04 场景演算
场景 S4 · 国内自持机房（不出海）
场景 S4 · 国内自持机房（不出海）
假设：项目方是国内制造业 / 传统行业公司，200 张卡，自有厂房自建机房，主要服务内部 + 少量对外。
一、场景特点
- 不追求增长：现金流为王
- 数据合规硬性要求：不能上公有云
- 卡型受限：可能只有国产（华为昇腾 910B、寒武纪思元 590）或 A800
- 客户结构：60% 内部业务、40% 对外（合作伙伴 / 关联企业）
- 地理：华东工业园区，电费低（0.4-0.5 元）
二、硬件与成本
假设 200 张昇腾 910B（等效 A100 性能）：
| 项 | 月成本 |
|---|---|
| 硬件折旧（60 万/张 × 200 / 5 年 / 12） | ~200 万 |
| 电费（0.45 元，含冷却） | ~5 万 |
| 机房托管（自有厂房省成本） | ~5 万 |
| 团队（10 人） | ~30 万 |
| 合计 | ~240 万/月 |
三、收入结构（现实版）
内部业务（不算营收，但省下购买公有云成本）：
- 内部 AI 平台使用 100 张卡 → 折算价值 150 万/月
- 内部训练任务 50 张 → 折算价值 80 万/月
对外部分：
- 关联企业 30 张卡长租 → 60 万/月
- 少量外部客户 20 张卡 → 30 万/月
综合价值：320 万/月（含内部折算）
现金流入：90 万/月（对外部分）
内部账净利：约 80 万/月；纯现金流：约 -150 万/月（靠内部价值覆盖）
四、技术策略
4.1 内部平台优先
- 建统一内部 AI 平台，服务集团 IT / 智能制造 / 客服 / R&D
- 内部用 Slurm + K8s 混合调度
- 无需 API 网关和计费系统的复杂度
- 内部按部门配额 + 每月结算
4.2 对外简化
- 只做 Plan A 长租 + Plan B 小规模 MaaS
- Plan B 只跑 3 个模型（供关联企业员工使用）
- 不接公网、只 VPN 内接入
4.3 昇腾生态适配
- vLLM Ascend 分支（华为开源）
- MindSpore / MindFormers（内部训练）
- CANN 8.0 + PyTorch 昇腾插件（推理）
五、关键差异化（对内）
- 数据不出园：内部客户合规友好
- 深度定制：给业务部门做 AI 助手、SOP 生成、质检
- 按部门结算：内部转账，走财务分摊
- 知识沉淀：Prompt 库、领域 Fine-tune
六、6 个月落地
| 月 | 里程碑 |
|---|---|
| 1 | 昇腾节点验收 + 内部平台雏形 |
| 2 | Plan A 内部长租上线（3 部门试点） |
| 3 | Plan B 内部 API 上线（客服机器人对接） |
| 4 | 外部合作伙伴接入（VPN） |
| 5 | 全部业务上量 + KPI 达标 |
| 6 | 内部 AI 应用矩阵成型 |
七、团队 10 人
- CTO：1
- 平台工程：3
- 推理 / 训练：2
- 业务对接（每个大部门配 1 BP）：3
- 运维：1
八、成功指标
- 集团公有云支出减少 300 万+/年
- 内部 AI 助手覆盖 5 个业务线
- 对外收入自负盈亏
- 卡片利用率 ≥ 70%（内部 + 外部）
九、坑
- 昇腾生态成熟度不如 NVIDIA，模型移植花时间
- 内部部门配合度低（推行 AI 助手需高层强推）
- 对外销售不专业，容易被外部客户压价
- 内部平台需要"客户级"体验才有人用，不能糙
- 数据治理未跟上，AI 效果打折
十、结论与建议
这个场景下别追规模，追现金流。
- 内部平台先起：用集团现有算力预算，先证明 AI 能省钱
- 对外别做通用云：只做"我方熟悉的行业" AI 定制服务
- 昇腾是政治正确 + 长期主义，但要接受 6 个月生态爬坡期
- 200 卡 6 个月 + 8 亿人的服务，别夸大规模，稳赚就行