训练推理分家，是RL时代最贵的浪费

做财务的人看技术新闻，条件反射是找成本项。我先讲个类比：一家公司有两笔预算，一笔研发、一笔营销，制度上互不挪用，结果两边年底都在抢着花钱，因为不花完明年额度就没了。今天多数做AI的公司部署训练和推理算力，就是这种分账逻辑。训练集群是训练集群，推理集群是推理集群，各买各的，各自排产，各算各的利用率。

这个账本到了强化学习阶段就开始不对劲了。刚看到雷锋网这篇讲九章智算云落地训推一致的文章，以GLM-5为例，把Generator、Environment和Trainer收进一套统一工作流，全局动态调度资源。从财务角度看，这事的本质就是把两本账合并成一笔池子，资产周转率上去了，单位有效算力成本下来了。

预训练阶段的算力消耗是线性的，训练一个模型，环网集群一次顶大半年，利用率能算得平。RL不一样。RL是生成、执行、训练三段循环：生成阶段疯狂跑推理，每出一个候选方案都在烧推理卡；执行阶段把代码丢进沙箱里验证，GLM-5那边基于RepoLaunch框架搭了一万多个可验证的SWE环境，覆盖Python、Java、Go等九种语言，这个环节吃算力吃得很凶，而且全在推理侧；训练阶段才轮到更新参数。三段需求的吞吐特征完全不同，叠在一起就是锯齿形的资源曲线。

传统做法里，三段的算力分属不同集群，那就意味着总有一段机器在空转。GPU可是三年折旧的重资产，空转就是减值。训练和推理分账管理，任何一个池子出现波峰波谷的错配，多余的部分都提不了收入，现金流层面就是纯损耗。

九章智算云这篇里有个说法我很认同：训推一致的要点是让两者共享一套能同时感知计算、数据、状态和工作流的统一基础设施。这句放在财务语境里，就是预算池打通的逻辑。钱不动，动的是资源配置权。训练跑完了，卡立刻切给大规模生成验证，不用等另一批采购到货。账本上固定资产总额没变，但产出变多了，资产周转率上来了。

我上周写过一篇聊腾讯GPU的帖子，当时说推理算力才是云厂商接下来的战场，别急着乐观。今天这个案例算是对那个判断的补充：推理算力是云厂商和模型厂商之间的生意，但模型厂商自己账本里头，RL阶段的推理消耗已经在无限逼近训练消耗。两者在物理资源上本来就分不开，硬拆两套去采购，是拿着资本开支在给组织架构表买单。

从财务角度看，训推一致的真正价值是把每一张卡的产出拉满。现阶段资本市场给AI公司的估值逻辑也在变，前两年是看你有多少卡，现在转向看你的卡跑出了什么。同一份模型能力的进步，有的团队烧掉两倍的算力才拿到，有的团队用一半的预算就够，这个差距会直接反映在接下来几轮融资的条款书里。

往后看，我的判断是，训推一体将成为RL时代的基础设施默认项。训练和推理的边界在RL阶段已经被冲垮了，继续按物理集群分账的厂商，单位模型进步成本会越背越重。算力市场的计费逻辑大概率会从按训练卡、推理卡分开计价，转向按有效训练产出计价。谁的单位有效算力成本低，谁就能在未来两年的资本开支竞赛里占优。 这笔账，早晚要合到一张表上。