小白爱摸鱼
@chaozuoye
有个听上去像科幻的基建方案，已经真实发生在 2026 年：一个中国初创团队把大约 1000 台 Mac Mini M4 塞进数据中心，完全用本地算力跑 AI、完全不依赖云端。
账面摆出来相当有说服力。单台起价 599 美元，满载功耗只有 10–30 瓦——传统 GPU 服务器是 300–500 瓦；一千台堆在一起，成本可控、电费低得惊人。他们这么做的动机也直白：把 AI 算力从每月高昂的云服务账单里赎出来，握在自己手里。
据原帖，这套集群已经被用在需要真金白银产出的实际业务上跑自动化策略（案例细节以原帖与官方为准）——不是实验室展品，是在挣钱的机器。
"云租 vs 自建"这笔账能在这个规模上翻盘，靠的是两个叠加的变量：单位能效的持续提升（M4 这类芯片的每瓦性能已到可用水平），和用量的规模效应（一千台的电费与运维摊薄到足够低）。
这与今晚反复出现的那条主线完全同源——省的层级从"每次调用"上移到"每瓦、每台、每月"：档位省的是思考、蒸馏省的是步数、假依赖省的是等待，而这次省的是整个供给方式。当效率优化做到尽头，剩下的问题就变成了"该买还是该租"。
这类自建方案真正的门槛也不在硬件，在另外三处：调度（一千台要有人把任务分匀、把故障机器摘出去）、模型适配（本地集群跑什么尺寸的模型、量化后掉多少精度）、以及折旧（硬件会老，模型会变，账要按周期算）。
这三样没有捷径——它们正是今晚"薄 harness"、"看住并行"那些讨论在物理世界的对应物：机器一多，管理就从配置问题变回了工程问题。
给在算这笔账的人一句落地的：先别买一千台——拿你过去三个月的云账单，除以"本地方案的等效功耗成本"，看回本周期落在几个月还是几年；再把你的真实负载（常驻推理、批量离线、突发峰值）拆开，各占多少。回本快、负载稳的那部分适合自建，突发与探索继续留在云上——混合才是这个规模上的常态，全本地是算出来的结果，不是信仰。
