AI大模型训练的费用组成

老板丢过来一句「自己训一个模型要花多少钱」，你打开表格却不知道第一行该填什么。训练费用不是一张报价单，而是好几类支出叠在一起，其中最大那块还取决于你试错几次。这篇按构成项拆开讲，每一项给出估算口径、容易漏掉的隐藏开销和核对动作，最后给一张可以照着填的预算表。

有人丢过来一句「自己训一个模型要花多少钱」，你打开表格却不知道第一行填什么。这不是因为你不懂技术，而是训练费用本身就不是一张报价单，它是好几类支出叠在一起的结果，其中最大那一块还取决于你试错几次。先承认一件事：没人能拍脑袋给出一个准数，但你可以把账单拆成能逐项估算、能逐项核对的结构。

这篇给的是拆解口径，不是报价。算力、数据、人力、试错与配套这四类，各自量级差得很远，少算任何一类，预算都会偏。下面按构成项逐块讲清楚怎么估、哪里容易漏、什么情况下这套方法不适用。

先把训练账单分成四类，别一上来就盯着卡价

很多人做预算第一步就去查卡时单价，然后乘以一个拍脑袋的天数。这一步本身没错，但只覆盖了四类里的一类。算力是显性大头，数据与人力是慢刀子，试错是最容易被忽略的隐形项。四类不全，最后对不上账几乎是必然。

• 先按这四类各写一行，别急着填数字，先标出哪些是自家已有资源、哪些必须外采
• 已有资源不等于零成本，机时、人力、存储都要按机会成本折算进去
• 外采项要问清楚报价包含什么、不包含什么，尤其是网络和存储
• 四类都列出来之后再回头填数，顺序反过来很容易漏项

算力费用：卡时怎么估，租还是买怎么记账

算力的核心公式就是卡数乘以卡时单价再乘以总时长。问题几乎全出在「总时长」上：真正跑起来的时间往往比你以为的纯训练时间长不少，预热、断点重启、配置错误后的重跑都要算进去。估的时候先把纯训练时长算出来，再乘一个你认可的经验系数。

卡时单价

按小时计费的单位价格，租卡场景随行情波动，具体数字到站内算力价格相关页面核对当时口径

总时长

纯训练时长加上预热、重启与失败重跑的时间，别只填理想值

租还是买

租卡按小时灵活但单价随行情变；买卡要把折旧、机房、电费、运维摊进来，看的是三年总账而不是采购单价

估卡数之前，先把模型规模、精度和并行策略定下来。显存占用和并行方式会直接改变你需要的卡数，这三项没定就估卡数，等于白估。站内算力测算与算力总览类页面有现成的口径，照着填能省不少反复。

• 先把模型规模和精度定死，再算显存与卡数，顺序不能反
• 租卡方案按小时单价乘以预估总时长，注意单价会随行情浮动
• 买卡方案按三年摊销，把机房、电费、散热、运维人员都算进去
• 如果算力需求波动极大、或者项目只跑几周，别按买卡摊折旧算，租更省心

数据费用：采集、清洗、标注、授权四项分开列

数据这块最常见的错误是按一次性采购来估。实际上采集和清洗是持续性投入，语料规模越大，清洗在总成本里的占比往往越高。你拿到的原始数据越脏，后面这条线就越长。

版权与授权特别容易被漏掉。商用场景下的语料、第三方数据集、爬取内容的合规成本，都要单独占一行，别塞进清洗里。授权这件事压低不代表可以跳过，至少要留合规审查的人力。

人力与时间：算法、工程、标注管理三条线

人力按人月估算，算法和训练工程是主力，标注管理与质量抽检也要固定投入，不能只算写代码的人。周期越长，人力在总盘子里越容易超过算力，尤其是反复调参那段时间。

• 把人力拆成算法、训练工程、标注管理三条线分别估人月
• 周期越长越要警惕人力反超算力，别默认算力永远是最大项
• 折算成本时别只算工资，招聘、外包、协作工具都要进表
• 团队已有稳定班底做增量训练时，按增量人月算，别把整队人摊到单次训练上

一个容易犯的错是：把团队平时的人力和这次训练的人力混在一起。如果这次训练需要的只是几个人几个月，那就按增量算。整队人全程摊进来，预算会虚高，反而让老板觉得你不靠谱。

试错预算：失败重跑和调参轮次要单独留钱

训练很少一次成功。收敛失败、数据有问题、并行配置不对，任何一种都会让你重跑。重跑烧的不只是时间，是前面已经花掉的算力。这部分钱不单独留，就会在项目中途变成「钱不够了」的突发事件。

1. 确认任务成熟度先判断这次训练是全新任务还是成熟流程的复现，成熟度越低，试错倍数越高
2. 估算试错倍数按基础算力留一个倍数缓冲，具体倍数参考站内同类项目的实际口径，别自己拍
3. 把缓冲显式写进表单独占一行而不是藏在小计里，方便后面行情变了只改这一处
4. 定期复核每跑完一轮回过头看实际重跑次数，和当初的假设对一下，偏了就调

配套开销：存储、网络、机房与工具链

配套开销是四类里最容易被忽略的。checkpoint 会随着训练持续膨胀，存储和备份是长期费用，不是一次性支出。多机训练对网络带宽非常敏感，内网互联质量差会直接拖慢整体进度，变相把卡时成本抬上去。

建议把这些按「随训练时长增长」和「一次性」分两栏。混在一起和算力糊账，后面想优化都不知道从哪下手。租卡方案里这些通常已经包含，但一定要问清楚包含到什么程度。

一张可填的训练预算表：行与列怎么设

有了上面四类，预算表就能落地了。行按四类展开到具体项，列设成单价、数量、时长、小计、是否已有、备注。每一行的备注写清楚假设来源，这样行情变了只需要改对应的一处，而不是整张表重来。

最后留一行「合计上浮缓冲」，把不确定性显式写出来。所有具体的价格数字都不要写死在表里，去站内算力价格指数、训练成本与算力总览类页面核对当下口径再填。

提交预算前的核对顺序与常见返工点

预算交上去之前，按固定顺序核一遍，能挡掉大部分返工。顺序错了会被整体推翻重来，尤其是模型规模没定死就先算卡数，几乎一定被打回。

1. 核模型规模与精度这两项没定死，后面所有数字都不成立，先确认再往下
2. 核卡数与并行方式基于已定的规模算显存与卡数，检查并行策略是否一致
3. 核数据可用性与合规数据拿不到或合规过不了，直接停，别往下算钱
4. 核试错倍数对照任务成熟度看倍数是否合理，别为了好看压低
5. 核人力与周期确认人月和训练周期对得上，最后再看总额与缓冲

常见返工点其实就那几类：只算了训练峰值算力、没算存储与重跑；把人力当免费；把租卡单价直接当成总成本。这三个里任何一个漏了，预算基本都得重做。

训练预算不是算出一个数，而是把四类支出各自估一遍，再把不确定性显式写出来。