2026年人工智能成本控制易错试题

2026年人工智能成本控制易错试题一、单项选择题（每题2分，共20分）1.在人工智能项目中，下列哪一项最不可能被计入直接成本？A.训练数据采购费B.模型推理服务器折旧C.首席科学家年终奖金D.数据标注众包平台服务费答案：C解析：年终奖金属于激励性薪酬，通常归入间接人工费用，而非可直接追溯到某一AI项目的直接成本。2.某企业采用混合云架构训练大模型，若本地GPU集群折旧年限为3年，云GPU按需单价为2.3元/GPU·小时，下列做法最能平滑成本峰值？A.训练全程使用云GPUB.训练全程使用本地GPUC.本地GPU利用率>85%时溢出到云GPUD.本地GPU利用率<30%时提前释放云GPU答案：C解析：混合云成本优化的核心是“先吃满自有资源，再弹性溢出”，可避免本地闲置与云资源浪费。3.在数据成本归集时，下列哪一项最容易被重复计算？A.原始数据许可费B.数据清洗脚本开发人日C.数据湖存储容量费D.数据增强生成的合成样本存储费答案：B解析：清洗脚本开发人日常在“研发阶段”与“运维阶段”被不同部门重复申报，需建立唯一工单号。4.采用Parameter-EfficientFine-Tuning（PEFT）技术后，模型微调成本下降的主要驱动因素是：A.减少反向传播层数B.降低GPU显存占用C.减少训练数据量D.降低推理延迟答案：B解析：PEFT通过低秩适配器冻结主干，显存占用下降，从而可在同卡上增大batchsize，缩短训练时间。5.某CV模型在A100(80GB)上单卡训练需14天，若改用8卡并行且保持线性加速理想，则训练成本下降比例为：A.87.5%B.80%C.75%D.50%答案：A解析：理想线性加速下时间缩短为14/8=1.75天，成本下降比例=(14−1.75)/14=87.5%。6.在AI项目预算中，下列哪项属于质量成本中的“外部失败成本”？A.模型偏差导致的客户索赔B.代码评审会议工时C.冗余数据备份存储费D.模型压缩工具采购费答案：A解析：客户索赔属于产品交付后由外部发现缺陷所产生的费用，归类为外部失败成本。7.若某模型每日推理调用1000万次，单次调用GPU时间为120ms，采用分时竞价实例可节省70%计算费，但存在5%概率被中断，需重跑。则综合成本节省率为：A.65.0%B.66.5%C.68.5%D.70.0%答案：B解析：有效节省=70%−5%×(1−70%)=70%−1.5%=68.5%，但重跑额外消耗5%×100%=5%资源，净节省=70%−(1−70%)×5%=66.5%。8.在AISaaS成本核算中，下列指标最能反映单位经济模型健康度？A.月度活跃用户数B.客户获取成本/年度经常性收入C.模型参数量D.数据标注准确率答案：B解析：CAC/ARR比值直接体现收回获客成本的周期，是SaaS单位经济核心指标。9.采用知识蒸馏后，学生模型推理成本下降，但出现0.8%精度损失，若业务KPI要求精度≥99%，则下列做法最符合成本—效益原则？A.直接上线学生模型B.拒绝蒸馏，沿用教师模型C.上线学生模型并微调阈值使精度≥99%D.同时部署教师与学生模型做ensemble答案：C解析：通过阈值微调可补偿精度，同时保留蒸馏带来的成本优势，符合边际效益最大化。10.在AI项目全生命周期中，下列哪阶段引入“成本KillSwitch”机制效果最佳？A.需求调研B.数据标注C.模型训练D.上线运维答案：A解析：需求阶段设置ROI门槛，可在投入大量研发前终止低价值项目，避免沉没成本。二、多项选择题（每题3分，共15分）11.关于AI成本估算中的COCOMOII模型适配，下列说法正确的有：A.需引入“数据复杂度”修正因子B.scalefactor中PREX（前期经验）对AI项目成本影响为指数级C.模型参数α默认适用于传统软件，可直接套用到大模型训练D.需额外增加“算力租金”作为附加成本项答案：A、B、D解析：COCOMOII需针对AI数据与算力特点做因子扩展，α默认参数未考虑GPU租金，故C错误。12.以下哪些做法可能导致AI项目出现“隐性成本膨胀”？A.使用开源框架但忽略GPL传染条款B.将数据标注众包给多家平台导致标签体系不一致C.为追求低延迟而过度压缩模型，导致线上重训频次增加D.采用Serverless推理但冷启动超时触发降级预案答案：A、B、C、D解析：四项均会在后期以法律、返工、重训、降级形式转化为额外成本。13.在FinOps治理框架下，AI成本责任划分应包含：A.产品Owner对业务指标与云账单双负责B.财务部门单独承担标签治理C.技术团队对资源利用率指标负责D.采购部门对预付折扣率负责答案：A、C、D解析：FinOps强调“协同责任”，财务不单独承担标签治理，需技术配合。14.下列哪些技术可同时降低AI训练成本与碳排放成本？A.混合精度训练B.早停法（EarlyStopping）C.使用碳强度较低地区的绿电数据中心D.参数共享的多任务学习答案：A、B、C、D解析：四项均减少GPU·h或降低PUE，从而同步压缩电费与碳排。15.关于AI项目“成本—性能”帕累托前沿，下列描述正确的有：A.增加训练数据量一定使前沿曲线左移B.采用神经架构搜索（NAS）可能扩展前沿边界C.前沿曲线上的点代表给定成本下最高性能D.前沿曲线内侧的点属于资源浪费答案：B、C、D解析：数据量增加到一定量级后边际收益递减，可能不再左移，故A错误。三、判断改错题（每题2分，共10分）16.在AI项目成本表中，数据增强产生的合成数据存储费应计入研发支出，不得资本化。答案：正确解析：合成数据并非外购无形资产，其存储费属于当期研发支出，不符合资本化条件。17.采用Spot实例训练时，检查点（checkpoint）保存间隔越长，成本节省越明显。答案：错误改正：检查点间隔越短，可缩短中断重跑时间，降低额外算力成本，因此“越短”越节省。18.模型剪枝比例越高，推理阶段电费一定越低。答案：错误改正：当剪枝导致稀疏度极高时，需专用稀疏计算库才能兑现能耗节省，否则可能因内存不规则访问反而增加能耗。19.AI项目使用第三方预训练模型时，若license允许商用，则后续迭代成本可全部资本化。答案：错误改正：后续迭代成本中只有“可明确辨认且未来经济利益可流入”的部分可资本化，其余仍需费用化。20.在多维成本核算中，GPU折旧与电费可按“卡时”作为分摊动因。答案：正确解析：卡时可同时反映设备折旧与电力消耗，是合理的成本动因。四、计算分析题（共30分）21.（8分）某企业计划训练一个100B参数denseTransformer，预估训练token为2.1×10²⁴，采用Chinchilla最优法则。已知：•训练阶段GPU平均利用率为58%（MFU）；•A100(80GB)峰值算力为312TFLOPS（FP16）；•云市场A100按需价格为2.5元/GPU·h；•绿电数据中心PUE=1.15，工业电价0.45元/kWh；•参数服务器架构通信开销占训练时间8%。求：（1）理论最低GPU·h；（2）实际云训练总成本；（3）若改用自建绿电集群，折旧3年，A100采购价6万元/块，忽略其他CAPEX，计算每GPU·h折旧成本，并比较云与自建哪种更优。解答：（1）Chinchilla最优下，训练FLOPs≈20×参数×token=20×1×10¹¹×2.1×10²⁴=4.2×10³⁶FLOPs。单A100FP16峰值312×10¹²FLOPS，考虑MFU=0.58，有效算力=0.58×312×10¹²=1.8096×10¹⁴FLOPS。理论GPU·h=4.2×10³⁶/(1.8096×10¹⁴×3600)=6.45×10¹⁹s≈1.79×10¹⁶h。（2）通信开销8%，则实际训练时间再放大1/(1−0.08)=1.087倍。实际GPU·h=1.79×10¹⁶×1.087=1.95×10¹⁶h。云成本=1.95×10¹⁶×2.5=4.88×10¹⁶元。（3）自建折旧：3年=3×365×24=26280h，每GPU·h折旧=60000/26280=2.28元。电费：单A100热设计功耗400W，PUE=1.15，总功耗=0.4×1.15=0.46kW。电费=0.46×0.45=0.207元/GPU·h。自建总成本=2.28+0.207=2.487元/GPU·h<2.5元，故自建略优。但需垫资CAPEX，资金成本未计入，结论仅基于纯运营成本。22.（7分）某CV模型在边缘设备上每日推理1×10⁷次，单次输入224×224×3，ResNet50参数量25.6M，FP32精度。边缘设备GPU功耗10W，完成一次推理需8ms，电价0.6元/kWh。现通过INT8量化+批处理=16，推理时间降为3ms，功耗升至12W。求：（1）原方案日电费；（2）优化后日电费；（3）若量化工具一次性授权费5万元，计算投资回收期（天）。解答：（1）原方案：日总推理时间=1×10⁷×8×10⁻³=8×10⁴s≈22.22h。电能=10W×8×10⁴s=8×10⁵J=0.222kWh。电费=0.222×0.6=0.133元。（2）优化后：日总时间=1×10⁷×3×10⁻³=3×10⁴s≈8.33h。电能=12W×3×10⁴s=3.6×10⁵J=0.1kWh。电费=0.1×0.6=0.06元。（3）日节省=0.133−0.06=0.073元。回收期=50000/0.073≈684931天≈1876年。结论：单纯电费节省无法回收，需结合服务器成本或碳税激励。23.（8分）某企业采用Multi-ArmedBandit做动态AB实验，探索两组推荐模型A/B，成本—收益如下：•A模型：单次调用成本0.012元，期望收益0.10元；•B模型：单次调用成本0.020元，期望收益0.15元；•实验总预算上限6000元；•要求置信水平95%，允许误差±0.01元，收益方差已知σ²_A=0.0025，σ²_B=0.0036。求：（1）达到给定精度所需最小样本量n_A、n_B（假设n_A=n_B）；（2）在预算内是否可行；（3）若不可行，给出最大允许误差降至多少方可完成实验。解答：（1）均值差检验样本量公式：nz_{0.025}=1.96，E=0.01，n=(1.96²×(0.0025+0.0036))/0.01²=3.8416×0.0061/0.0001≈234.3，向上取整235。故n_A=n_B=235。（2）总成本=235×(0.012+0.020)=235×0.032=7.52元<6000元，可行。（3）无需调整。24.（7分）某自动驾驶公司每日产生10TB原始点云，需进行3D目标检测离线标注，标注单价为25元/分钟有效帧，每帧平均大小为12MB，标注员效率为80帧/小时。存储冷备单价0.12元/GB·月，热存0.4元/GB·月，数据需热存7天，冷存23天。求：（1）每日标注人工费；（2）每月存储费；（3）若采用主动学习，筛选30%关键帧，标注单价不变，效率提升20%，计算月度节省总额。解答：（1）日帧数=10×10¹²/(12×10⁶)=8.33×10⁵帧。标注时间=8.33×10⁵/80=10412.5h。人工费=10412.5×25×60=1.561×10⁷元。（2）热存7天数据量=10×7=70TB，冷存23天=10×23=230TB。月存储费=70×1024×0.4+230×1024×0.12=28672+28262.4=56934.4元。（3）筛选后帧数=0.3×8.33×10⁵=2.5×10⁵帧，效率提升20%，即96帧/小时。标注时间=2.5×10⁵/96≈2604h。人工费=2604×25×60=3.906×10⁶元。节省人工=1.561×10⁷−3.906×10⁶=1.170×10⁷元。存储节省：仅标注帧需长期存，其余可降采样冷存，假设存储节省50%，即56934.4×0.5=28467.2元。总节省≈1.170×10⁷+28467.2≈1.173×10⁷元。五、综合案例题（25分）背景：“智绘医疗”公司拟开发一款基于CT影像的胰腺癌早期筛查AI，项目周期18个月，预算软上限3200万元。技术路线：1.数据：需回顾性收集15万例CT，已谈妥三家医院，数据使用补偿费共计600万元；2.标注：需高年资影像科医生双盲标注，平均8元/例，预计外包；3.训练：计划使用公有云A100(80GB)256卡，训练4周；4.合规：需通过药监局三类证，临床验证费预计500万元；5.运维：上线后每年推理300万次，单次0.015元。问题：25.（10分）请根据上述信息，编制全生命周期成本估算表（单位：万元），并指出最大不确定性来源。26.（8分）若公司考虑引入联邦学习，减少数据出境风险，但通信开销使训练时间延长30%，标注成本因本地医生翻倍。请重新计算训练与标注阶段成本，并给出决策建议。27.（7分）从成本控制角度，设计一套“里程碑—成本KillSwitch”机制，包含触发指标、责任人与退出流程