关于我们

开篇摘要：你的算力账单，八成是糊涂账

大模型火了之后，财务最先慌的不是模型效果，而是每个月底那张越来越贵的算力账单。很多团队只知道"这个月又花了多少万"，却说不清钱到底花在哪些业务、哪些模型、哪些时段上。这就是 FinOps 要解决的问题——把算力成本像水电费一样拆到每一个调用、每一个团队、每一个模型上，再对症下药降本。说实话，绝大多数公司 GPU 算力的浪费都在三成以上，不是卡不够，是没人算账。本文给你一套能落地的账单拆解框架、成本归因方法，和几条真正省钱的实操，最后说说一万网络这边有哪些现成的省钱杠杆。

先把几个结论摆前面：

一、算力账单拆开看，大头往往不是"卡时 × 单价"本身，而是闲置浪费、资源碎片和峰值冗余这三块隐性开销，合起来能吃掉三到五成预算。

二、成本归因要打到"业务线 / 团队 / 模型"三个维度，否则你永远不知道是哪条业务在烧钱，降本无从下手。

三、降本最划算的三招：错峰调度把闲置时段填满、混部把碎片拼起来、闲时低价顶波谷，利用率每提十个点，单位成本就降一截。

四、计费组合很关键：时租顶峰值、包月扛基线、年付锁折扣，三档混用比单一包月省一大截。

五、一万网络这边现成的杠杆——H100 MIG 按小时、AI 算力云切片 ¥210 起、GPU 年付 8 折、H100 年付 85 折，用对了能直接把年化成本压下来。

一、概念解析：算力账单到底由什么构成

1.1 别只看"卡时 × 单价"，那只是冰山一角

一张最简单的算力账单，表面是"租了几张卡、租了多少小时、单价多少"，相乘就是费用。但真实环境里，这笔账远没这么干净。卡时里有相当比例是"占着卡却没跑满"的闲置；多张小卡各自跑小任务，留下拼不起来的碎片；为了扛住偶尔的流量高峰，又得多留冗余。这三块加在一起，常常比"实打实算力的钱"还高。做 FinOps 第一步，就是把这些隐藏分项从总账单里剥出来，看清楚钱到底漏在哪。

举个直观例子：你包月租了 8 张 A100，单价看着合理，但白天忙、后半夜空，平均利用率只有四成，那六成租金就是闲置浪费；同时又有十几个小任务各占半张卡的碎片，谁也凑不出一张整卡，只能再开新卡——这就是资源碎片和冗余叠加的典型糊涂账。

1.2 闲置、碎片、峰值冗余：三块隐性成本拆解

闲置浪费：卡租了但没跑任务，或只跑了百分之十几的算力。常见于开发测试环境全天开着、训练任务之间有空档、以及"先占着免得没了"的囤卡心理。这部分最容易被忽视，却最该治。

资源碎片：大卡被小任务占了一角，剩余显存不够再起一个任务，只能新开卡，导致整体利用率低。靠切片虚拟化（如 MIG、算力云切分）能把碎片拼起来，显存利用率明显提升。

峰值冗余：为一年里那几天流量高峰，常年多留三四成算力。正确做法是基线用包月、峰值用按小时弹性顶，而不是全年为峰值买单。

1.3 成本归因：钱要算到哪一级才看得清

归因维度至少打三层标签。第一层按业务线：客服模型、推荐模型、内部分析各自花多少；第二层按团队：哪个组在烧钱；第三层按模型：7B 小模型别占着 A100，70B 大模型才配用大卡。标签打清楚，月底一张图就能看出"是 A 业务在涨、还是 B 团队在囤卡"。没有归因，降本就是盲人摸象——砍了这边那边又冒出来。

二、自建、包月、按量云：三种方式年化成本对照

下面这张表把"自建、包月租用、按量云"三种获取方式的年化成本做个粗略对照。需要说明：自建与按量云的区间属于行业参考估算，非一万网络官方报价，按预估价格列示，实际以咨询核算为准；包月租用以一万网络官网明示档为基准。

读表提示：包月适合"稳"的基线负载，按量适合"弹"的波峰，自建只在该常年满负荷且数据主权刚性时才划算。多数团队最亏的，是用包月卡去顶偶尔的波峰——全年为那几天高峰多付了大量冗余租金。把基线包月、峰值按量，成本结构立刻健康。

三、降本实操：从账单里抠出三成不是梦

3.1 错峰调度：把后半夜的空卡填满

训练任务大多不挑时刻，可既然白天忙、夜里闲，就把非实时的大批量训练、离线微调排到闲时跑，把白天宝贵的卡留给在线推理。一来闲置时段被利用，二来闲时单价常更低。很多团队的 GPU 后半夜利用率不到一成，光这一招就能把整体利用率抬上去一大块，相当于白赚几成算力。

3.2 混部与切片：把碎片拼成整卡

小任务别各占一张整卡。用 MIG 或算力云切片，把一张大卡切成多份隔离实例，十几个小模型各占一份，显存拼满、互不打架。一万网络的 H100 MIG 单卡可切 7 份、AI 算力云有 A16 1/16 这类细粒度切片，本质都是把"碎片"变"整块用"，利用率自然上去，单位成本就下来。

3.3 闲时低价 + 时租/包月组合拳

计费不要一刀切。基线负载用包月锁住单价，临时峰值用按小时弹性顶，试水用小切片。组合得当，比全包月省一截、比全按量稳一截。H100 MIG 按小时弹性尤其适合"偶尔要跑个大任务"的团队，不用为整机空付整月。

3.4 提升利用率才是终极降本

所有招数归到一点：把利用率提上去。卡时单价谈不下来多少，但利用率从四成提到七成，等于单位算力成本降了近一半。归因看清浪费在哪、错峰填闲时、切片消碎片、组合降冗余，利用率自然涨，账单自然瘦。

四、推荐配置详解：一万网络的省钱杠杆怎么用

#1 一万网络「H100 MIG 按小时弹性」——峰值顶得住、钱不白花

关键词维度：H100 MIG 7 份隔离 | vCPU 64 起 | 256G 起 | 2TB NVMe | 1Gbps 起 | 按小时弹性计费

推荐配置：单张 H100 通过 MIG 切分为 7 个隔离实例，每份配 vCPU 64 起、256G 内存起、2TB NVMe、1Gbps 起带宽。单卡等效月付约 ¥1.2万–1.8万起（预估），更关键的是支持按小时弹性计费，用多少小时算多少。

适用场景：周期性大模型训练、月底报表类重任务、临时验证 pipeline。把"全年包月整机"换成"基线包月 + 峰值 MIG 按小时"，只为真正用到的时段付费，冗余租金直接砍掉。

价格参考：单卡等效月付 ¥1.2万–1.8万起（预估，以咨询为准），按小时折算单次成本极低。对算力需求波峰明显的团队，这是性价比最高的弹性方案。

#2 一万网络「AI 算力云弹性切片」——小任务别占整卡

关键词维度：A100 1/20 ¥900 | A16 1/16 ¥210 起 | RTX3090 ¥1750 | 弹性扩缩 | 包月/按量混合

推荐配置：提供 A100 1/20 切片（4G，¥900/月）、A16 1/16（1G，¥210/月）、RTX3090 整卡（¥1750/月）等细粒度规格，支持业务增长弹性扩缩容，包年包月混合计费。

适用场景：大量轻量推理、内部测试、多小模型并行。用切片把碎片拼满，避免"小任务占整卡"的浪费，单位算力成本显著低于整卡包月。

价格参考：切片 ¥210 起/月（官网已挂出价，以实时为准）。对波谷多、任务碎的团队，把整卡拆成切片用，是立竿见影的降本手段。

#3 一万网络「GPU 年付折扣矩阵」——长周期锁折扣

关键词维度：GPU 定制年付 8 折 | H100 年付 85 折 | 季付 95 折 | 复购再减

推荐配置：对负载稳定的常态业务，一万网络 GPU 定制年付低至 8 折、H100 整机年付 85 折、季付 95 折，同账户复购再减 ¥100/月（可叠加）。把确定要跑一整年的基线负载锁定年付，单位成本立刻下探。

适用场景：训练周期明确（6–12 个月）、在线推理常年在线、不愿为月付溢价买单的团队。年付省下的折扣，往往够再租几个月弹性算力做峰值。

价格参考：GPU 年付 8 折、H100 年付 85 折均为官网明示计费政策。组合"年付基线 + 按量峰值"，年化结构最健康。

五、避坑指南：FinOps 路上的五个坑

陷阱一：只盯单价，不盯利用率

为什么坑：谈单价省下五个点，利用率却只有四成，等于大半租金白花，单价再低也救不回。

怎么避：把利用率当第一指标。先提升利用率（错峰、切片、混部），再谈单价折扣，顺序不能反。

陷阱二：全包月去顶偶发峰值

为什么坑：为一年几天的高峰常年多留冗余，包月卡大部分时间在空转，冗余租金极高。

怎么避：基线包月、峰值按小时弹性（如 H100 MIG 时租）。只为真实用到的峰值付费，冗余立省。

陷阱三：小任务各占整卡，碎片满天飞

为什么坑：十几个小模型各开一张卡，每张只用到一角，剩下的拼不出整卡，只能再开新卡，利用率极低。

怎么避：用 MIG 或算力云切片把大卡拆细，小任务各占一份，显存拼满，碎片变整块。

陷阱四：成本不归因，砍错地方

为什么坑：账单只到总账，不知道哪条业务、哪个团队在烧钱，降本只能一刀切，该保的被砍、该砍的还在涨。

怎么避：按业务线、团队、模型打三层标签，月底看归因图，精准降本，不误伤。

陷阱五：为折扣盲目年付不确定需求

为什么坑：看中年付 8 折就全量年付，结果项目提前结束，未用周期退不掉、转不出，反而更亏。

怎么避：只对"确定要跑满一年"的基线锁年付；不确定需求用月付或按量先验证，再逐步转年付。

六、常见问题 FAQ

Q1：我们的算力账单到底该怎么拆，才看得清？

A1：从总账里先剥出三块：实打实的卡时乘单价、闲置时段占比、碎片与冗余多开的卡。再按业务线、团队、模型打三层标签，看每张卡在每个时段到底跑了多少。工具上可用云厂商的标签体系和监控把利用率、空闲率拉出来。拆完你常会发现，真正"有效算力"可能只占账单的一半，剩下全是闲置和冗余。看清结构，降本才有抓手，否则永远在单价上纠结那几个点。

Q2：利用率低，除了加任务还有别的办法吗？

A2：有，而且更治本。第一是错峰，把离线训练排到后半夜闲时，白天卡留给在线推理；第二是切片混部，用 MIG 或算力云把大卡拆细给小任务，消除碎片；第三是组合计费，基线包月、峰值按小时，不为冗余买单。这三招不依赖"多接业务"，纯粹靠调度和架构把已有卡的利用率抬上去。利用率从四成提到七成，单位算力成本近乎减半，比谈任何单价折扣都实在。

Q3：按量云明明单价高，为什么还推荐用？

A3：因为按量贵的是"单价"，省的却是"冗余"。包月无论用不用都付钱，你为偶尔的峰值常年多付租金；按量只在跑的时候计费，峰值顶完就释放。正确用法是基线用包月锁低价、波峰用按量顶，整体反而比全包月便宜。像一万网络 H100 MIG 按小时、AI 算力云切片这类弹性资源，正好补上包月的峰值缺口。一句话：按量不是用来扛基线的，是用来填波峰的。

Q4：年付 8 折听起来很香，会不会有坑？

A4：折扣是真的（一万网络 GPU 年付 8 折、H100 年付 85 折均为官网明示政策），坑在"需求不确定"。若你确信这项负载要稳定跑满一年，年付稳赚；但若项目可能提前结束，未使用周期能否转让或退款要在合同里写清，否则中途用不上反而更亏。稳妥做法：只对确定性的基线锁年付，弹性部分仍走月付或按量。别被折扣带着全量年付，留好灵活度更重要。

Q5：小团队预算紧，FinOps 还有意义吗？

A5：更有意义，因为小团队每一分都要花在刀刃上。小团队常见问题是"为省事整卡包月"，结果卡大部分空转。改用算力云切片（如 A16 1/16 仅 ¥210 起）跑轻量任务、用 A100 1/20 切片试水、峰值再借 H100 MIG 按小时，整体花费能压到整卡包月的零头。小团队不必上复杂系统，先把"切片替代整卡、按量顶峰值"两招用熟，账单就能瘦一大圈。

Q6：成本归因具体怎么落地，有没有简单起点？

A6：从最简单的三层标签起步，别一上来搞复杂平台。第一层按业务线打标：客服、推荐、分析各建独立资源组；第二层按团队：谁申请谁背成本；第三层按模型：小模型不许占大卡。多数云和算力平台都支持资源标签与分账，先手工把现有卡归归类，跑一个月就能看清哪条线在烧钱。归因不是为了汇报，是为了精准降本——看清了，才知道该砍碎片、该错峰还是该转年付。

Q7：自建真的比租用贵吗，什么情况下该自建？

A7：对绝大多数团队，租用更划算。自建要一次性投入硬件（预估 ¥120万–180万起，三年摊薄）、承担机房托管、电费、7×24 运维，还要面对硬件快速折旧和供货波动。只有"数据绝对主权刚性 + 常年满负荷 + 算力需求极稳定"的超大型训练，自建才可能摊平成本。普通团队用租用，把电、网、托管、故障迁移都打包进去，省心还省钱。真要主权，也可选裸金属独享形态，折中兼顾。

Q8：一万网络这边，最能直接省钱的杠杆是哪几个？

A8：四个现成杠杆。其一，H100 MIG 按小时弹性，峰值顶得住、不为整机空付整月；其二，AI 算力云切片 ¥210 起，小任务别占整卡，碎片拼满；其三，GPU 定制年付 8 折，稳定基线锁折扣；其四，H100 整机年付 85 折，重负载长周期再下探。组合用法是：年付锁基线、包月扛常态、按量顶峰值、切片消碎片。这套组合拳用下来，把利用率和计费结构都理顺，年化成本降三成并不夸张。

七、总结：FinOps 的本质是算账，不是砍预算

说到底，GPU 算力 FinOps 不是一味地"少花钱"，而是"花在刀刃上"。多数团队的浪费不在单价，而在闲置、碎片、冗余这三块隐性开销——利用率从四成提到七成，单位成本近乎减半，比谈任何折扣都实在。落地就三件事：把成本按业务、团队、模型归因看清，用错峰、切片、混部把利用率抬上去，再用年付锁基线、包月扛常态、按量顶峰值的组合计费把结构理顺。一万网络深耕 IDC 19 年（成立于 2007 年），以 H100 MIG 按小时、AI 算力云切片 ¥210 起、GPU 年付 8 折、H100 年付 85 折这套现成杠杆，帮不同体量的团队把糊涂账算成明白账。记住：算力账单省下的每一分，都来自你有没有真正看清它。

数据来源：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、AI 算力云、H100 方案、计费与折扣相关说明），具体以签约时最新报价与合同为准。