跳到主要内容

💰 AI 算力卡 TCO 计算器

实时估算 AI 算力卡的总体拥有成本（Total Cost of Ownership）——采购、电费、机房、冷却一站式计算，支持多芯片并排对比与「自建 vs 租赁」决策，让采购选型有据可依。

⚙️ 参数设置
正在加载芯片数据…
10%50%100%
1年4年8年
⚙️ 高级参数（空闲功耗 / PUE / 折现）
GPU 空闲时约占 TDP 的比例
含机柜/网络/维护
未来现金流折现到当前（年化）
📊 TCO 计算结果
🖥️

请在上方选择一款芯片开始计算

支持 0 款 AI 算力卡

📖 计算方法​

单节点 / 裸卡模式下，TCO 由四部分构成：

TCO = 采购成本 + 电费成本 + 数据中心租金 + 冷却成本

1. 采购成本   = 芯片单价 × 数量

2. 电费成本   = TDP(kW) × 数量 × 使用率 × 电价($/kWh) × 8760 小时/年 × 使用年限
   （实际功耗按 空闲占比 + (1 − 空闲占比) × 使用率 线性插值，默认空闲占 TDP 15%）

3. 数据中心租金 = 单卡年租金 × 数量 × 使用年限

4. 冷却成本   = 电费成本 × (PUE − 1)
   （PUE 默认 1.3，即冷却约占设备电费的 30%；液冷可低至 1.1）

未来现金流按 8%/年 折现到当前；采购成本为一次性支出，不参与折现。所有参数均可在上方工具中实时调整。

切换到集群级部署模式后，会在裸卡成本之上继续叠加：

5. 服务器节点（一次性） = 服务器单价 × ⌈数量 ÷ 8⌉      （每节点承载 8 卡）

6. 网络设备（一次性）   = GPU 采购成本 × 网络占比       （默认 12%）

7. 人力 OPEX（折现）   = 数量 ÷ 1000 × 每千卡年人力成本

同时输出「自建 vs 云租赁」的盈亏平衡利用率，以及每 TFLOPS 年均 TCO（算力归一化后的成本口径，便于跨芯片比较）。

📊 历史对比示例（点击展开；数值由当前模型与 pricing.json 复算）

示例 1：NVIDIA B200 vs AMD MI300X（8 卡服务器，3 年）​

统一按默认参数计算：8 卡 · 使用率 90% · 电价 $0.10/kWh · 单卡年租金 $500 · 空闲功耗 15% · PUE 1.3 · 折现率 8% · 单节点模式。

成本项NVIDIA B200AMD MI300X差异
采购成本（$42,000 vs $13,500/卡）$336,000$108,000B200 贵 $228,000
电费成本（折现）$16,525$12,394B200 贵 $4,131
数据中心租金（折现）$10,308$10,308相同
冷却成本（折现）$4,958$3,718B200 贵 $1,239
TCO 总计$367,791$134,420B200 贵 $233,371

结论：B200 的 TCO 是 MI300X 的 2.7 倍（$367,791 vs $134,420），但两者定位完全不同——B200 是旗舰训练卡（FP4 20 PFLOPS 稀疏、显存带宽 8 TB/s），MI300X 主打大显存推理（192 GB HBM3、带宽 5.3 TB/s）。

换个角度看更公平：按计算器使用的 FP16 算力字段归一化，B200 的「每 TFLOPS 年均 TCO」约 $3.06，MI300X 约 $4.29——单位算力成本 B200 反而低约 29%。（B200 取 5,000 TFLOPS 稀疏口径、MI300X 取 1,307 TFLOPS 稠密口径；跨口径不能直接比性能，此处仅作成本归一化参考。）所以：

  • 追求单卡吞吐 / 大规模训练：B200 的单位算力成本更优；
  • 预算有限、或跑大显存推理（192 GB HBM3）：MI300X 的绝对投入门槛低得多。

示例 2：不同电价对 TCO 的影响（NVIDIA B200 × 8，3 年）​

其余参数与示例 1 相同，仅改变电价。

电价 ($/kWh)电费成本（折现）TCO 总计电费占采购成本比例
$0.05$8,263$357,0502.5%
$0.10$16,525$367,7914.9%
$0.15$24,788$378,5327.4%
$0.20$33,050$389,2749.8%

结论：电价每翻一倍，电费折现值同步翻倍，但对 TCO 总额的影响相对温和——在默认参数下电费只占 TCO 的约 4.5%，采购成本仍是大头。电价真正放大的是能效差异：电价越高，高功耗芯片相对低功耗芯片的劣势越明显。

什么时候电费才成为主角？把电价拉到 $0.40/kWh，电费可占 TCO 约 15%；把使用年限延长到 8 年，可占约 9%。此时「选能效」的收益才真正可观。

💡 如何降低 TCO？​

1. 选择能效更高的芯片​

能效参考表（点击展开）
芯片TDP (W)FP8 算力 (TFLOPS)FP8 能效 (TFLOPS/W)FP4 算力 (TFLOPS)FP4 能效 (TFLOPS/W)
NVIDIA H2007003,958（稀疏）5.7——
NVIDIA B2001,00010,000（稀疏）10.020,000（稀疏）20.0
AMD MI300X7502,614（稠密）3.5——
AMD MI355X1,4005,000（稠密）3.610,100（稀疏）7.2
华为昇腾 950500——2,0004.0

说明：能效 = 标称算力 ÷ TDP。2026 年新卡的主口径已从 FP8 转向 FP4（4 位浮点，用精度换吞吐）。 表中均为厂商标称值，稀疏 / 稠密口径已在括号内标注——跨厂商比较时不可忽略口径差异。数据以 芯片卡片 为准。

能效越高，长期 TCO 越低。

2. 提高使用率​

  • 以示例 1 的 MI300X 为例：使用率从 50% 提高到 90%，TCO 仅由 $128,433 升至 $134,420（+4.7%），而算力产出提高 80%。
  • 使用虚拟化、多租户等技术提高 GPU 利用率。

3. 选择电价更低的地区​

地区电价参考（点击展开）
地区工业电价 ($/kWh)3 年电费（B200 × 8，折现）相对中国
中东$0.04$6,610省 $6,610
中国$0.08$13,220基准
美国$0.12$19,830多花 $6,610
欧洲$0.20$33,050多花 $19,830

4. 使用液冷散热​

  • 液冷比风冷节能 20-30%
  • 虽然初期投资更高，但长期 TCO 更低。

⚠️ 免责声明​

  1. 本计算器提供的 TCO 估算结果仅供参考，实际成本可能因多种因素而异。
  2. 定价数据来源于公开信息（官方指导价、市场均价等），实际采购价可能有较大差异。
  3. 电费、数据中心租金等运营成本因地区、供应商、谈判能力等因素而异。
  4. 未考虑折旧、残值、维护成本、软件许可成本等因素。
  5. 建议在实际采购前，向供应商获取详细报价。

📚 延伸阅读​