一台 B300 的成本，到底由哪些项构成
「B300 多少钱一台」这个问题本身没有答案 —— 成本不是一个数，是四层叠起来的。逐项拆开之后，你会发现有三项几乎所有人都漏算了。
它包含哪几个环节
01
先跑通
先用云端接口把业务效果跑出来 —— 验证模型到底行不行
02
再算账
按并发量、日均 token、算力成本算：继续用 API 划算，还是自部署划算
03
最后部署
决定自部署的话，做模型接入与部署交付
04
合规一起做
有数据不出境 / 等保要求的，方案不一样
什么情况下你会需要它
已经在用 API，但量上来了、成本也上来了
有数据不得出境的硬要求
并发到了一定规模，公网 API 的延迟或稳定性不够了
想自部署，但不确定划不划算
什么情况下帮不了你
这一节比上面那节重要 —— 先看自己是不是落在这些情况里。
量不够就别自部署
自部署有固定成本：机器、运维、人力。量不够的时候，它一定比 API 贵
团队不够也别自部署
部署完了要有人维护。没有这个人，半年后就是一台没人管的机器
数据不敏感、量也不大
那就继续用 API，这个钱不用花
只是「想有一个自己的模型」
这是需求没想清，不是技术问题。先把要解决什么说清楚再谈方案
对接时要给我什么
| 现在用哪些模型 / API | |
| 日均 token、并发峰值 | 算账的基础 |
| 数据合规要求 | 决定能不能用云端 |
| 现有团队能不能接运维 | 决定自部署可不可行 |
相关判断
「9 个月回本」是怎么算出来的，又是怎么崩的
网上流传的算力回本模型，用一个理想数字掩盖了四件事。这一篇把它拆开看。
卖算力还是卖 token：两种模式的差别
按卡时出租，还是按 token 分成 —— 这不是定价方式的选择，是风险归属的选择。
