> For the complete documentation index, see [llms.txt](https://doc.duaer.com/zh/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://doc.duaer.com/zh/guides/compute-procurement.md).

# 算力采购怎么买才不亏？2027年企业要避开的三类隐性成本

本文整理自 Duaer 文档站，讨论企业算力采购中常见的计价口径、需求拆分、分阶段采购与合同条款问题，并给出以单位有效产出成本衡量采购效果的思路。

## 为什么算力采购比想象中难

很多企业做算力采购时，预算表上只有一个数字：某家供应商的报价乘以卡数或时长。等到第一个季度的账单出来，才发现实际支出远超当初估算，而业务产出却没有同步增长。算力采购的痛点往往不在「买得贵不贵」，而在于买的是什么、按什么计价、实际用了多少，以及闲置的部分由谁来承担。

算力采购难，首先是因为计价单位不统一。有的按卡时计费，有的按实例或月包年计费，还有的按 token 计量。单位不同，报价就无法直接比较，很多采购人员只能拿「单价」做对比，结果选出来的未必是总成本最低的方案。

其次是需求本身是动态的。试点阶段用量很小，推广之后可能短时间内翻几倍，而且训练、推理、实验三类负载的节奏完全不同。在需求还不清楚的时候，要求一次性确定采购规模，本质上就是在用猜测做决策。

最后是供给形式多样。公有云、专属云、自建机房、托管机柜，各自的成本结构差别很大，隐性成本分布在不同位置。

## 常见误区

第一个误区是只比单价，忽略利用率。某个方案单价低，但排队等待时间长、资源经常空转，折算到每一个有效任务上，成本可能反而更高。

第二个误区是在试点还没跑通时就签长期合同。这相当于把不确定性提前变成了固定成本。一旦业务方向调整，合同却还在执行，损失就会被放大。

第三个误区是把训练和推理混为一谈。训练通常需要大批量、高性能的算力，对连续占用的要求高；推理更看重响应延迟和并发能力，对峰值弹性的要求更强。两者放在同一份采购计划里，很容易买错结构。

第四个误区是忽略配套成本。网络、存储、电力、运维人力、数据迁移，这些常常不出现在算力报价单上，却会在上线后陆续冒出来。

## 怎么做才对：先算用量，再选供给

正确的顺序是先盘点需求，再选择供给方式。具体可以分三步走。

第一步，按场景盘点负载。把现有和计划中的 AI 场景列出来，标注每个场景属于实验、训练还是推理，并估算它们的平均用量与峰值用量。例如，一个内部知识问答场景请求量比较稳定，适合预留一部分容量；而一个每月做一次的模型微调任务，更适合按需弹性调用。

第二步，定义统一的计量口径。建议用「单位有效产出成本」来衡量：总支出除以有效任务量。有效任务要事先定义，比如完成的一次推理请求、一次通过验收的训练迭代。口径统一之后，不同供应商的方案才有可比性。

第三步，分阶段采购。试点期优先使用按量付费或短期租用，验证场景价值之后，再根据稳定用量谈预留或包年。如果你在认真考虑自建，可以同时参考[大模型私有化部署成本怎么算](https://doc.duaer.com/zh/guides/private-llm-deployment-cost/)，把硬件折旧、机房与运维等项目一并纳入比较。

## 合同里要写清楚的条款

算力合同的条款比普通软件采购更复杂，至少要弄清四件事：计费口径和计量方式，超量与闲置如何结算；扩容或缩容的响应时间，以及对应的服务保障；数据存放的位置，以及未来迁出时的成本和周期；价格调整机制，包括涨价触发条件和重新议价的权利。

这些条款看似琐碎，但恰恰决定了你之后能否低成本地调整方案。

## 怎么衡量：把算力成本放回 ROI 里

算力采购的好坏，最终要放到业务回报里看。常用的衡量指标包括：单位任务成本、资源有效利用率、平均排队等待时长、闲置率，以及每个业务场景带来的可量化产出。如果某个场景的算力成本持续高于它产生的价值，就应该考虑调整规模或暂停投入。关于如何把这些成本纳入整体投入产出的计算，可以参考[企业AI落地成本怎么算](https://doc.duaer.com/zh/guides/enterprise-ai-adoption-cost/)，那篇文章从模型报价之外的项目成本讲起，适合和算力采购放在一起看。

在这一步，如果你希望把用量拆解和不同供给方案的对比放在同一张表里持续跟踪，可以直接在 Duaer（https://www.duaer.com）里搭建这套流程，把每个场景的用量与成本对应起来，方便后续复盘。

## 行动建议：本周可以做的一件事

本周先做一件小事：拉出过去三十天的算力支出，按场景和负载类型做一张表，标出每个场景的实际用量、支出和有效任务数。如果发现有场景无法算出「单位有效产出成本」，这就是当前最需要补上的缺口。在此基础上，下一次与任何供应商谈判之前，都要求对方明确回答计费口径、闲置处理和迁出条款这四个问题。

算力采购的核心，不是找到最低的单价，而是让每一分算力支出都能对应到一个可衡量的业务产出。

欢迎到 https://www.duaer.com 注册试用，用你自己的真实用量数据把上面的流程跑一遍。

如果你的 AI 场景已经比较明确，我们可以免费给你一份这个场景的落地路线，包括算力采购的分阶段节奏和需要重点确认的合同条款。告诉我们你的场景，我们会回复一份书面路线。

https://api.duaer.com/form/1fea7709-3f8a-47f7-b4e3-eb5fb90e3213

## 常见问题

### 企业采购算力时，应该用什么口径比较不同供应商的方案？

建议不要只比较单价，而是用「单位有效产出成本」来衡量，即总支出除以事先定义的有效任务量，例如完成的推理请求数或通过验收的训练迭代数。同时要把排队等待、资源闲置和配套成本一并纳入计算，这样不同计价单位的方案才有可比性。

### AI 试点阶段要不要签长期算力合同？

一般不建议在试点还没跑通时就签长期合同。更稳妥的做法是先用按量付费或短期租用验证场景价值，等用量稳定之后，再根据实际需求谈预留或包年，避免业务方向调整时合同仍在执行而造成损失。

### 训练和推理的算力采购有什么不同？

训练通常需要大批量、高性能、连续占用的算力，更看重持续供给；推理更关注响应延迟、并发能力和峰值弹性。两类负载的需求节奏和采购结构不同，建议在采购计划中分开规划，避免混买导致结构错配。

