# 端側 vs 雲端的成本轉折點：什麼時候該把模型搬回自己機器

API 價格每年雪崩式下降，桌面級硬體卻同時塞得下百億參數模型——「自己養模型划不划算」已經從信仰題變成一道可以算的數學題，但多數人把這道題算錯：只算硬體錢，沒算利用率，更沒算「你到底在替代哪一級模型」。這份報告用可查證的公開數據把帳攤開，回答一個問題：你的工作負載，過轉折點了沒？

三個要點預告：

1. **對賭結構**——Epoch AI 實測推論價格每年降 9 到 900 倍（中位數 50 倍），買硬體等於做空這條曲線；而 2026 年的記憶體荒又讓硬體逆勢漲價，攤提期該怎麼設，報告給出明確答案。
2. **完整的本地帳**——從二手 RTX 3090 到 128GB 統一記憶體桌面機的硬體階梯、台灣 2026 年電價實算、以及最常被略過的人力維運成本。
3. **誰先過線**——三種先過轉折點的工作負載、三種別動的情境，加上八步決策清單，半小時算出你自己的答案。

不是「本地時代來了」的口號，是一套每半年可以重算一次的框架。

---
完整深度報告（含趨勢拆解、對你的影響、操作建議）需在 https://ai.luvai.net/reports/local-vs-cloud-llm-cost-tipping-point 以點數解鎖。

— ai.luvai.net