买显卡自建，到底多大用量才回本
自建还是调 API，网上算这笔账的方法基本一致：硬件价除以折旧月数，跟云端每百万 token 的价格比，得出一个月用量门槛，超过就买机器。
这套算法漏了一项，而且是最硬的一项：机器本身能不能产出那么多 token。
产能上限：回本点可能根本够不着
单机月产能上限 M_max 等于吞吐速度 TPS 乘以每月秒数 2,592,000，再乘设备利用率 u，换算成百万 token。
如果算出的回本门槛 M* 高于这个上限，那么这台硬件在折旧周期内任何使用规模下都回不了本，因为你根本达不到那个用量。多买几台也不解决问题：固定成本和总产能同倍增长，每台的回本点还在原地。
折旧不能算两遍
硬件采购价 H 除以折旧月数 D，加上每月的场地与机柜电费 E_fixed，构成月固定成本 F。
每百万 token 的增量电费 m 是变动成本，只放在这里。折旧和固定电费已经在 F 里了，不能再摊进每 token 的本地单价。那是把同一笔钱算了两遍，算出来的回本点会偏乐观。
这是钱的账，不是能力的账
本地跑的开源权重模型，和 GPT-5.5、Claude Opus 5 这类云端旗舰在复杂推理和长指令遵循上仍有客观差距。
这篇只算财务，不评能力。真到选型那一步，省下的钱能不能补上能力差，得看你的活是什么。
一组能自己复算的数
取硬件价 H = ¥80,000、折旧 D = 24 个月、月固定开销 E_fixed = ¥300、边际电费 m = ¥2 每百万 token、吞吐 TPS = 40、利用率 u = 50%。
月固定成本 F = 80,000 ÷ 24 + 300 = ¥3,633.33。单机月产能上限 M_max = 40 × 2,592,000 × 0.5 ÷ 1,000,000 = 51.84M token。
对比一个 ¥20 每百万 token 的云模型：回本点 M* = 3,633.33 ÷ (20 - 2) = 201.85M，是产能上限的四倍，永远回不了本。
换成 ¥100 每百万 token 的云模型：回本点 M* = 3,633.33 ÷ (100 - 2) = 37.08M，低于上限，月用量超过它就开始赚。
同一台机器，两个相反的结论。所以「自建是不是更便宜」这个问题，不指定拿哪个云模型作对比，就没有答案。
换成你自己的数字再算一次
每家的硬件折扣、电价和业务利用率都不一样，照搬上面的数没意义。把你自己的参数填进本地 vs 云 API 回本计算器，它会算出回本点并判断是否超过产能上限。云端那一侧的真实响应速度，可以参考 API 延迟实测榜。
常见问题
为什么多买几台机器改变不了结论？
因为固定成本和总产能是同比例增长的。单台的产能上限低于单台的回本阈值时，按比例扩张之后这个关系不变，依然填不平固定成本。
折旧周期设多久合理？
考虑到 AI 硬件迭代速度和显卡损耗，24 个月是比较保守稳妥的取值。周期设得越长，回本点越好看，但也越不经得起硬件贬值。
边际电费 m 指什么？
指显卡满载推理时，每生成或处理 100 万 token 多烧的那部分电费。机房基础环境电费属于固定开销，已经算在 E_fixed 里，不要重复计入。
文中价格与价格表同源、每日核对。选型前去看一眼最新价。
打开价格表 →