研究人员实际能获得多少免费 AI 积分？
大多数研究人员一次可以获得四到五位数的免费 AI 积分，因为模型实验室、云平台、GPU 供应商和公共计算计划都有独立的学术赛道，它们之间并不竞争。
没有一个单一的计划可以覆盖实验室一整年的费用。有效的模式是三个或四个中等额度的拨款，覆盖账单的不同层面，并在不同的周期内续订，而不是一次性到期的巨额拨款。
更难解决的问题是发现。研究赛道公布得都很低调，放在没有人链接的子域名上，并且很少出现在主导搜索结果的初创公司积分汇总中。AI Perks 跟踪了 194 家公司总计 770 万美元的积分，其中包括大多数列表完全遗漏的学术和研究赛道。
哪些提供商为研究人员提供免费 AI 积分？
可靠的来源可分为四类：前沿模型实验室、超大规模云、GPU 和推理供应商，以及公共资助的计算计划。每种都覆盖不同的账单项，这就是为什么它们可以叠加。
下面的拨款规模是观察到的范围，而非已公布的价格表。供应商会根据项目规模来确定奖励，同一个计划可能为一名独自的博士生和一家多年资助的实验室产生非常不同的数字。
| 提供商 | 积分覆盖范围 | 典型的拨款形式 | 最适合 |
|---|---|---|---|
| Anthropic (Claude) | Claude API 令牌 | 个人项目额度适中，资助项目额度为四到五位数 | 长上下文文档分析、安全性和可解释性研究 |
| OpenAI | GPT 模型 API 使用 | 固定拨款，每个获批项目通常为四位数低位 | 试点研究、基准重现 |
| Google Cloud | Vertex AI、Gemini，以及通用的 GPU 和 TPU 计算 | 直接拨款为四位数中位，通过机构可获得更大额度 | 需要在一个账单上同时拥有模型和训练计算能力的团队 |
| Microsoft Azure | Azure OpenAI 和 Azure 计算 | 通常以使用额度而非美元金额形式授予 | 大学规模的机构访问 |
| AWS | Bedrock 模型以及更广泛的 AWS 服务 | 根据赛道和地区差异很大 | 数据管道已在 AWS 上的实验室 |
| NVIDIA | GPU 小时和 DGX 级云访问 | 硬件或计算额度，而非美元积分 | 训练和微调运行，而非 API 调用 |
| Hugging Face | 托管推理和社区 GPU 拨款 | 小额、快速、可续订 | 开放数据集、模型发布、公共演示 |
| Together AI, Groq, Fireworks | 开放权重模型推理 | 慷慨的免费套餐加上酌情研究积分 | Llama 和 Mistral 类模型的大批量批处理推理 |
| 国家计算计划（美国、欧盟、英国） | 汇集公共 GPU 容量 | 以 GPU 小时分配，分批次授予 | 单个供应商拨款无法涵盖的训练运行 |
条款因赛道而异，并且奖励附加的条件很少是申请者最初期望的。每个赛道的当前条款可在 getaiperks.com 上查看。
为什么研究 AI 支出在规模上表现不同
研究支出呈峰值而非线性增长，因为每次更改提示、模型或参数时，评估都会重新运行整个数据集。 产品团队的账单随着用户数量而增长。实验室的账单随着实验条件的数量而增长，而实验条件会呈复利式更快增长。
这是研究人员低估他们所需费用的最大原因：
| 成本驱动因素 | 为什么在研究中会产生影响 | 实际效果 |
|---|---|---|
| 消融研究 (Ablations) | 每次变体都会重新运行完整的评估集 | 一张表格的成本可能是单次运行的 10 到 30 倍 |
| 可复现性 | 结果必须能在数月后经受住重跑的考验 | 相同的支出发生两次，有时是三次 |
| 长上下文 | 论文、转录稿和代码库填满窗口 | 每次调用成本接近定价范围的上限 |
| 人工介入标注 | 模型辅助标注运行在整个语料库上 | 体积而非复杂性驱动账单 |
| 审稿人请求 | 第二轮要求进行你未预算的实验 | 支出在拨款年度结束后才出现 |
两个实际后果。首先，批处理和排队推理比相同总量的交互式调用便宜得多，而大多数研究工作负载本质上是批处理的。其次，当积分在实验之前而不是之中到达时，它们的价值要大得多，这使得时间安排成为策略的一部分。
研究积分可以与什么叠加？
模型积分、计算积分和工具积分是三个独立的账单，而只拥有其中一种的实验室仍然需要支付真金白银。
典型的研究堆栈有四个层面：
- 模型访问：来自 Anthropic、OpenAI、Google 或开放权重托管方的 API 令牌
- 计算：用于训练、微调和任何自托管的 GPU 小时
- 数据和存储：对象存储、向量数据库、托管的 Postgres
- 工具：实验跟踪、标注、编排、可观测性
最后两个层面的大多数供应商都运行着比其初创公司级别更慷慨的学术或开源级别，并且对于已发表的作品通常是完全免费的。这些也是研究人员容易忘记询问的层面，因为头条数字总是关于模型积分。
机构和个人拨款通常也会叠加。部门级别的云额度通常不会消耗研究人员为其个人项目获得的个人积分。AI Perks 涵盖了哪些类别兼容，哪些类别相互排斥。
为什么时间决定了拨款的价值
导致实验室实际花费的积分额度多少，取决于提前通知时间，而不是名义价值。 两个大小相同的奖励，根据它们相对于旨在资助的实验的落地位置，价值可能差异很大。
三件事使得研究积分异常对时间敏感：
慢速赛道和即时赛道是相反的失败模式。 一些奖励在评审轮次中决定，并以自己的节奏给出答复。另一些则在一分钟内即可领取，并在接受的瞬间开始倒计时。对待两者相同的方式的实验室，会在急需的时候等待，并耗尽那些迟到才需要的。
工具和数据层是比较低调的。 与头条模型积分相比，很容易低估这一层面的价值，而它是消除模型积分消失后长期存在的经常性成本的关键。
计划会变。 研究赛道比初创公司计划的开放、关闭和调整规模的频率要高得多，错过窗口可能就会损失一整个拨款周期。AI Perks 维护着哪些赛道目前处于活跃状态，以及研究人员如何充分利用他们符合条件的赛道。
研究人员对免费 AI 积分的误解
最昂贵的错误是将积分视为折扣而非截止日期。 几乎所有的积分都有时间限制，未使用的积分会简单地退还给提供商。
经常性的错误：
只申请一家提供商。 任何地方的批准率都不足以使单一申请成为一种策略。四次申请有三次获批，胜过一次精心打磨的提交。
假定初创公司计划不包括学术界。 许多初创公司不排除学术界，特别是对于分拆出来的公司、实验室附属公司以及商业化自己工作的研究人员。在 AI Perks 跟踪的 770 万美元中，有相当一部分对那些假设它不适合自己的人开放。
忽略开放权重模型。 大量研究工作负载在开放权重模型上运行良好，成本仅为前沿定价的一小部分。将前沿积分留给真正需要前沿能力的调用，可以将有效运行时间延长一倍。
只为论文预算，不为反驳预算。 审稿人请求的实验通常在积分过期后才出现。预留一部分。
从不重新申请。 续订和第二次拨款很常见，而大多数研究人员从不申请。一个已完成的项目并有已发表的成果，比赢得了第一次拨款的项目更具说服力。
常见问题解答
我需要有大学隶属关系才能获得研究 AI 积分吗？
不一定。有些赛道会超越大学的界限，而有些则不会，而那些会超越的赛道往往比机构电子邮件地址更看重公开的产出记录。供应商之间的差异很大，值得逐个赛道查看，而不是一概而论。哪些赛道对无隶属关系的研究人员开放，可在 getaiperks.com 上找到。
研究人员的免费 AI 积分总价值是多少？
一套精心排序的申请通常一次可以获得四到五位数的额度，公共计算分配则额外提供 GPU 小时而非美元。有资助的实验室可以达到更高的额度。AI Perks 跟踪了 194 家公司总计 770 万美元的积分，包括大多数汇总中完全遗漏的研究赛道。
我可以使用研究积分来资助我实验室孵化的初创公司吗？
通常不能用同一个拨款。研究赛道和商业赛道在大多数提供商那里都是分开设计的。更好的方式是同时拥有两者：一个研究拨款用于学术工作，另一个独立初创公司赛道用于公司。两者很少冲突，并且类别映射可在 getaiperks.com 上找到。
开放权重模型是前沿积分的真正替代品吗？
对于大部分研究而言，是的。分类、提取、嵌入和批量标注在开放权重模型上运行良好，成本仅为前沿定价的一小部分。前沿模型在长上下文推理和困难生成任务中才真正值回票价。将工作负载在这两者之间分配，是实验室让固定积分拨款持续一整年的方式。
研究积分到期后会发生什么？
几乎所有计划中未使用的积分都将作废，并且延长也充其量是酌情处理的。这就是为什么时间安排比总价值更重要：在实验设计之前领取的拨款，往往会浪费一半。到期行为因提供商而异，因此在接受拨款之前确认，而不是之后。
GPU 拨款和 API 积分算作同一件事吗？
不是，将它们混淆是常见的规划错误。GPU 分配涵盖训练、微调和自托管推理。API 积分涵盖对托管模型的调用。进行这两项工作的实验室都需要两者，而只拥有其中一种，另一种仍将产生实际账单。
运行实验。让提供商资助计算。