买算力最怕不是没卡，是没钱先欠

我花了两天试了一下实验室买 AI 算力时的信用评估。起因很简单，组里要跑一个视觉模型微调，实验室经费紧张。我用了 4 周 Vast.ai，界面清楚，按小时扣费，适合小实验。但任务拉长到一周后，问题从有没有卡变成能不能先欠。

我拿常见视觉模型 ResNet-50 的微调做实验设计，按 Hoffmann et al. (2022) 的计算最优 scaling 思路，把 GPU 小时、数据量和人力折成成本。结论有点反直觉，模型本身不贵，贵的是钱要先放出去。所谓 credit，就是供应商给你的先欠后付额度。预付平台不需要授信，但要先掏钱，企业云可以月结，但资质、发票、合同会拖很久。

我试了两个采购入口。Vast.ai 仍是预付，余额页能看到扣费速率，但没有授信入口，另一个企业云有信用额度和账期，但要上传资质，审批周期不明确。我用 dashboard 记了几项，又顺手用 Claude 整理成检查表，包括预付比例、账期、退款条款、服务等级协议、发票类型。我又加了两个指标，资金占用成本和中断成本。前者是预付占用的经费，后者是训练断供或合同扯皮带来的重跑成本。预付流程直观，授信条款不透明。方法很土，但比只看每卡每小时报价靠谱。

短任务没问题。我跑了几次几卡、几小时的视觉实验，预付很顺。惊喜是检查表后，我发现便宜平台不一定便宜，退款、发票延迟、预存不退，都会把真实成本抬上去。卡住的地方也很明显。长周期任务需要稳定资源，但高校采购很难拿到高信用额度。公开报道提到巨额 AI 债务，说明这不只是实验室采购问题。我的判断是看情况，学生做消融、几天内结束的实验，预付平台够用，要跑多机多卡、长期训练，最好先谈授信和合同。下一步，我准备把检查表交给采购处，先问账期再比卡价。趋势我比较确定，未来买 AI 算力，核心门槛会从排队等卡转向信用审查。这个方向不好发论文，但审稿人要是问实验成本，我会把这一页放上。

---

📌 本文编译自 Hacker News，原文 https://twitter.com/gpugene/status/2096427973893411312

版权归原作者所有，本文为基于公开报道的编译与独立分析。