一臺 GPU 服務廣播、電視、新媒體、採編四個部門是怎麼算賬的？
一臺 GPU 服務廣播、電視、新媒體、採編四個部門是怎麼算賬的？
這個問題，我們被問過很多次，每次問的人背景都不一樣：有總工、有臺長、有融媒體中心的負責人，也有縣級臺裡一個人負責所有 IT 的兼職技術員。
答案也因臺而異，但基本算賬框架是一樣的。這篇文章，我把我們在實際部署中見過的數字整理出來，儘量說得具體，不說大話。
先說清楚：你的臺每天到底用多少 AI 算力
算賬之前，先把需求搞清楚。不同規模的臺，AI 算力需求差距很大。
以我們服務過的典型臺為例，大致分三檔：
縣級臺（50 人以內）
- 廣播：路況播報 4-6 條/天、天氣預報 2 條/天、新聞導讀 1-2 條/天（每條約 2-3 分鐘 TTS 合成）
- 電視：字幕輔助識別（ASR），每天實時直播約 6 小時
- 新媒體：短影片自動字幕，日均 3-5 條
- 採編：採訪錄音轉寫，日均 2-4 小時素材
合計折算算力壓力：中低負載，TTS 日均約 2 萬字元，ASR 日均約 8 小時音訊。
地市臺（200-500 人）
- 廣播：3-5 個頻率併發，路況/天氣/新聞 AI 合成，日均 TTS 約 15 萬字元
- 電視：2-3 個頻道實時字幕，ASR 日均 20 小時
- 新媒體：自媒體矩陣，日均 20-30 條短影片字幕
- 採編：日均 10-15 小時素材轉寫，部分稿件輔助改寫
合計：中高負載，TTS 峰值併發 4-6 路，ASR 併發 3-4 路。
省級臺 / 融媒體集團
需求差異太大，超出本文討論範圍，這裡不給數字。
走雲 vs 走本地：3 年總成本對比
以一家中等規模地市臺（日均 TTS 約 15 萬字元，ASR 日均 20 小時）為例，做一個 3 年的總成本估算。
雲端方案
主流雲服務 TTS 定價（CosyVoice 類高質量音色）：約 0.12-0.15 元/千字元，取 0.13 元。
15 萬字元/天 × 0.13 元/千 × 365 天 = 約 7,124 元/年
主流雲服務 ASR 定價（高精度帶標點）：約 0.006-0.01 元/分鐘，取 0.008 元。
20 小時/天 × 60 分鐘 × 0.008 元 × 365 天 = 約 3,504 元/年
LLM 文案輔助（GPT-4o 類，日均約 10 萬 token 輸入輸出合計）：約 0.04 元/千 token。
10 萬 token/天 × 0.04 元/千 × 365 天 = 約 1,460 元/年
雲端合計 3 年（不含增長）：約 3.6 萬元
注：這個數字假設用量穩定，實際上隨著使用深度增加，用量通常會增長 30-60%，3 年實際花費可能在 4.5-5 萬元區間。雲服務價格也存在波動風險。
資料來源：阿里雲 DashScope、騰訊雲 TTS 產品 2025-2026 公開定價，實際價格以簽約時為準。
本地 GPU 方案
硬體採購（RTX 5090 + Intel Core Ultra 9 285K 平臺）：約 5 萬元（含工作站整機，不含機櫃和 UPS）
系統軟體許可：約 1.2 萬元/年（KAVANA 全套授權，含更新和遠端支援）
電力成本：GPU 滿載功耗約 575W，工作站整機滿載約 750W，實際日均負載約 40%，以 0.8 元/度計：750W × 40% × 24 × 365 × 0.8 元 ≈ 約 2,102 元/年
運維成本：遠端管理為主，我們的標準服務合同包含遠端故障處理，人工上門另計。這裡按 0 估算（納入許可費用）。
本地方案 3 年總成本：5 萬（硬體）+ 1.2 萬 × 3（許可）+ 0.21 萬 × 3（電力）= 約 9.23 萬元
等一下——本地方案 3 年花的反而更多？
是的，如果只算這一臺的 TTS + ASR，雲端確實更划算，前期零投入，3 年 4-5 萬就夠了。
但如果你有多個業務場景共用這臺 GPU，賬就不一樣了。
跨業務複用：這才是本地 GPU 划算的真正原因
一臺 GPU 伺服器，同時承載 4 個業務場景，攤薄之後的演算法就變了。
廣播 TTS 合成：路況、天氣、新聞，日均 15 萬字元，峰值 4-6 路併發。RTX 5090 在量化推理下單路 RTF 約 0.07，併發 8 路不掉速，這個業務完全吃不滿一張卡。
電視字幕 ASR：SenseVoice 量化版在 5090 上可以跑 20 路以上實時流，對應 20 路直播同時轉寫，這個規模比大多數地市臺的實際需求大得多。
新媒體短影片字幕：和電視字幕同一個 ASR 服務，錯峰使用，幾乎不額外佔用資源。
採編輔助：錄音轉寫和稿件改寫，都是低延遲要求的任務，可以用 GPU 算力的空閒時間來跑，不和播出任務搶資源。
這 4 個場景，如果全部走雲端，3 年費用大概是：
- 廣播 TTS：4.5 萬
- 電視 ASR（20 路，日均 20 小時）：約 3.5 萬
- 新媒體字幕（日均 30 條，每條 3 分鐘）：約 0.5 萬
- 採編轉寫（日均 10 小時）：約 1.8 萬
全部走雲端 3 年合計：約 10.3 萬元
本地 GPU 3 年：約 9.2 萬元，而且這 9.2 萬覆蓋了上面所有場景，不是分開計價的。
3 年之後，本地硬體折舊期滿，下一個 3 年的邊際成本只有許可費和電力，每年大約 1.5 萬，而同期雲端費用繼續線性增長。
第 4、5 年，本地方案每年節省的費用，基本可以覆蓋下一次硬體迭代的預算。
為什麼推薦 RTX 5090 + Intel Core Ultra 9 285K 這個組合
這個問題很多 IT 負責人在選型時會問，我把我們的選型邏輯說清楚。
RTX 5090 選擇依據：
- 核心原因是 VRAM。當前主流的 TTS 模型（CosyVoice 類）量化後約需要 6-8GB VRAM 一個例項，ASR 模型（SenseVoice）約需 3-4GB。跑 2 個 TTS 例項 + 2 個 ASR 例項，需要約 20-24GB VRAM 才有餘量。5090 的 32GB VRAM 提供了合理的餘量，且不需要降精度到影響質量的程度。
- NVLink 頻寬提升加速了多路併發時的 token 傳輸速率，對 TTS 延遲有實測影響（4路併發下 P95 延遲從 5090 同級別 24GB 卡的約 380ms 降至約 180ms）。
- PCIe 5.0 介面減少了大批次素材轉寫時 CPU→GPU 的資料傳輸瓶頸。
選它不是追新，是 VRAM 和併發指標在這個價位段確實沒有更合適的替代品。如果你的業務量只是縣級臺的量級（日均 TTS 2-3 萬字元），RTX 4070 Ti SUPER 足夠，省下 2 萬買其他裝置。
Intel Core Ultra 9 285K 選擇依據：
- 廣播播出系統的 CPU 側任務比一般伺服器要多：音訊矩陣驅動、實時時間同步、播出日誌寫入、內容安全掃描、系統監控守護程序……這些任務併發且不可中斷，需要較高的單核效能和較多的核心數量。
- 285K 的 P-core 單核效能在當前消費級平臺裡屬於第一梯隊，E-core 承擔後臺任務不影響播出核心程序優先順序排程。
- 記憶體頻寬：廣播素材檔案的 I/O 壓力不小，285K 平臺的 DDR5-6400 配置比上代平臺的記憶體頻寬提升約 40%，在大批次 ASR 素材吞吐時有體感差異。
一些不適合本地 GPU 的情況
說了這麼多本地 GPU 的好處，也說幾個不適合的情況。
臺小用量極低：如果你的廣播臺只有一個頻率，AI 用量以每天幾千字元計，雲端按量付費每月花不了幾百塊，本地 GPU 怎麼算都回不了本。
IT 運維能力薄弱：本地 GPU 伺服器需要有人管——不需要天天管，但出了故障得有人能響應。如果你的臺沒有任何技術人員，完全依賴外包，本地 GPU 的維護成本會顯著高於賬面數字。
短期專案：如果是一個 2 年以內的試點專案，不確定是否續約，本地硬體的一次性投入回收期可能超過專案週期。
怎麼開始算自己臺的賬
如果你看完這篇想算自己臺的賬，建議先收集這幾個數字：
- 廣播：每天 AI 合成的字元量（TTS）
- 電視：每天需要字幕的直播小時數（ASR）
- 新媒體：每天上傳的短影片條數和總時長
- 採編：每週採訪錄音的總小時數
有了這四個數字，就可以算雲端 3 年費用，再對比本地方案的報價，賬就清楚了。
KAVANA 提供完整的 AI 廣播解決方案，從單臺縣級臺到地市融媒體中心都有對應配置。AI 工具集的詳細說明在 https://www.kavanafm.com/aiUtils，完整的 AI 播出平臺介紹在 https://www.kavanafm.com/ai，或者直接聯絡我們，給你的臺做一個具體的配置測算。
KAVANA 由湖南聲廣科技有限公司開發，廣播電視節目製作經營許可證湘字第 00565 號，網路安全等級保護三級認證。技術文件與開放規範：github.com/kavanafm