HeadshotPro 做的事很具体：上传几张自拍，两小时内拿到几十张工作室级的职业照，用在 LinkedIn、简历、团队介绍页上。官网 About 页披露，上线以来累计营收超过 1000 万美元、累计生成 1700 万张头像、20 万次以上拍摄。
换个角度，从资源与弹性的账本看这个形态：它的核心不是模型多好，而是一堆必须排队、必须重试、必须能算清单笔成本的 GPU 任务，以及一批有保存期限的人脸照片。
这里不谈定价策略，只谈负载形状会怎么反过来约束架构。
一、负载长什么样
把一次订单摊开看，它的负载形状对容量规划很不友好：
- 尖峰与空窗交替。任务不是匀速到达的，白天与晚上、促销期与平常差好几倍。GPU 是整卡占用的资源，按峰值备卡，空窗期全在烧钱；按均值备卡，队列就会堆积。
- 单任务时长不可预测。同一个提示词，人脸特征明显的自拍几秒收敛，光线差、遮挡多的要跑很久。方差大意味着排队时间难以估计，而这直接落在「两小时内交付」这个承诺上。
- 成功率不是 100%。人脸检测失败、输出被安全过滤拦下、显存被打满，都要重新排一次。所以真正消耗的采样次数远大于交付的张数。
- 有硬截止。用户下单时对「两小时」有预期，这个 SLA 是最强的约束——它比任何成本优化都优先。
这三条加起来决定了：这类系统的容量问题不是「有没有卡」，而是队列怎么排、失败怎么补、成本按几张算。
二、资源与成本的取舍
几个具体的取舍，按影响从大到小：
- 把「实时」改成「异步」是最大的成本决定。实时推理要求常驻容量，异步批处理允许用抢占式/低优先级算力并把任务挪到低峰。承诺「两小时」而不是「两分钟」，架构成本降了一个量级——这是产品设计与容量设计绑在一起的地方。
- 单张失败不能让整单失败。正确的形态是「补齐到 N 张合格图」：每张是一次独立子任务，可并行、可单独重试。这里要盯的指标不是成功率，而是成品率放大系数——如果单张成功率 90%、一单要 40 张合格图，原始采样次数要显著多于 40。这个系数直接乘在 GPU 成本上，也决定了客单价能不能撑住。很多同类产品死在这里：成本按交付张数算，实际按更大的数消耗。
- 训练与推理要分开看。个性化方案里，给每个用户做一次专属适配（微调或轻量适配层）是另一笔开销，它跟推理不在同一个数量级上。哪条路线能选，取决于它能不能塞进单笔订单的预算里——公开信息只说「基于 Flux 与个性化 diffusion 微调」，具体路线未披露，但从两小时交付这个约束反推，方案必须是轻量级的，否则排队时间会远超承诺。
- 照片的存储策略是被合规倒逼的，不是可选项。官网写的是数据 7 到 30 天删除。落到架构上就是对象存储的生命周期规则：上传原图与生成结果按 TTL 自动过期，删除动作要留可审计记录。这里有个真实的取舍——如果处理后立刻删原图，隐私最好，但「不满意重做一套」就做不到了；如果原图长期保留，重做体验好，但留存风险上升。7 到 30 天这个区间就是这两者的折中，而且它必须在第一天定下来，因为它会反过来约束「重做」功能怎么实现。
- 多租户的隔离点在算力与数据两侧。算力侧：付费订单必须优先于试用/重跑任务，否则高峰期付费用户排队、口碑立刻崩。数据侧：人脸属于生物特征类数据，场景里最怕的是「同一个人被混进另一个人的批次」，所以从对象路径、任务参数到推理进程都要按订单隔离，不能靠一个全局缓存图省事。
可观测性上真正需要盯的只有三个：队列等待时长的分位数（决定 SLA 能不能守）、单张成品率（决定成本）、删除任务的执行率（决定合规）。GPU 利用率好看但队列堵着，是这类系统最常见的假健康。
三、公开数字的时点
- 累计营收超过 1000 万美元、累计 1700 万张头像、20 万次以上拍摄——均为官网 About 页口径，2023 年上线至今；
- Fortune 500 团队在用（含 HubSpot 的销售团队）；
- 入门档 29 美元起，买断制，非订阅；
- 联盟渠道占收入 15% 以上；
- 第三方估算的当前月流水（28 万至 30 万美元区间）无官方确认，本文不引用。
数据时点 ｜ 累计营收与生成量均为官网 About 页口径（2023 年上线至今）｜ 收入口径：累计营收，非月度、非 ARR
这组数字里对资源规划最有用的其实是1700 万张 / 20 万单这个比值：平均每单交付八十多张。把它和买断制的客单价放在一起，就能看出单笔订单的 GPU 预算是被压得很紧的——这也解释了为什么必须用异步队列加抢占式算力，而不能按实时系统的标准来做。
四、判断与适用边界
这套形态成立的前提：
- 交付可以异步，且用户能等。职业照不是即时通讯，两小时可以接受。换成需要秒级响应的场景（比如实时视频换脸），整套成本结构立刻不成立。
- 付费是一次性的，所以成本必须一次性算清。订阅制可以用后续月份的收入摊薄首单算力开销，买断制不能——首单必须自己覆盖自己。这就是为什么「成品率放大系数」在买断制里比在订阅制里致命得多。
- 获客不依赖预投现金。它的渠道结构是搜索流量加联盟分成，两者都不需要先付钱。换成投放驱动，买断制的现金流会在首单就断掉。
- 数据保存期能定死。人脸这类数据的合规要求是明确告知、单独同意、限定保存期、可撤回。如果业务需要长期保留素材（比如给企业做员工目录），那么「删」就不再是默认项，架构要按另一种合同关系来设计。
反过来说，如果换到按席位订阅、企业采购、需要长期留存素材的场景，结论会变：算力可以按平稳负载规划，成本考核要从单笔转向每席位每月的边际成本，可观测性也要从「队列等待」扩展到「批次隔离是否泄漏」。
结论：负载形状决定成本结构，成本结构再决定哪些设计能长期扛住。HeadshotPro 的数字是快照，引用带时点。
