在B端项目中做人脸检测选型，最常踩的坑不是算法精度不够，而是把免费人脸API直接当成生产级方案。很多团队在POC阶段用免费额度跑通Demo，上线后才发现QPS限流、SDK授权绑定设备、活体检测另收费等问题。这篇文章从工程落地角度，拆解人脸检测、人脸分析在不同场景下的技术取舍。

一、人脸检测与人脸分析的边界在哪

人脸检测只回答"人脸在哪"，输出坐标框与关键点；人脸分析则进一步判断年龄、性别、遮挡、姿态。二者常被混为一谈，但选型时接口能力差异极大。多数免费人脸API仅提供检测+基础属性，若业务需要质量分（用于筛选注册照）或口罩检测，必须确认API是否开放对应字段，否则后期改造成本远超预期。

二、实操：三步入围评估法

建议按以下顺序验证候选方案：

• 接口形态确认：云端人脸识别API适合轻量接入，本地SDK适合数据不出域场景，先明确合规红线；
• 压测免费额度：用2000张真实业务图跑召回率与误检率，记录平均响应耗时；
• 授权模型核对：SDK按设备/按年授权差异大，离线激活与在线激活的运维成本需计入TCO。

三、关键数据对比

以常见方案实测：云端免费API单次检测约80–150ms，免费额度通常500–1000次/日，超限后按0.001–0.003元/次计费；本地SDK单帧推理在CPU上约30–60ms，GPU可压到10ms以内，但首次授权费在数千至数万元区间。人脸分析类接口（如质量评分）在免费层往往不开放，需单独申请。

另一个易忽略点是人脸识别API、SDK的版本迭代策略——云端API自动升级可能改变返回字段结构，而SDK锁定版本更利于长期维护。B端项目若涉及门禁、考勤等高并发场景，建议优先评估SDK的离线能力。

选型没有绝对优劣，关键是让人脸检测能力与业务的并发量、合规要求、迭代节奏匹配。先小流量灰度，再决定是否迁移到商业授权，比一步到位更稳妥。