主流云厂商GPU算力价格怎么比：每小时单价之外，还要算存储、流量和起租门槛

比较几家云厂商的 GPU 价格，最常见的错误是只看控制台上那一行每小时单价。账单上的实际金额，是一项任务从开机到数据清理完毕的总花费：

算力按运行时长计费；
存储按容量和保留时长计费；
出网流量按传出去的数据量计费。

还有一些门槛不写在单价里，比如要不要整机起租，要不要签合约才能拿到折扣。

所以比价要换个顺序：先确定任务需要什么卡、跑多久、数据留多久、要往外传多少数据，再拿这几个数去套每家的计费规则。

单价之外，账单还有哪几项

AWS、阿里云这类综合型大云，账单是分项计算的：

算力实例：卡型决定这一项的大头。按需实例按小时或按秒结算。
云盘或块存储：系统盘和数据盘按配置容量持续计费。AWS 的 EBS 卷在实例停止后照样计费，直到卷被删除。阿里云停止实例只停 vCPU 和 GPU 的算力费用，没有释放的云盘会继续扣费。
出网流量：从实例往公网传数据要单独结算，比如下载生成结果、对外提供接口。
快照与备份：快照占用的空间另外计费。

这几项里最容易被低估的是存储。假设你的实例挂着一块大盘，里面装了几个模型权重。任务跑完你关机离开，算力确实停了，但这块盘每天都在计费。几十到上百 GB 的模型和数据集放上几周，这部分费用可能超出预期。按容量乘时长的估算方法，可以看云GPU存储费怎么算。

出网流量取决于用法。如果只在实例里训练，最后拷出一个不大的 checkpoint，流量很少。如果把实例当作对外的推理服务，或者经常把生成的视频、模型文件拉回本地，就要单独估算这一项。

GPU 实例运行、关机、删盘三个阶段中算力、存储和流量费用的变化示意

按需价、合约价和起租单位

在综合大云上，同一张卡的按需（On-Demand）价格通常偏高。想拿到较大折扣，一般要绑定包年包月或 Savings Plans 这类长期承诺。负载稳定、能长期用满的团队适合这种方式。只想跑几天实验的人签了合约，等于提前买下可能用不上的时长。选哪种取决于任务能不能中断、利用率有多高，详细判断见竞价实例和预留 GPU 实例哪个更省钱。

CoreWeave 这类专业 GPU 云，主要按裸机节点或 GPU 实例小时定价，部分平台的对象存储免收出网流量费。但 H100、H200、B200 这类高端训练卡，大多按 8 卡整机节点出租，或者优先供应长期预留客户。如果你只想用一张卡做开发测试或轻量推理，在这类平台上的门槛和调度灵活性都会受限。单卡单价看起来合适，但起租单位是 8 卡时，你要为用不上的那几张卡一起付费。

另外，部分平台开 GPU 实例前需要实名认证或申请配额，这会影响你多快能开始跑任务，见租 GPU 要不要实名认证和配额申请。

卡型对价格的影响往往比平台更大

在同一个平台上换一档卡，价差常常比换平台还大。

RTX 系列消费级显卡：适合单卡图像视频生成（如 ComfyUI）、小参数模型微调和推理测试，单位算力成本低。
A100、H100、H200 等数据中心卡：有大显存、ECC 和 NVLink/NVSwitch 高速互联，单价高得多。它们的价值主要体现在多卡分布式训练，以及长上下文、高吞吐的大模型推理。

如果你的任务一张消费级卡就能装下，拿 H100 的价格去比几家平台意义不大，应该先把卡选对。消费级卡什么时候真的不够用，可以看消费级显卡什么时候不够用。

把几家放到同一个口径里算

建议先按下面的顺序准备好数字，再去各家价格页填数：

定卡型和卡数：按模型参数量、精度和上下文长度确定显存门槛，确认单卡是否够用。
估实际运行时长：除了理想的训练时长，还要算上环境调试、下载模型和出错重跑的时间。对短任务来说，按秒计量和按小时取整的差别比较明显。
估存储容量和保留天数：把系统盘、模型权重、数据集和输出结果加起来。再想清楚任务结束后要不要保留环境，保留多久。
估出网数据量：结果要拉回本地多少，会不会对外提供服务。
查门槛：起租单位是单卡还是整机，有没有最低消费或合约，需不需要配额申请。
算总账：算力单价 × 运行时长 + 存储单价 × 容量 × 保留时长 + 流量单价 × 出网量，用了快照的再加上快照费用。每家都用同一组数字算一遍，再做比较。

有两点要注意：

现货或抢占式实例的折扣和库存会随地域、时段波动，以开机页面的实时信息为准。
合约折扣要按你确定能用满的时长来算，不要按理想情况算。

不同任务，比价的重点不同

第一次租卡生图、跑开源模型试验：重点看能不能单卡按小时起租、有没有最低消费，以及跑完后存储怎么停掉。这类任务时间短，起租门槛和闲置存储的影响通常比单价上的小差别更大。
微调和持续推理：负载稳定以后，再比较按需和预留。做推理服务要特别估算出网流量。
多卡分布式训练：重点是节点间互联、整机供给和合约条款，单卡小时价只能作参考。联系厂商前可以先整理一份需求清单，见企业GPU集群和预留实例怎么咨询。