训练一个 AI 模型要花多少钱？把成本拆成几块就看清了

很多人问「训练一个模型要多少钱」，其实这个问题没法一句话回答，因为训练预算不是一个数，而是几块完全不同性质的开销叠在一起：算力是明码标价的、数据是隐性的、人力是长期的、试错是最容易被低估的。这篇不给你一个总价，而是给一套拆分方法：先认清有哪几块，再判断自己这件事到底算不算「训练」，最后按什么顺序去估。

很多人问训练一个模型要多少钱，这问题其实没法一句话答。训练预算不是单一数字，而是几块性质完全不同的开销叠在一起：算力是明码标价、能提前问的；数据是隐性的、最容易漏的；人力是长期的、按月烧的；试错是最容易被低估的，往往占总账一大半。所以这篇不给你一个总价，而是给一套拆分方法：先认清有哪几块，再判断自己这件事到底算不算「训练」，最后按固定顺序去估。

这套拆分最大的好处是：每一块你都能单独去找当时的数字核对，而不是把四块混在一起猜一个总数。混着猜的结果通常是严重低估，因为人会本能地只算看得见的那块（租卡），把看不见的（标注、清洗、失败实验）全漏掉。下面按四块分别讲清楚「算的是什么、去哪对数字、什么情况下不适用」。

先分清：你说的「训练」是哪一种

动手算钱之前，先确认你要做的事属于哪一类。从零预训练、继续预训练、微调（全参或者参数高效）、只做提示词加检索，这几种的账差着量级。很多人嘴上说「训练一个模型」，实际只是想让模型按自己的格式和资料回答，那本质上是微调或者 RAG，不是预训练。判断标准不是技术名词，而是三件事：你有没有改动模型权重、要多少条标注样本、要不要重复跑多轮。

这张表的意义在于：如果你落在最后两行，就不该按「训练大模型」的预算去申请，方向一开始就错了。想确认自己属于哪一类，去站内的微调和 RAG 路线对照页看一遍，把「要不要动权重」这个判断先定死，再谈钱。什么情况下这张表不适用？当你做的是多模态或者需要大量对齐训练的任务，路线会更复杂，得按具体流程再拆。

第一块：算力——唯一能提前问出价钱的

算力是四块里唯一明码标价、可以提前问清楚的，所以它最该先算。公式不复杂：卡时单价乘以卡数乘以有效训练时长，再乘上一个额外占用系数。那个系数对应的是排队、任务重启、调参失败重跑、中途显存爆掉这些真实会发生的损耗。实践经验是，纸面上算出来的时长只是理想值，实际占用通常要往上加一段，具体加多少取决于你的任务稳定性和集群调度情况。

• 先去站内训练算力页看当时的档位口径，搞清楚它按小时还是按卡天报价，单位不统一乘出来一定是错的
• 再去租卡页面看当下实际租金水平，两边单位对齐后再相乘
• 显存决定你能不能跑起来，吞吐决定你要跑多久，这两件事分开算，别用「大概几张卡」糊过去
• 额外占用系数别拍脑袋，参考你团队过去几次实验的实际耗时和有效训练耗时的比值

什么情况下算力这块可以少算？如果你的任务是参数高效微调、数据量也不大，那训练本身可能只是几次短跑，算力反而不是大头。但别因此忽略推理成本——上线后长期推理的开销经常超过当初那一轮训练，这块要去站内的推理成本相关页面单独核对。

第二块：数据——最容易漏算的那笔

数据成本分三块：拿数据的授权或者采购、清洗与去重的人工、标注或者人工校验的工时。小团队最常犯的错是只算了标注费，完全没算清洗和格式转换，而后面这部分往往比标注本身还耗人。脏数据和重复数据还会直接拉长训练时间，等于绕一圈又把算力开销抬上去了。

授权或采购

来源是否可商用、有没有排他限制，都会影响报价和后续风险

清洗与去重

去重、去噪、格式统一，通常占数据处理工时的大头

标注与校验

按条计价还是按工时计价，直接决定你这块能不能控住

评估集

要单独留一批不参与训练的数据，别拿训练集当验收标准

判断标准很简单：如果你的数据需要从多个来源拼、格式不统一、还要人工判定对错，那数据这块大概率会超过算力。反过来，如果你用的是现成的、已授权的高质量数据集，这块就能大幅压缩。什么时候不适用？当你做的任务有现成公开评测集、且数据质量已经够用，那可以跳过大部分清洗，但要确认它的授权允许你的使用场景。

第三块：人和试错——真正决定总账的

这两块放一起讲，因为它们是同一件事的两面。人力上，你需要一个能定评估标准的人，而不是只会跑脚本的人；没有验收标准，训练就是在烧钱换一堆没人敢上线的权重。试错上，预算要按「跑几轮实验」来留，而不是按「跑一次就成功」来留。绝大多数训练开销其实花在失败和对比实验上，第一次就成的项目是少数。

1. 先定验收标准在开跑之前写清楚什么样的结果算成功，谁有权拍板上线，避免训练完没人认账
2. 按轮次留预算把总预算拆成若干轮实验的钱，而不是一次性押注，每轮结束复盘再决定是否继续
3. 算长期账而不是单次报价自建还是租用、买卡还是按量租，取决于这件事是一次性还是长期反复，用几年周期去算比用单次报价更接近真实

关于自建和租用的取舍，判断标准是使用频率和持续性。如果只是短期跑几轮实验，按量租更划算，不用背闲置成本；如果是长期反复训练加推理，自建才可能摊薄。具体哪种更便宜，得把站内租卡页的当前单价和自建要考虑的机位、电力、运维一起摆出来对比，而且这些数字会变，别写死在文档里。

估预算的推荐顺序（照着走一遍）

四块认清了，最后关键是用固定顺序把它们串起来。顺序错了，前面算得再细也会被推翻。下面这个顺序的核心是：先定性质，再定规模，最后才带价格，并且每一步都把数字来源标清楚。

1. 定任务类型确认要不要动权重，排除掉「其实是 RAG」这类伪训练需求，方向对了再往下走
2. 定数据来源与标注量把授权、清洗、标注、校验四块的工时和费用列出来，得出数据这块的区间
3. 倒推算力按显存定卡数、按吞吐定时长，再乘额外占用系数，得出算力的区间
4. 带入当前单价去站内算力页和租卡页把当前单价带进去，算出一个区间而不是一个点
5. 乘实验轮次系数给上面的区间乘一个轮次系数，作为最终申请预算的数字，并附上所有站内链接

最后一步特别重要：任何单价都别写死在预算文档里，附上对应的站内页面链接，让看的人自己核对接当时的价格。价格和档位会变，写死的数字过几天就过期，反而误导决策。什么情况下这个顺序不适用？当你只是做一次性的小规模微调验证想法，那可以简化成「粗算算力加算数据」，不必走完整流程。