通常以小时或天计，剩余时间花在环境与数据准备上。这部分与自建相同，不构成差别。

3. 一个常被忽略的时间点

自建时，硬件到货与环境就绪之间还有一段：把镜像、依赖、存储、监控这一套配好。这段工作在租用模式下往往有现成的可用，自建则要从头做。估算工期时把它单列出来，别并进「调试」里。

六、算出门槛，再拿自己的数字去比

1. 三步算出利用率门槛

第一步，把自建的三年总成本算出来，除以三年可用卡时，得到单位卡时成本。第二步，把租用的单位卡时价格列出来，按同样口径折算。第三步，用两个价格之比，反推在什么利用率下两者相等。

这个门槛数字因配置与地域而异，不抄别人的，自己算。

2. 门槛之外的三个判断

一是需求是否稳定：稳定在高位，自建；波动大，租用。二是业务窗口是否紧要：要三个月内上线，只能租用。三是团队是否具备运维能力：没有，自建会变成负担。

三个判断与门槛数字一起看，结论通常就收敛了。只看门槛数字，容易忽略能力与时间的约束。

3. 混合策略怎么排

常见排法是三层：常备一小部分自建，承接日常的微调、研判、小批量推理；峰值训练用租用，按批申请；探索性实验用按用量计费，跑完即释放。

三层之间的边界要写清：什么规模以下走自建、什么规模以上必须租、谁的审批权限对应哪一层。边界不清，混用会变成资源纠纷。

七、决策之后还要做两件事

1. 把账做成可复盘的表格

把资本、运营、风险、时间四本账写进一张表，每项标明口径与假设。半年后拿实际数据回填一次，看当初的假设偏在哪。这份回填记录是下一轮决策颇为值钱的输入。

2. 设一个复看的触发条件

不必每年重算一遍。设三个触发器：利用率连续两个月偏离假设、卡型换代、业务规模变化超过一定比例。任一触发，重算一次门槛。

结语

自建与租用之争，答案不在价格表上，在使用方式上。四本账摊开之后，比的其实是一个数字：自己的有效利用率有没有高过门槛。高过，自建的摊薄效应才成立；没高过，租用的按量特性更合适。资本账看硬件与配套，运营账看电、人、闲置，风险账看迭代与扩容，时间账看从决定到开工的那几个月。

落地建议：先把四本账按自己的条件填一遍，得出门槛数字；再拿真实的用量数据去比；末了按需求稳定性、业务窗口、运维能力三条做一次校正。做完这三步，结论不一定与直觉一致，但每一项都能说出理由——这样的决定，半年后回看时也站得住。