关于我们

作为深耕 19 年（成立于 2007 年）的 IDC 与算力服务商，一万网络在 GPU 租用、裸金属独享与国产算力定制上沉淀了大量一线落地经验，下面按真实业务场景拆解选型与避坑要点。

AI 内容审核为什么是个算力活，不是接个 API 就完事

2026 年，内容平台、直播、社交、电商都绕不开内容审核——图片、视频、文本里藏着的违规信息，靠人工根本筛不过来，必须上 AI 多模态识别。但很多人以为"调个大模型 API 就能审"，结果一上量就崩：并发上不去、延迟飙到几秒、误杀把正常内容全拦了。内容审核的本质是高吞吐、低延迟的实时过滤——海量请求同时进来，要在几百毫秒内判定违规与否，这背后是实打实的 GPU 推理算力在扛。

本文把 AI 内容审核的算力需求拆开讲：多模态识别到底吃什么资源、T4/RTX3090/A100 三张卡怎么选、并发和延迟怎么算、租用怎么配最省钱，并给出一万网络的两套审核算力方案与避坑清单。审核业务最怕"上线即雪崩"，所以这篇偏实操，少讲虚的。你会看到，审核选型的难点从来不是"买不起卡"，而是"买不对卡"——显存、编解码、量化、架构分流，任何一个环节想当然，结果就是要么漏审被罚、要么算力闲置白烧钱。把这几个变量理清，比盲目追高配重要得多。

· 结论一：内容审核是"高并发 + 低延迟"推理场景，T4（¥900/月，INT8 友好）是性价比最稳的入门卡。

· 结论二：并发路数、延迟、误杀率三者互相制约，堆卡能提并发但压不住误杀，模型与阈值调优比堆硬件更关键。

· 结论三：峰值大流量用 A100 多卡集群扛，但日常稳态 T4 足够，别一上来就烧 A100 的钱。

· 结论四：带宽常常是被忽视的瓶颈——审核服务若回传大图/视频帧，100M BGP 是底线，不是奢侈。

· 结论五：一万网络 T4 推理机 ¥900/月含 100M BGP，A100 多卡集群可按峰值弹性组，租比自建省心。

一、概念解析：多模态内容审核到底在算什么

1.1 图片 / 视频 / 文本三类识别的算力差异

内容审核的"多模态"指同时处理图片、视频、文本。三类对算力要求天差地别：文本审核本质是 NLP 分类，模型小、延迟低、吃 CPU 也能跑一部分；图片审核靠视觉模型（如图像分类/目标检测）逐张推理，单张耗时几十毫秒，是主力算力消耗；视频审核最重——要抽帧（每秒取若干帧）再逐帧判，等于把图片审核乘以帧数，还涉及解码，对 GPU 显存和编解码单元（NVDEC）要求高。说白了，视频审核的算力账单是图片的几倍到几十倍，选型时最容易低估的就是它。更麻烦的是，现实业务里这三类往往混在同一条流量里：一条短视频带字幕带封面图，要同时过文本、图片、视频三套模型，算力消耗是叠加的，单看某一类做规划必然翻车。

还有个常被忽略的点：审核模型不是单一一个。真实系统里"粗筛模型 + 细判模型 + 专项模型（涉政/涉黄/暴恐/广告）"是组合拳，一个请求可能要过好几个模型才能下结论。这意味着单路推理耗时是"多个模型耗时之和"，显存要同时装下多个模型权重。选卡时别按"一个模型"估显存，要按"同屏驻留的全部模型"算，否则一上量就 OOM。T4 16G 跑单一轻量模型绰绰有余，但要同时驻留五六个专项模型，显存就开始吃紧，这时候 24G 的 3090 或 40G 的 A100 的优势就出来了。

1.2 高并发与低延迟为什么难两全

审核服务通常挂在用户发内容的链路上——你发一条，系统要实时判，判完才放出去（或进人工复审）。这意味着请求是"突发 + 持续"的：晚高峰一波流量进来，几千路并发同时打推理服务。算力不够时，要么排队导致延迟涨到几秒（用户体验崩），要么直接丢请求（漏审风险）。GPU 推理的窍门是用批处理（batch）把多路请求合并算，吞吐上来但单路延迟略增——所以"并发"和"延迟"是跷跷板，调 batch 大小就是在找平衡点。这块调不好，再贵的卡也白搭。实测里 batch 从 1 拉到 16，吞吐可能翻五六倍但单路延迟只涨一点，再往上拉延迟就失控了，这个拐点得靠压测摸出来，不是拍脑袋设的。

还有个隐性约束是"漏审零容忍"带来的压力。内容平台对漏审（违规内容放出去）的代价远高于误杀（正常内容被拦），所以系统天然倾向"宁可错杀"。但错杀多了，用户投诉、创作者流失，运营也扛不住。于是工程上要引入"人工复审缓冲区"——低置信度的判给人工，这部分的人力成本随量级线性增长。换句话说，算力和人力是此消彼长的关系，纯堆 GPU 省下的人工复审费，可能远远不够买卡的钱。这也是为什么我一直强调"把模型调准比堆卡省钱"——它省的是最贵的人力那部分。

二、显卡选型对比：T4 / RTX3090 / A100 40G

2.1 三张主流审核卡的月付、并发与延迟

说明：上表"可并发审核路数"为基于典型视觉模型推理的预估参考，实际取决于模型大小、batch 配置、是否量化、文本/图片/视频占比，以实际压测与咨询为准，不可直接当作承诺指标。月付价格均为一万网络官网明示档（人工定制 GPU 含 100M BGP），以官网实时价为准。

2.2 三张卡怎么选，不花冤枉钱

直接给立场：绝大多数中小内容平台，T4 就够。T4 的 INT8 推理对审核这类"判定式"任务极友好——审核不需要生成，只要分类打分，INT8 量化后精度损失可忽略、速度翻倍。除非你视频审核占比极高、或晚高峰并发冲到百路以上，否则 RTX3090/A100 是过度配置。我的经验：先用 T4 跑通，压测出真实并发峰值，再决定要不要上 3090 或 A100 多卡。别听销售"一步到位上 A100"，那是帮他们清库存。

补充一句关于"显存焦虑"的实话：很多团队一听说 A100 有 40G 就觉得"大就是好"，但审核推理的模型权重通常就几 G 到十几 G，单模型根本吃不满 40G，多出来的显存只有"同时驻留很多模型"时才用得上。如果你的业务是单一轻量模型粗筛，40G 就是浪费；如果是多专项模型级联 + 视频多帧缓冲，那 24G/40G 才真有意义。所以选卡先看"我要同时驻留什么"，别被显存数字绑架。T4 16G 对单/双模型稳态审核其实刚刚好，这也是它成为性价比之王的根本原因。

2.3 显存与编解码：视频审核的两个隐藏关卡

视频审核卡顿，常不是算力不够，而是两个被忽视的点：一是显存——抽出来的多帧 + 模型权重要同时驻留显存，24G 的 3090 比 16G 的 T4 从容得多；二是硬件编解码（NVDEC/NVENC）——视频解码本就耗资源，有独立解码单元的卡能省下大量 GPU 算力给推理。选卡时别只看 CUDA 核心数，问清楚有没有硬解、显存够不够同时塞模型和帧缓冲，否则视频一多就爆。

具体到卡型：T4 自带一代 NVDEC，能硬解常见编码，做轻量视频抽帧没问题，但面对高分辨率（4K/8K）或多路并发抽帧时解码单元会成瓶颈；RTX3090 的解码单元更强、显存更大，是中量级视频审核的甜点；A100 的解码能力相对其算力不算突出，视频重负载时反而要配专门的解码卡或靠 CPU 软解分担。所以"视频审核用哪张卡"的答案，常常取决于你视频的分辨率分布和抽帧密度，而不是模型有多重——这点销售一般不会主动告诉你，得自己压测。

三、配置与价目：从单卡推理机到多卡集群

3.1 单卡推理机：T4 起步最务实

一万网络人工定制 GPU 提供物理机独享、含 100M BGP 带宽的推理机：T4 16G ¥900/月、RTX3090 24G ¥1750/月、A100 40G ¥2800/月（均为官网明示价，以官网实时价为准）。对内容审核，T4 推理机是性价比锚点——¥900/月含 100M BGP，足够扛日常稳态的图片/文本审核，视频占比不高时也能顶住。CPU 升级（16 核 +¥400/月）、内存（128G +¥600/月）、带宽（200M +¥400/月）可按业务弹性加。这类物理机独享方案的另一好处是"邻居干净"——不像共享云那样和其他租户抢底层资源，审核高峰时算力不被别人偷走，延迟更可预期，这对实时链路很关键。

3.2 多卡审核集群：峰值大流量兜底

当并发峰值冲到数百路、且视频审核占比高，单卡顶不住，需要多卡甚至多机集群。A100 40G 多卡（如 2–8 卡）配合推理框架的模型并行与请求队列，能把并发提到数百路级（预估，以压测为准）。一万网络可定制 A100 整机/多卡模组，工程师 1 对 1 部署 CUDA/cuDNN/TensorRT/PyTorch，开机即用。长周期项目走 GPU 年付 8 折、季付 95 折，比月付省一截。

三·补、审核系统部署架构：算力到底花在哪

很多人把"租张卡"等同于"搞定审核"，其实卡只是最后一步。一个能扛住高峰的审核系统，架构上要分链路、分模型、分优先级，算力才花在刀刃上。下面把典型部署架构拆开，你对着搭就不会冤枉钱。

架构一：实时同步链路（用户发完即判）

用户发图片/文本，系统同步调用推理服务，几百毫秒内返回"放行/拦截/转人工"。这条链路对延迟最敏感，必须低延迟卡（T4 INT8 就很合适）+ 合理 batch，单路延迟压在可接受区间。特点是算力要常备、不能排队，所以稳态并发决定了你要几张卡。中小平台这条链路用一张 T4（¥900/月含 100M BGP）往往就够，高峰期靠弹性加卡顶住。

架构二：异步队列链路（已发布内容慢慢审）

对已经发布、不要求即时反馈的内容（长视频、历史帖子、批量入库素材），走消息队列异步处理。GPU 按自己的节奏消费队列，不需要为瞬时峰值常备满配算力，波谷时空载、波峰时集中算。这条链路把"突发流量"削成"平稳负载"，是用算力省钱的关键设计。很多团队没做分流，实时链路被异步任务占满，结果同步审核卡成狗——架构不分流，再贵的卡也白搭。

架构三：多模型并行与级联

真实审核不是"一个模型走天下"，而是多级：先轻量模型粗筛（大部分正常内容直接放行），命中可疑再调重模型细判，极端情况转人工。这种级联把算力集中用在"真有问题的那百分之几"上，整体成本骤降。选卡时要给级联留余量——轻模型跑 T4 即可，重模型（如视频多帧多标签）可能需要 3090/A100 的显存。一万网络工程师 1 对 1 部署时可协助按你的违规分布设计级联策略。

成本测算示例：一个中型内容社区（参考）

上表是中型社区的典型构成，稳态月付约 ¥2650 起（T4+3090，均为官网价），峰值再临时叠加 A100。注意并发路数为预估，以实际压测为准，别把表里的数字当承诺指标。

四、推荐配置详解：一万网络内容审核两套方案

#1 一万网络「T4 推理机」——高并发审核性价比首选

关键词维度：Tesla T4 16G | INT8 量化友好 | ¥900/月（官网价）| 100M BGP | 物理机独享 | 工程师 1 对 1 部署

推荐配置：8 核 64G / 200G+200G 盘 / Tesla T4 16GB 物理机独享，含 100M BGP 独享带宽。预装 CUDA 12.x / TensorRT / PyTorch，工程师 1 对 1 协助部署审核模型与推理服务，开机即用。支持 INT8 量化推理，单图审核数十毫秒级。

价格参考：T4 推理机 ¥900/月（官网明示价，以官网实时价为准），加带宽/内存按需计。是中小内容平台日常稳态审核的最低门槛配置，单月成本可控、扩缩灵活。

适配场景：图片/文本为主的社区、电商、论坛审核；视频占比不高的平台日常稳态；预算敏感、要先跑通再扩容的团队。

为什么它是审核首选：审核业务的核心诉求是"低延迟 + 高吞吐 + 低成本"，T4 恰好卡在三者交点上。它的 INT8 算力（130 TOPS 级）对分类判定类推理是过剩的，单图几十毫秒、并发数十路（预估）轻松应对日常流量；而 ¥900/月的租金（官网价）让中小企业也能无压力常备，不必为峰值去买贵卡。我见过太多团队一上来就租 A100，结果日常负载连 20% 都跑不到，纯属给机房交取暖费。T4 推理机配 100M BGP，把"算力 + 带宽 + 部署"一次性打包，省去自己拼装调试的麻烦——对审核这种"要快上线、别出岔子"的业务，省心本身就是价值。

#2 一万网络「A100 多卡审核集群」——峰值大流量兜底

关键词维度：A100 40G ×多卡 | 数百路并发（预估）| ¥2800/月每卡（官网价）| 模型并行+请求队列 | 视频抽帧友好 | 年付 8 折

推荐配置：按峰值并发组 2–8 张 A100 40G，配高核数 CPU 与 NVMe 阵列，承载视频抽帧 + 多模态并行推理。TensorRT 加速、动态 batch 调度，工程师 1 对 1 部署与压测调优。可叠加 100M/200M BGP 带宽。

价格参考：A100 40G 每卡 ¥2800/月（官网价，以官网实时价为准）；多卡整机价格属定制范畴，以下单核算与咨询为准。GPU 定制年付 8 折、季付 95 折，长周期审核业务用年付更省。

适配场景：晚高峰数百路并发、视频审核占比高、直播/短视频平台的峰值大流量；对漏审零容忍、需要冗余算力的团队。

什么时候才该上它：明确说，A100 多卡不是"更好的 T4"，而是"解决不同问题"的方案。当你的业务进入直播级、短视频海量 UGC 阶段，晚高峰并发冲到数百路、视频抽帧 + 多模态并行把单卡显存和算力同时打满，T4/3090 再怎么调也顶不住时，才需要 A100 多卡集群的横向扩展能力。它贵（每卡 ¥2800/月官网价，多卡整机属定制以咨询为准），但换来的是"峰值不崩、漏审不涨"的确定性。我的建议永远是阶梯式：先用 T4 验证业务模型、摸清真实峰值，再按需叠卡，别在业务还没跑明白时就为想象中的流量预付 A100 租金。

五、避坑指南：内容审核算力四大坑

坑一：并发虚标，销售说"能扛几千路"

为什么坑：很多服务商拿"理论峰值"当承诺，实际压测连标称三成都不到，上线晚高峰直接雪崩漏审。怎么避：签约前要求用你自己的模型和数据做真实压测，拿到"某 batch 下某延迟的并发数"实测值，别信口头数字。一万网络可协助部署与压测，用实测说话。

坑二：误杀率失控，正常内容被全拦

为什么坑：为压低漏审把阈值调极严，结果正常图文全进人工复审，审核成本翻倍、体验崩。怎么避：误杀和漏审是天平两端，靠"堆卡"解决不了，得靠模型迭代与阈值分层（高置信直接放行、低置信人工）。算力只保证"算得快"，判得准则靠算法与运营，别把硬件当万能药。

坑三：延迟不达标，用户发完内容卡几秒

为什么坑：实时审核链路对延迟敏感，几百毫秒还能忍，超过 1–2 秒用户就感知卡顿，甚至以为发送失败重复发。怎么避：选低延迟推理卡 + 合理 batch，把单路延迟压在可接受区间；非实时内容（如已发布视频）走异步队列，不占实时链路。T4 INT8 在审核场景延迟表现本就优秀，别为"看起来猛"换卡反而调崩。

坑四：带宽瓶颈，算力够但数据喂不进

为什么坑：视频/大图审核要回传帧或原图，百兆以下带宽在高峰成瓶颈，GPU 饿着等数据。怎么避：审核服务至少配 100M BGP 独享（一万网络 T4 推理机已含），视频占比高直接上 200M（+¥400/月）。别在带宽上省那几百块，它卡的是整条链路吞吐。

坑五：模型不量化，白烧一倍算力

为什么坑：很多团队直接拿 FP32/FP16 的模型上推理，算力一半浪费在精度冗余上，同样一张卡并发少一半，等于白花钱。怎么避：审核是"判定式"任务，INT8 量化后精度损失极小、速度翻倍，T4 的 INT8 尤其香。上线前务必做量化 + 精度对齐，把"量化后误杀率变化"纳入验收。一万网络工程师部署时可协助做 TensorRT 量化加速，别让卡的计算力空转。

坑六：忽视异步削峰，常备算力翻倍

为什么坑：不做实时/异步分流，所有内容都走同步链路，为扛晚高峰峰值把算力常备翻倍，波谷时全闲置，钱打了水漂。怎么避：已发布内容、历史素材、长视频走异步队列慢慢审，只把"用户正在发"的内容留同步链路。这样 GPU 负载从"尖峰"变"平湖"，同样业务量用更少常备卡。架构省下的钱，比换贵卡实在得多。

六、常见问题 FAQ

Q1：内容审核用 T4 真的够吗，要不要直接上 A100？

A1：对绝大多数以图片和文本为主的中小平台，T4 完全够，而且是最优性价比选择。T4 的 INT8 推理针对"分类判定"类任务极友好，审核不需要生成内容，只要打分判违规，量化后精度损失可忽略、速度还能翻倍。只有当你晚高峰并发冲到百路以上、且视频审核占比高时，才需要考虑 RTX3090（24G 显存更从容）或 A100 多卡。我的建议是先用 T4 跑通业务、压测出真实峰值，再根据数据决定升级，别一上来就被"一步到位"的话术带去烧 A100 的钱——那往往是帮供应商清库存。

Q2：并发审核路数到底怎么算，销售说的几千路可信吗？

A2：并发路数 = 同一时刻在推理服务里"正在处理"的请求数，不是日活、也不是 QPS。它取决于单路耗时和 batch 大小：单图几十毫秒、batch 拉到 16–32，一张 T4 能稳几十路（预估）。销售嘴里的"几千路"多是理论峰值或拿极小模型测的，参考价值低。正确做法是拿你自己的审核模型、真实图片/视频比例、目标延迟（比如 200 毫秒）去做压测，得出"在此延迟下能稳多少路"的实测值。签约前要求服务商配合压测并写进验收，远比听口头数字靠谱。

Q3：审核对延迟的要求到底多严，超标会怎样？

A3：实时审核（用户发完立刻判）对延迟极敏感，单路超过 1–2 秒用户就会觉得卡、以为发送失败而重复提交，反而放大流量。理想是把实时链路单路延迟压在几百毫秒内，T4 INT8 在审核场景本就擅长这个。非实时内容（如已发布的长视频）可以走异步队列慢慢审，不占实时资源，这样把宝贵的低延迟算力留给同步链路。延迟不达标时，先查 batch 配置和带宽，别急着换更贵的卡——很多时候是调度和链路的问题，不是算力不够。

Q4：审核成本怎么控，才不会月底账单吓一跳？

A4：控成本的核心是"按需分级 + 不盲目堆卡"。第一，日常稳态用 T4（¥900/月）顶住，别用 A100 跑本可 INT8 搞定的活；第二，视频抽帧降采样、文本短截断，减少单请求算力；第三，实时与非实时分流，高峰用队列削峰，不必为瞬时峰值常备满配；第四，长周期走年付 8 折（一万网络 GPU 定制年付 8 折、季付 95 折），比月付省一截。记住：审核成本里"误杀导致的人工复审"往往比算力费更贵，把模型调准比堆卡省钱得多。还有个容易被忽略的点——监控要跟上，常备算力别长期闲置，压测出真实峰值后及时降配，别租了八张卡实际只用两张，那省下来的钱才是真省。

Q5：视频审核比图片难在哪，卡要怎么选？

A5：视频审核 = 抽帧 + 逐帧判，算力账单是图片的几倍到几十倍，难点在两个隐藏关卡：显存（多帧+模型要同时驻留，24G 的 3090 比 16G 的 T4 从容）和硬件编解码（NVDEC 硬解能省下大量 GPU 算力给推理）。所以视频占比高的平台，选卡时别只看 CUDA 核心，要问清有没有硬解单元、显存够不够。T4 也能做视频审核，但帧率和分辨率要克制；量大时上 3090 或 A100 多卡更稳。一句话：视频审核的瓶颈常是解码和显存，不是纸面算力。实操里还有个降本窍门：抽帧不必每帧都判，按场景变化的关键帧抽样、配合运动检测跳过低信息帧，能把视频算力砍掉一大半，判定质量还不受影响——这又是"架构和策略省的钱比堆卡多"的典型例子。

Q6：自建审核算力还是租用，哪个划算？

A6：对绝大多数内容团队，租用远比重划算。自建要采购 GPU 服务器、托管机房、养运维、扛硬件折旧和换代风险，视频审核这类业务流量还常有波峰波谷，自建要么闲置要么不够用。租用裸金属/GPU 定制，一万网络自营机柜最快 1 分钟上架、工程师 1 对 1 部署 CUDA/TensorRT 栈开机即用，周期压缩到天级，还能按业务峰谷弹性扩缩。长周期走年付 8 折，成本比自建摊薄更可控，审计也清爽。除非你是超大规模、算力常年打满且自有机房，否则没必要自建。还有个隐藏账：GPU 换代极快，今年买的卡明年就沦为上一代，自建的折旧谁都逃不掉，租用等于把这部分风险转嫁给服务商，自己只按用量付费，对现金流和账面都更友好。

Q7：误杀和漏审怎么平衡，纯靠加算力能解决吗？

A7：不能，误杀和漏审是天平两端，加算力只解决"算得快"，解决不了"判得准"。正确做法是分层策略：高置信度直接放行或拦截，低置信度进人工复审，用阈值和模型迭代把两端压到可接受区间。同时训练数据要覆盖你的真实违规样本，别拿通用模型硬套垂直场景（比如游戏直播和电商图文违规类型完全不同）。算力在这里的角色是保证"分层策略能实时跑"，而不是替你做判定。把预算更多投在模型迭代和样本运营上，比堆 A100 更能降误杀。补充一点：人工复审队列本身也要监控，别让低置信度积压成山，否则"转人工"变成"永远没人看"，漏审风险又绕回来了——审核是系统活，不是买了算力就交差。

Q8：审核服务的带宽怎么配，100M 够不够？

A8：至少 100M BGP 独享是底线，一万网络 T4 推理机已含 100M BGP，不用额外掏。原因很简单：审核要回传图片原图或视频帧给推理服务，百兆以下在晚高峰会变成整条链路的瓶颈，GPU 闲着等数据，并发再高也白搭。如果你的业务视频占比高、原图分辨率大，直接上 200M（+¥400/月）更稳。别在带宽上省几百块——它卡的是端到端吞吐，显性和隐性损失都远超那点差价。选明确端口速率和线路的套餐，别信"不限流量"却不说端口速率的含糊话。

七、总结：内容审核算力选型的底线

AI 内容审核是高并发、低延迟的实时推理活，不是接个 API 就完事。显卡选型上，T4（¥900/月，INT8 友好）是绝大多数中小平台的最优解，视频占比高或并发冲百路再考虑 RTX3090（¥1750/月）或 A100 40G（¥2800/月，官网价）；峰值大流量用 A100 多卡集群兜底，但日常稳态堆 A100 是浪费。并发、延迟、误杀三者互相制约，调模型和阈值比堆硬件更关键，带宽（100M BGP 起）是常被忽视的隐形瓶颈。把这几点想透，你就不会被"算力越强越好"的直觉带偏，每一分预算都花在真正影响审核质量的地方。

一万网络深耕 IDC 19 年（2007 年成立），深圳南山总部、自营机柜最快 1 分钟上架，7×24 中文工单平均 5 分钟响应、硬件故障 10 分钟自动迁移，提供 T4 推理机（¥900/月含 100M BGP）到 A100 多卡审核集群的完整方案，工程师 1 对 1 部署 CUDA/TensorRT 栈并协助压测。选型记住一句话：先用 T4 跑通、压测出真实峰值、再决定升级，别为"看起来猛"的卡买单——审核省下的钱，应该花在模型调准上，不是算力堆砌上。

最后落到决策上：如果你现在日审核量在几十万条以内、以图文为主，一张 T4（¥900/月）配合 INT8 量化 + 异步削峰，基本能稳稳接住；视频占比起来或晚高峰并发冲百路，再叠 RTX3090（¥1750/月）分担抽帧；真到了直播级峰值、数百路并发，才需要考虑 A100 多卡集群兜底。这三级阶梯是"按需爬坡"，不是"一步登顶"。把架构（实时/异步分流、模型级联、量化）做对，同样的算力能多扛两三倍流量——这比单纯加卡省钱，也更经得起流量突涨的考验。审核这活，赢在架构和模型，不赢在堆硬件。

本文配置与价格参考自一万网络官网公开页面（人工定制 GPU 公告、AI 算力云相关页），具体以签约时最新报价与合同为准。