办公终端一天开机 8 小时，真正在响应操作约 3 小时；算力卡一年通电 8,760 小时，真正在跑有效计算约 2,600 小时。62.5% 和 65%——这么接近不是巧合。
下面两条时间轴，一条是办公终端，一条是算力卡。深色格＝已分配，亮格＝真正在产出。办公的浪费集中在白天，算力的浪费摊在全年——但比例惊人地接近。
一个 7B 模型 FP16 精度：权重 14GB＋KV Cache 4GB＋框架开销 2GB＝20GB。剩下 60GB 一直空着，空到报废。切成 4 份之后，同一张卡能装 4 个模型。
模型密度 8 倍，GPU 利用率提升 3 倍以上。
保守取 2.5 倍：1,000 卡可承载 2,500 个模型，反算只需 400 卡——凭空多出 600 卡的承载能力。
200 卡池、25 台八卡机。60 个单卡任务随机撒落，每台平均 2.4 卡被占——25 台全被“污染”，64 卡任务永远排不进。Gang 调度要求“全有或全无”，配合装箱把整机留给大任务。
一个 64 卡任务，如果卡分散在 8 个 leaf 交换机下，All-Reduce 有 87.5% 的流量要跨 leaf。行业实测：拓扑盲调度让 NCCL 带宽损失最高 45%。你买了 100% 的带宽，只用到 55%。
代价要说清楚：拓扑感知会降低装箱率 3—8 个百分点，但训练速度提升 20%—40%，净收益为正。所以考核指标应该是“有效算力产出”，不是“GPU 利用率”。
300 卡的图形桌面池，白天跑 vGPU 会话，夜间释放给推理与批处理。年释放 132 万卡时，等于 150 张卡全年无休。前提不是技术，是记账——借出记贡献、借入记消耗。
边界必须说实：能潮汐的是中端卡与 CPU，不是高端训练卡——训练卡本身不分昼夜。涉密桌面也不参与，那是红线。
物理隔离卡靠“记得切”；桌面云靠“切不过去”。终端零存储、外设白名单、剪贴板单向——攻击面从 1,000 个终端硬盘，收敛到 1 个受控存储。
现场验收只需四个动作：拆开一台已登录终端看硬盘、插一个 U 盘、从内网桌面复制一段文字到外网、打印一份文件。四件事都应被阻止或留痕。
终端状态、外设、行为、会话质量；卡健康（XID/ECC/温度/功耗）、显存、拓扑、作业队列、通信带宽、能耗。
指标三级分级：一级 20 个进大屏配 7×24 告警，二级 100 个进周报，三级出问题才查——不分级＝全不重要。
办公接入网（千兆到桌面、双上行）；算力 Fabric（IB NDR / RoCE v2，计算、存储、管理三网分离）；跨域骨干 400G。
跨域时延定边界：同城＜1ms 可训练，跨省＜30ms 只可推理与批处理。
桌面池（2.0—2.5 会话/核；图形 1/4 卡）＋ 算力池（训练整卡/超节点，推理切片）＋ 统一调度器。
两套调度、统一视图：桌面是实时流、算力是批处理，混在一套里实时业务必被拖垮。
桌面服务目录（标准/图形/多网/临时/离场冻结）＋ 算力服务目录（开发/微调/多机训练/在线推理/批处理）。
从“我要 8 张卡”变“我要跑一个单机微调”——产品化决定平台给运维用还是给业务用。
两把横切刀。安全：零信任、国密 TLS、微隔离、审计不可删、模型权重加密与水印。运营：三级配额、卡时/核时/Token 计量、内部结算、空转率月报。
300 卡池年释放 132 万卡时＝150 张卡全年无休
推理池密度 2.5 倍，1,000 卡承载 2,500 个模型
64 卡任务 P90 等待从“排不进”降到 6 小时
同 leaf 命中率 ≥95%，NCCL 带宽提升 20%—45%
60 秒隔离，连带损失从 3—5 个任务降到 0
终端失窃数据泄露为零；五网切换 0.3 秒
新员工 3 天→3 分钟；补丁 3 周→1 天
从 6 周压缩到 3 小时——这是业务部门唯一不会撒谎的指标
一个池子的两种用法：白天它支撑 5,000 个桌面会话，夜里它跑 1,000 张卡的训练队列。同一批硬件，不该只有一种作息。
价值最大的场景往往阻力也最大。先做阻力小的，做出可见成果，再推阻力大的——这是这类项目唯一走得通的顺序。
| 序 | 场景 | 工期 | 关键判断 |
|---|---|---|---|
| ① | 研发／设计桌面 | 3—4 月 | 阻力最小：设备单价高、TCO 优势最明显 |
| ② | 多网隔离办公 | 3—5 月 | 用户会抱怨不习惯，保密办要额外审计能力 |
| ③ | 分支机构瘦终端 | 4—6 月 | 技术不难，难在网络：先测网点上行与抖动 |
| ④ | 部门级推理服务 | 2—4 月 | 最快见效：不改办公习惯，只把“各自搭”变“统一供” |
| ⑤ | 训练／微调算力池 | 4—7 月 | 技术最复杂，但算法团队最欢迎 |
| ⑥ | 潮汐复用 | 6—9 月 | 动的是资源归属，技术上不难、组织上很难 |
| ⑦ | 跨园区算力并网 | 8—14 月 | 多法人、多套账、多卡型，必须三步走 |
无统一身份源，不做桌面云——会退化成一人五套账号，最后写在显示器上。
无卡级监控，不做调度——调度器是瞎子，会把任务分到坏卡和跨 leaf 节点。
无配额体系，不做并网——并网必变“谁声音大谁先用”。
1,000 张卡、单卡年持有成本 4.20 万元（含折旧、电、运维、机房分摊），一年 8,760 小时。分子不变，分母是利用率——所以提效率等于降价，而且是永久降价。
这张图里有一句不好听的话：35% 利用率下，自建比租还贵（13.7 元 ＞ 12 元）。所以自建的理由从来不是单价便宜，而是数据不出门、任务不用排队、带宽不受限。目标也不该定 85%——内部池任务池浅，波谷填不满是正常的，定 55%—60% 才是诚实的。
1,000 台 × 三年 TCO 10,480 元／台＝1,048 万，摊到真正在操作的 3 小时上
提到 55% 降到 8.7 元；两年省下的钱就能再建半个池子
千卡集群；万卡 MTBF 降到 29.2 小时，最优间隔变 3.1 小时——存太勤反而更慢
五年 39.5%；前三年其实是亏的，第 5 年 PC 集体换机时曲线才交叉
另外两笔：1,000 卡把利用率从 38% 提到 52%，年增收益 588 万元；30% 的非实时任务挪到谷时电价，年省电费 45.6 万元。均为行业经验参考值，实际成效以试点实测为准。
调度平台的成本基本固定（500—1,200 万，与卡数弱相关），收益却与卡数成正比。所以回收期随规模非线性改善。
为什么建议两个一起做。单独卖桌面云，客户说贵（4—7 年回本）；单独卖算力网，客户说“我有卡了，为什么要调度”。合起来，11 个月的账覆盖 5 年的账，才凑得出一个能过会的预算。而且做算力网的过程会顺手建起统一身份、统一监控、配额体系——这三件事正好是桌面云的地基。
产业数据：2026-03 底全国智能算力 188 万 PFLOPS（FP16），八大枢纽占比超 80%，国家级监测调度平台接入 137 万 PFLOPS（约 72%）；在用智算中心超 500 个，实际平均利用率仅 20%—30%；2026 上半年中国 AI 加速器出货 200.8 万颗，非 GPU 首超 GPU（101.6 万 vs 99.1 万）。（国家数据局、工信部、IDC）
除政策硬性规定外，本页量化指标均为行业经验参考值，实际成效以试点实测为准；算式与假设见标准方案第 1、3、4、17 章。
一个 11 个月回本，一个 4 到 7 年回本——用快的补慢的，才凑得出能过会的预算。如果只做一件事，先做算力网：它回本快，而且顺手建起的三件事，正好是桌面云的地基。