容灾不是技术问题，是成本博弈

2026年宕机热搜里，藏着容灾的真问题

今年开春那趟智驾云宕机热搜，估计很多人还有印象。国内某新势力车企，三成车主三个小时打不开车门、启动不了车，App全灰，售后电话被打爆。最后官方通报出来，骂声反而更大——不是云厂商硬件故障，是车企的容灾切换预案，根本切不动。

容灾节点放了三年，预算砍了两次，每年的灾备演练改成了纸上画图，真出事的时候，权限不对、数据不同步，整整拖了两个多小时才切完。

说实话，这不是个例。我上个月跟某股份制银行科技部老总吃饭，他说他们行每年容灾预算占IT总投入的12%，而我接触过的国内中小互联网公司，这个占比普遍不到2%。

相当于什么？一年赚100万的家庭，只拿2000块买重疾险，保额还不够住一次ICU。

90%的企业容灾系统，从上线那天起，就没真正启动过。大部分都是买个账号，存几份备份，应付一下合规检查，老板问起来就说我们有灾备，真出事了，全傻眼。

大家都在赌，赌灾难不会落在自己头上。赌赢了，省一笔预算，能多投两个新产品，多抢几个用户；赌输了，大不了换人背锅，公司再赔点钱。

预备队的生意，从来都不好做

讲透容灾的底层逻辑，其实跟军事里的预备队一个道理——你打战的时候，没人愿意把最精锐的兵力放在后方当预备队，都想着赶紧扔到前线拼战果。真到前线崩盘需要补位的时候，才发现预备队早就被抽调一空，连个能顶上去的人都没有。

这就是容灾最核心的矛盾：平时看不见产出，出事了才知道重要，但是大部分老板，都只看得见前线的KPI，看不见后方的风险。

本土案例我随手就能抓一个。四年前我接触过国内一家头部HR SaaS厂商，当时他们所有核心数据都放在某头部公有云的同一个区域，我当时提醒他们做跨区容灾，每年年费不到80万，他们老板怎么说？说我们上云五年都没出过事，花这冤枉钱干什么，不如把钱砸给销售多拿几个客户。

结果2024年，那个区域的主干光缆被修路挖断了，整整宕机8小时，十几万企业客户的打卡、薪资数据不同步，最后赔了客户快2000万，创始人出来公开道歉，核心运维负责人引咎辞职。你算算账，2000万的赔偿，够交整整25年的跨区容灾年费。就是这么讽刺。

不过话说回来，现在容灾行业本身的商业模式也有意思。云厂商把容灾做成了标准化SaaS，毛利率能做到70%以上，比卖云服务器赚多了，是稳赚不赔的复购生意。但大部分客户就是用脚投票，只买最低配，你说我给你做双活，RTO降到一分钟，贵三倍，客户转身就走——我要那一分钟干什么？十年都出不了一次事，我犯得着花那钱？

国内现在做容灾创业的公司，我见过太多，天天卷技术参数，卷RPO卷RTO，说我比别人快多少，其实根本没踩中客户的真实痛点。客户要的不是世界第一的容灾技术，客户要的是够便宜、能应付检查，出事能顶一下就行。

容灾的账，最终要算到每个人头上

讲了这么多，对普通从业者有什么影响？太直接了。你是做运维的，做开发的，你给老板申请一百万预算做容灾，老板说你瞎折腾，我们五年都没出事，你把钱省下来投业务不好吗？你没办法，只能妥协，真出事了，锅是你的，裁员先裁你，对吧？

我见过太多年轻的运维工程师，刚进公司一腔热血，要搭最完善的容灾体系，跟老板磨了三个月，预算砍到十分之一，最后只能做个半吊子，出事了背锅走人，出来找工作还背了个故障履历，找谁说理去？

对整个产业链来说，现在AI火了之后，容灾的逻辑又变了。之前传统企业的数据，丢了还能慢慢找，大模型训练一次，几千万的成本，数据丢了，就是大半年的进度白搭，所以现在头部AI公司，反而愿意拿出15%甚至20%的IT预算做容灾，做多云多副本，比传统互联网公司重视一百倍。这也很正常，亏过一次，就知道肉疼了。

很多人说容灾是反人性的，没错。因为人性就是赌小概率事件，就是看重眼前的收益，忽略未来的风险。你让一个老板把真金白银扔在十年都用不上的地方，换谁都心疼。

不过你再想想，所有的黑天鹅，不都是所有人都觉得不可能发生的时候，才叫黑天鹅吗？

你手里攥着公司最核心的数据，愿意拿出十分之一的预算，买那张这辈子大概率用不上的保单吗？