选型失误的代价，往往在系统上线三个月后才浮现——误识率攀升、并发瓶颈、授权费用失控。人脸检测、人脸分析、免费人脸API、人脸识别API、SDK这些词看似相近，实际对应完全不同的技术路径与成本结构。以下从工程视角拆解选型逻辑。

一、先分清API与SDK的适用边界

人脸识别API适合轻量级、快速验证的场景，调用即用，无需本地算力投入；人脸识别SDK则更适合高并发、低延迟或数据不出内网的业务。前者省事，后者可控。关键在于：你的业务是"偶尔调用"还是"持续高频"？

二、三个必须量化的选型维度

• 精度指标：关注1:N场景下的误识率（FAR）与通过率（TAR），而非只看1:1比对分数。
• 并发与延迟：SDK本地推理可压到50ms以内，API通常受网络波动影响在200ms以上。
• 成本模型：免费人脸API往往有调用量上限，商用授权需按QPS或年费核算，别被"免费"二字误导。

三、一个真实选型案例

某园区门禁系统初期用免费人脸API做原型，日调用量突破8000次后频繁触发限流，且离线场景无法工作。后切换为本地化SDK方案，配合前端人脸检测做活体预判，整体识别耗时从420ms降至90ms，年度授权成本反而低于按量付费的API方案。

人脸分析能力（如年龄、性别、情绪属性）若并非核心需求，不必为此溢价买单。

选型的本质是匹配业务节奏：验证期用API快速跑通，规模化阶段评估SDK的TCO。南宁先创科技有限责任公司在API与SDK集成实践中建议，先用真实业务数据做一周压测，再决定技术栈——这比任何参数表都可靠。