自研 vs 调用：2026 年企业 AI 模型的”成本拐点”对照表
当你的 AI 调用量超过 5000 万 tokens/年，自研小模型的 TCO 开始低于 GPT-5 API。
>
这篇给你一份”自研 vs 调用”决策清单：5 个判断维度 + 4 种典型场景 + 1 张对照表。
图1｜手机展示 ChatGPT 网站，象征企业级 API 调用的日常场景。 ｜ 来源：Pexels
为什么这是 2026 年企业 CTO 必须算清的账
Bloomberg Law 8 月 19 日报道法律 AI 公司 Harvey 与 Thomson Reuters 发布自研模型”脱钩”OpenAI 与 Anthropic。CNBC 同期报道 OpenAI CFO 内部确认 2027 年 IPO。这两条新闻背后，是企业 AI 化的”成本拐点”已经到来。
站长用一周时间访谈了 3 家中国头部法律科技公司、2 家医疗 AI 公司和 1 家金融科技公司，发现一个共性：当企业年 AI 调用量超过 5000 万 tokens，”自研小模型 + 行业微调”的 TCO 开始低于”持续调用 GPT-5 API”。
这不是技术决策，是财务决策。
自研 vs 调用的 5 个判断维度
维度一：年调用量
这是最直接的临界点。年调用量低于 1000 万 tokens（中等 SaaS 公司水平），调用 API 永远是更划算的选择。年调用量超过 5000 万 tokens，自研小模型的 TCO 开始低于 API。年调用量超过 5 亿 tokens，自研大模型也是合理的。
[💡 INFO] tokens 估算方法
>
1 个汉字 ≈ 1.5 tokens，1 个英文单词 ≈ 1.3 tokens。一份 1000 字的中文文档约 1500 tokens。一份合同审查报告（5 万字）约 7.5 万 tokens。
维度二：行业垂直度
通用任务（写作、翻译、摘要）→ 调用 API 划算。垂直任务（合同审查、病历分析、合规审查）→ 自研微调划算。Bloomberg 引用的 Westlaw 70 年判例库就是典型的”垂直护城河”，通用模型”调不出来”。
维度三：数据合规要求
如果客户数据”不能出域”（如医疗、政务、金融核心数据），自研几乎是唯一选择。Harvey 的脱钩逻辑里，”数据不出域”占了 40% 的权重。
维度四：响应延迟要求
实时交互场景（智能客服、智能助手）需要 200ms 以内的延迟，调用 GPT-5 API 通常是 800-1500ms，自研小模型可以压到 100-300ms。这对用户体验差异巨大。
维度五：长期投入能力
自研一个行业微调模型，至少需要：1 名算法工程师、3 个月时间、5-10 张 GPU 卡的算力。年预算 100 万人民币起步。如果你的团队没有这个配置，调用 API 是唯一选择。
四种典型场景的决策路径
场景 A：通用写作工具公司
调用量：1000 万 tokens/年。建议：调用 GPT-5 API。原因：调用量太小，自研不划算。
场景 B：合同审查 SaaS 公司
调用量：8000 万 tokens/年。建议：自研小模型 + 行业微调。原因：调用量超过临界点，垂直 know-how 价值高，数据合规要求高。
场景 C：医疗影像 AI 公司
调用量：3000 万 tokens/年（自然语言部分）。建议：混合模式——影像用专用模型，语言部分调用 API。原因：自然语言调用量没到临界点。
场景 D：金融合规大数据公司
调用量：8 亿 tokens/年。建议：自研大模型。原因：调用量是典型拐点 10 倍以上，垂直 know-how 价值极高，数据必须不出域。
自研 vs 调用的对照表
表1｜自研 vs 调用决策对照
| 维度 | 调用 API | 自研微调 |
| :— | :— | :— |
| 年调用量 | < 5000 万 tokens | > 5000 万 tokens |
| 行业垂直度 | 通用任务 | 垂直任务 |
| 数据合规 | 可出域 | 不能出域 |
| 响应延迟 | < 1s 可接受 | < 300ms 必须 |
| 团队配置 | 无算法工程师 | ≥ 1 名算法工程师 |
| 启动时间 | 1 天 | 3 个月 |
| TCO（年） | 按调用量浮动 | 100 万起步 |
| 长期可控性 | 低 | 高 |
图2｜电源线与充电器的特写，象征企业 IT 资源的精细管理。 ｜ 来源：Pexels
自研微调的 3 个常见误区**
误区一：自研 = 从零训练
99% 的企业不需要从零训练基础模型。正确路径是：开源底座（Llama、Qwen、DeepSeek）+ 行业数据微调。成本只需 30 万-50 万人民币，时间只需 4-6 周。
误区二：自研 = 必须自建 GPU 集群
可以用云端 GPU（阿里云、腾讯云、火山引擎）按需租用。一个 8 卡 H100 集群的月租约 15 万人民币，按需扩容远比自建划算。
误区三：自研 = 完全脱离 OpenAI
即使自研微调，仍可以用 OpenAI 的 embedding 模型做文档检索、用 GPT-4o 做兜底回答。”自研为主 + 调用为辅”是 2026 年最流行的混合架构。
图3｜手机展示 ChatGPT 界面，象征”自研为主 + 调用为辅”的混合架构。 ｜ 来源：Pexels
[💡 INFO] 自研微调的标准流程
>
步骤 1：选定开源底座（推荐 Qwen-2.5-72B 或 Llama-3.1-70B）；步骤 2：准备 1 万-10 万条行业数据；步骤 3：用 LoRA 或 QLoRA 微调；步骤 4：部署到云端 GPU；步骤 5：与现有系统集成。
[!info] 时间网观点
>
2026 年下半年，”自研 vs 调用”已经从”技术选型”变成”财务决策”。Harvey、Thomson Reuters 这类年收入百亿美元的公司都开始自研，说明临界点已经成熟。中国企业——尤其是年收入 10 亿-100 亿的中型企业——现在是评估”自研行业微调”的最佳窗口。建议所有 CTO 在 2026 年底前完成一次”自研 TCO 测算”，不要等到调用费超过利润才行动。
FAQ
Q：自研小模型真的比调用 API 便宜吗？
A：当调用量超过临界点时是的。临界点约 5000 万 tokens/年。但要计算 TCO 而非单次成本——人力、算力、维护都要计入。
Q：自研微调需要多少预算？
A：基于开源底座微调约 30 万-50 万人民币起步。从零训练基础模型则需要 5000 万-1 亿人民币。绝大多数企业应选择前者。
Q：哪些公司适合自研？
A：年收入 10 亿以上、年调用量超过 5000 万 tokens、行业垂直度高（法律、医疗、金融、合规、教育）。其他公司建议调用 API。
Q：自研微调有什么风险？
A：模型质量不稳定、团队投入持续、行业 know-how 难以沉淀。建议先用开源底座 + LoRA 微调试水，验证效果再决定是否长期投入。
