算力租赁GPU实例选型清单
这份算力租赁GPU实例选型清单从显存、实例规格族、地域、磁盘、网络和计费模式逐项核对，避免把单张 GPU 的标称参数直接等同于云端实例规格。
完成这份清单后，你能在创建 GPU 实例前确定规格族、地域与可用区、磁盘、网络和付费模式，并判断任务能否接受停机或中断。开始前需要准备模型运行所需的显存数据、预计时长、用户或数据所在区域，以及可接受的资源释放边界；可售规格、价格和配额仍以云厂商当前页面为准。算力租赁不能只看显卡型号，而要核对整台实例的资源与费用边界。
准备条件：算力租赁先做一张核对表
先记录模型名称、运行框架、预计峰值显存、任务时长和是否需要保存状态。GPU 标称参数只作为硬件基线：H100 官方产品规格页列出 SXM 为 80GB、H100 NVL 为 94GB，最大 TDP 分别为最高 700W 和 350–400W；H200 官方产品规格页列出 SXM 与 NVL 均为 141GB，最大 TDP 分别为最高 700W 和 600W。这些参数不代表任一云厂商当前一定提供对应实例规格。
| 核对项 | 创建前必须写明 | 官方文档给出的边界 |
|---|---|---|
| GPU、实例、磁盘与网络 | GPU 型号、vCPU、内存、规格族；镜像、块存储、公网带宽、快照 | 阿里云 GPU 云服务器说明称，创建 ECS 时可在企业级异构计算、弹性裸金属和 SCC 规格族下选择 GPU 规格；计算资源、镜像、块存储、公网带宽和快照等资源涉及计费。 |
| Region 与 AZ | 用户或数据所在地、法律要求、目标 Region 与 AZ | AWS 区域与可用区文档建议选择靠近客户或满足法律要求的 Region；各 Region 相互隔离，资源不会自动跨 Region 复制。 |
| 计费与生命周期 | 付费模式、运行时长、停机方式、任务能否重试 | 不同模式的中断和停机边界不同，应继续核对所选实例的当前计费文档。 |
操作步骤
-
为每个候选实例建立一行，写入模型运行所需的峰值显存、预计时长、状态保存要求和目标 Region。不要用“显存更大的 GPU”代替具体规格。
-
打开云厂商的最终订单页，逐项核对 GPU 型号、vCPU、内存、规格族、AZ、块存储、公网带宽、镜像、快照和计费模式。若当前官方页面没有写明磁盘下限、规格映射或某项是否另计费，就先不要购买。
-
如果选择按量付费，把释放实例纳入运行流程。阿里云按量付费文档说明，实例从创建到释放按秒计量，4 vCPU 及以上实例不足 2 分钟时按 2 分钟计费。
-
如果计划在空闲时停机，先核对适用条件。阿里云节省停机模式文档限定其适用于按量付费实例（含抢占式实例）、专有网络且不含本地盘的实例。通过 API 停止实例时，参数组合为：
text
StoppedMode=StopCharging
该组合用于让停止操作进入节省停机模式。
- 如果选择抢占式实例，只把可中断、可重试的任务纳入候选。阿里云抢占式实例计费文档说明，折扣只覆盖实例规格，不覆盖镜像、云盘、固定带宽公网和快照；用户出价也不是实际计费价格，实际按市场价格计算。
怎么确认成功
创建后先确认 GPU 驱动可见：
nvidia-smi
阿里云 Linux 手动安装 Tesla 驱动文档使用该命令查看 Tesla 驱动是否安装成功。
需要核对完整 GPU 信息时执行：
nvidia-smi -q
NVIDIA System Management Interface 文档说明，-q 用于显示 GPU 或 Unit 信息，不支持的数据会显示为 N/A。
使用抢占式实例时，还应在实例内查询中断信息：
http://100.100.100.200/latest/meta-data/instance/spot/termination-time
阿里云抢占式实例中断事件文档说明，该地址返回 404 表示实例可继续使用。
常见出错点
-
GPU 已创建但不能加速：GPU 实例本身不配备驱动。阿里云 Tesla 或 GRID 驱动安装说明称，Linux GPU 计算型实例创建时选择公共镜像并选中“安装 GPU 驱动”，可在首次启动时自动安装 Tesla 驱动；Windows 实例需要创建后手动安装。
-
停机后仍扣费，或重启后公网地址变化：未启用节省停机模式时，停止的按量实例仍会按规则计费；启用后，vCPU、GPU 和内存不再计费，但云盘、EIP 等资源仍计费，依据见阿里云按量付费说明。节省停机还会释放计算资源，库存不足时可能无法启动，固定公网 IP 也会在重启后变化，详见节省停机模式文档。
-
抢占式实例突然被回收：出价低于市场价格或库存不足都可能触发中断，实例将在 5 分钟后释放。什么是抢占式实例文档不建议把有状态、长时间运行或稳定性要求高的业务放在这类实例上。
-
AWS 实例启动失败：
InsufficientInstanceCapacity表示当前 On-Demand 容量不足；EC2 启动故障排查文档建议等待几分钟重试、不指定 AZ，或减少单次请求数量。InstanceLimitExceeded则表示已达到该 Region 的实例启动上限，不能按容量不足处理。 -
把 GeForce 规格直接用于商业托管：GeForce 软件许可条款第 2.8 条称该软件未获准用于数据中心部署，第 2.7 条限制未经明确授权的商业托管。选型时应单独核对软件许可和托管授权，不能只看硬件参数。
这些步骤依据正文所链接的官方文档整理，未在本站自有机器上运行；请按当前版本逐项复核。