GPU性能越来越强，也导致服务器的价格越高，单台百万很容易

因为从事人工智能行业多年，所以对GPU服务器这一些了解，用过双卡，4卡，8卡，甚至16卡都有涉足，价格几万一台到上百万的单台GPU服务器都有，从早起的K40，K80，到现在的A100，3090 ，有一点感触很深，进入“GPU算力时代”，GPU性能越来越强，价格越来越高，也导致服务器的价格越来越高，单台百万很容易。

当然也用过一些GPU云服务器，大厂的，比如：阿里云，腾讯云，华为云，但是这有一个问题，比较贵，而且不集成框架和数据集。所以本次重点只讨论专门做GPU云的小厂，

目前用过的有：Gpushare.com 恒源云、Paperspace、FloydHub、Featurize、易学智能、矩池云、智星云、MistGPU、Openbayes、BitaHub

相对大厂，这些平台的价格都比较便宜，其中最近在用的恒源云http://Gpushare.com ，价格不但便宜，而且集成了很多好用的功能，比如数据集，框架的集成，还有“恒源云 微信小程序“，可以随时管理资源，如果机器没有训练任务，还会提醒你关机，真是良心平台。

以下是他们平台的GPU价格列表，而且学生和高校机构还有专属折扣（学生党低于一下价格）

1080Ti 1.4 元/小时

2080Ti 1.8 元/小时

3080Ti 2 元/小时

3090 2.8 元/小时

RTX5000 4 元/小时

Tesla T4 2 元/小时

Tesla V100 5.5 元/小时

如果按照有效使用时间（每年差不多35%的时间跑任务），和购买物理机相比，几乎无差异了。而且随时切换，卡的种类很多，而且还有8卡高性能服务器，非常方便。

进入正题：

接下来对比双卡3090的GPU物理机 和 双卡3090 云GPU服务器，做个详细对比。

（选双卡对比，因为单卡的话，有点浪费，4卡的话对学生党还是挺贵的，）

以下对比的都是整机价格，包含CPU，内存，硬盘，网络

表格还不够直观，来一个曲线图，更加直观（三年纬度，硬件一般3年）

得出如下观点：

1.如果你配的电脑三年的使用率低于40%，其实硬件的成本优势，并没有发挥出来，

2.云主机，启动成本低，跑几个模型练练手，最多花费1000，然后在重新评估下利用率，再考虑是否入手物理机。

本次对比的服务器是一个DIY服务器，非品牌，品牌机价格更贵一些，只是建议，如果动手能力强，预算充足，爱折腾硬件，那买物理机当然随意了，毕竟自己的机器。