精度不同不可直接比
算力常以不同精度标注，半精度与整数精度的数值差异很大，厂商标称多取有利口径。跨表比较前要统一精度与是否含稀疏加速，否则会把性能差距算错。采购时更应要求按自家模型做实测吞吐，而不是接受标称值，边界是精度与实测条件。
装机不等于可用
从装机到投产要经过上架、组网、调度与调优，实际可用比例受机房电力、制冷与网络收敛比限制。看供需缺口时若只用装机数字，会低估紧张程度。可行做法是同时看通电率、平均利用率与排队时长三个指标，这正是为什么要看三个指标。
训练与推理两种市场
训练看集群规模与互联带宽，推理看延迟、并发与单位成本，两者的供需曲线不同。把训练卡的空置率当作推理供给宽松的证据，是常见误判。企业应按自己的负载类型选择对应的价格与供给信号，其边界在负载类型不同。
价格还原为单位成本
按卡时报价看似直观，但不同卡型、网络配置与存储方案差异很大。怎么比较？用同一批任务跑基准，折算成每千次调用或每万字的成本，再把运维与闲置计入。只比单价容易选中看似便宜、实际吞吐低的方案。
缺口统计口径要问清
供需缺口可能按卡片数量、按机柜、按电力或按订单排队计算，结论差异很大。引用这类数字时应注明口径与时间，不要直接推导价格走势。对企业的意义是提示排期风险，而不是预测具体价格，这也是为什么要注明口径。
适用与不适用
适合谁
- 需要比价与容量规划的 IT 团队
- 向管理层解释算力成本的技术负责人
- 评估租赁方案可行性的采购与财务人员
不适合谁
- 只想看单一跑分排名、不做实测的读者
- 没有负载数据、无法做基准测试的团队
典型场景
一家视频处理企业比较三家算力报价。团队用同一批转码与推理任务做基准，把卡时、网络与存储折算成单任务成本，并记录排队时间。结果报价最低的一家因网络收敛比不足，实际吞吐偏低；最终选择的方案单价居中，但单位任务成本最低。
可执行步骤
- 先统一精度、批量与输入长度等测试条件，再在同一个口径下做比较
- 用同一批任务测吞吐与排队时间，同时记录峰值时段的实际表现数据
- 把卡时、网络与存储费用逐项折算成单位任务成本之后，再比较报价
- 记录闲置资源与运维人力投入，并把这两项一并纳入三年期的总成本
- 对引用的关键数字标注口径、来源与采集日期，便于后续复核与追责
常见坑
- 直接比较不同精度的标称算力，容易得出错误的性能结论，最终导致选型偏离实际业务需求。
- 只看卡时单价，忽略网络与存储费用，实际账单明显高于预算，追加预算的流程又拖慢项目。
- 用装机量推断供给宽松，排期时才发现配额紧张，直接影响对客户的交付承诺，补救成本高。
自检与验收清单
- 精度与测试条件是否统一，测试结果是否可复现
- 是否已实测过排队时长与峰值时段的真实表现
- 成本是否折算到单位任务，而不是只报卡时单价
- 引用的缺口数据是否注明口径、来源与统计日期
常见问题
为什么同样标称算力，实测差很多？
差异来自互联带宽、内存容量、软件栈优化与冷却策略。标称值通常是理论峰值，实际吞吐取决于模型与批量。选型必须用自家负载实测，不能只看参数表数据。
利用率多高算合理？
没有统一标准，取决于负载形态。在线推理需要预留峰值，利用率天然低于离线批处理。关键是区分有效计算与排队等待，并定期核对账单与监控数据是否一致。
怎么判断租赁商是否可靠？
看三点：能否提供稳定 SLA 与历史可用率、扩容是否有明确配额、退出时数据如何迁移与删除。承诺含糊或拒绝写入合同的，通常在实际紧张时最先失约。