天命人閑置的4090，把GPU租賃價格打下來了（doge）

量子位 | 公眾號 QbitAI

GPU租用市場越來越玄幻了，價格被打下來的原因，居然可以是天命人閑置的4090被循環利用了

？

最近，一種新型的GPU租賃方式開始興起。

它能讓手上有閑置計算卡的人，把資源租給需要的人。

舉個例子，為了打黑神話買了4090的天命人，可以把卡租給煉丹俠們。自己能掛機「躺著」賺錢，煉丹俠還能以更划算的價格租算力（4090只需每小時1塊錢那種）。

距離大範圍算力荒才過去僅僅1年，算力租賃市場已經是一番新氣象了。

不僅如此，老牌租賃平台們也紛紛主動降價。海外，H100價格被捲到每小時2美元。

國內情況亦是如此，A100（80GB）租用價低至6.68元/小時，40GB為3.28元/時，A800則是5.98元/小時。

按理說，現在正是AI算力需求旺盛的時刻。大型雲廠商打價格戰為了跑馬圈地還可理解，算力租賃平台價格沒有水漲船高，反而開始降價……

這背後，到底發生了什麼啊？

「白菜價」搞掂高端算力

先一句話總結，相較於ChatGPT元年，AI算力告急問題總體得到緩解，但是依舊面臨挑戰。

如上變化由算力供需側共同影響而來。

首先在算力供給上，大模型趨勢進一步推動AI底層硬件以及基礎設施發展。

國際方面，英偉達這兩年不僅擴大了AI計算產品線，更在產能上大幅提升，以滿足暴增的市場需求。

Hopper架構和Blackwell架構均包含Transformer引擎，分別推出了2款產品供市場選擇，且不同架構之間的代際升級非常明顯。B200的晶體管數量已達到2080億，分別是H100的2.6倍、A100的3.8倍，後兩者則發佈於大模型浪潮之前。

兩個B200 GPU與Grace CPU結合就成為GB200超級芯片。在標準1750億參數GPT-3基準測試中，GB200的性能是H100的7倍，提供的訓練算力是H100的4倍。

眼下首批工程版B200已經送到OpenAI投入使用。據天風國際分析師郭明錤透露，英偉達Blackwell GB200四季度的出貨量將在15萬塊至20萬塊，明年第一季度出貨量將顯著增長200%-250%，達到50-55萬塊。

這同時帶動了全行業的產品迭代升級節奏，AMD、英特爾等為保持競爭力，近兩年也紛紛推出更先進AI計算產品。

更具規模的變化體現在算力基建方面。據中國信息通信研究院測算，截至2023年底，全球算力基礎設施總規模達到910EFLOPS，同比增長40%。

美國、中國算力基礎設施規模位列前兩名，算力全球佔比數別為32%、26%。

另一方面，算力需求也在近一年內發生變化。

隨著開源模型性能達到GPT-4水平（如405B Llama 3、DeepSeek-v2等），以及中小模型（7B-70B規模）應用更加成熟，中小企業/開發者陸續入場，以及近期趨勢推理Scaling law成為新方向。黃仁勳預測，隨著推理鏈的出現，推理的規模預計將迎來千萬乃至十億倍的增長。

種種原因都導致市場的微調推理需求大幅增加，訓練需求的增長趨勢開始放緩。

相較於訓練，推理階段對硬件的要求沒有那麼高。在實際場景中，往往是用最先進設備進行訓練，上一代產品進行推理。

因此可以看到，大型廠商依舊追捧H100、B200等高端GPU，但是中小企業/開發者不再趨之若鶩，轉而關注更具性價比的選擇。

但問題是，算力供需不平衡問題依舊棘手。

宏觀上，《人工智能算力高質量發展評估體系報告》中表示，我國算力市場還面臨供給不足、算力智能水平較低、能源考驗、供應鏈完備性不足等問題。

微觀上，以學術圈為例，「算力荒」還是普遍現象。

今年5月，李飛飛在採訪中透露，史丹福NLP實驗室只有64塊A100。相比於產業界，這個數字不值一提，但在高校圈里已經是相當富有了。

更普遍的現像是，許多高校實驗室都只有消費級顯卡，大家還需要排隊使用。實驗經費有限導致租賃算力也將面臨更多製約。

在這些矛盾下，算力市場開始更加主動、自發提出新型應對措施。

最明顯的跡象莫過於——經典算力平台主動降價+新興算力租用模式浮現。

能薅羊毛更能掛機賺錢

今年算力市場最熱門的話題莫過於「價格戰」，這並不局限於賣大模型服務的雲廠商，提供算力租賃的各大平台也是主角。

不同類型的平台降價方式也有所差距。

目前算力租賃平台主要有兩種類型：

• 算力雲平台

• C2C算力租用平台

前者好比京東，其所有的GPU服務器是自營資源，通常在提供算力的同時也保障一系列配套服務，能讓用戶更低門檻、更便利調用算力。該模式下，定價權在運營方自己手裡，今年以來多家平台都在主動降價。

後者好比淘寶，為機主和用戶提供平台，供雙方進行服務交易。這種模式較為新興，可以讓有閑置計算資源的機主將GPU出租，「掛機賺錢」。它天生就能提供更具性價比的租賃價格。

不過需要注意，對於算力租賃，價格低只是考量因素之一，用戶同時關注平台提供的服務能力。

對於前者，用戶更關心平台提供的算力是否足夠划算、使用是否足夠友好；對於後者，機主和用戶則更在意平台是否可靠。

更具體的模式分析，來看行業典型案例。

經典算力雲平台中，論誰打價格戰最兇猛，AutoDL必是其一。

有資歷的煉丹俠們對這個平台應該都不陌生。就是它當年把3090的租用價格從4.5元/小時打到了1.32元/小時，在用戶這兒是有口皆碑了。

它在2021年上線，專注於提供彈性、好用、慳錢的GPU算力服務。

GPU總規模在國內同類型平台中位列前茅，提供豐富的GPU選擇，包括A100、A800、V100、4090、3090等。

它的主要目標用戶包含了高校科研人群以及企業用戶，所以在極具性價比的同時也主要入門友好。

平台支持各種深度學習框架，如TensorFlow和PyTorch，並提供相應的CUDA環境，用戶可根據需求選擇合適的鏡像。

具體能力上，兼顧科研、企業需求。主要包括：

• 用卡彈性：提供容器實例和API彈性調度模式，支持千卡級別彈性調度；

• 團隊管理：支持實驗室、團隊等場景中對多個子帳號管理；

• 私有云：支持本地機器免費接入，將AutoDL雲上高效管理與使用體驗移植本地；

• CodeWithGPU社區：支持鏡像和模型分享，分享鏡像可獲取收益

付費方面更符合「羊毛黨」需求，主要提供按秒計費、包卡計費兩種模式。

按量計費模式下，實例開機開始計費，關機結束計費，時長可精確到秒，最低計費0.01元。關機所有數據會保留（15天），支持鏡像保存、文件存儲等。

包年包月為預留GPU模式，支持按日按周按月等租用，價格比按量計費更便宜，長期使用更划算。

而且只要註冊，平台就送一個月煉丹會員，認證學生直接升級煉丹會員，認證期間內將一直有效。會員將享有價格優惠。

另一方面，大模型趨勢興起後，C2C（用戶對用戶）模式變得火熱。

矽谷的代表為San Francisco Compute，從寂寂無名到成為黑馬，它僅僅用了半年時間。還拿下了山姆·奧特曼弟弟領投的1200萬美元種子輪融資，估值達到7000萬美元。

國內如今也出現類似趨勢，比如剛剛上線3個月的橘皮優，現已和AutoDL達成戰略合作。

按照自我定義，橘皮優是一個促進C2C雙邊AI算力交易的撮合平台。

它的核心目標是通過共享經濟的模式，降低用戶使用AI算力的成本，同時讓私有閑置算力被高效應用，推動了算力普惠和綠色低碳。

該平台支持的算力類型包括GPU、NPU、CPU、ASIC、ARM、RISC-V等，能夠滿足AI訓練、AI推理、圖像生成以及渲染等任務需求。

相較於AutoDL，橘皮優提供的算力租賃服務價格更低，適用於對機器配置不敏感的人群。

同時它更加定製化，支持個人的外部鏡像、實例端口靈活。

也可以在該平台上成為機主對外出租賺外快，支持自助上機，不限制機器和數量。

由於和AutoDL達成戰略合作，背後團隊是算力行業老兵，在魚龍混雜的算力市場里是更加可靠的選擇。

或許也不用擔心沒人來租，畢竟AutoDL靠著性價比優勢，在短短3年時間里形成龐大的用戶基礎。之前大家用卡都是靠搶的。

所以也不免有人好奇，這麼低的價格，它圖什麼啊？

其實，AutoDL技術團隊本身就來自學術圈，從2017年開始就在做GPU相關服務。這樣的出身背景下，AutoDL團隊自然更懂AI行業痛點，並積累了豐富經驗。

由此也就不難理解AutoDL為何堅持提供量大管飽還划算的算力資源。

隨著AI大模型應用落地趨勢繼續，對AI算力的需求還會繼續增加。

對於很多科研高校、中小企業而言，算力會成為研發和落地應用上的第一道門檻。

如今，隨著算力租賃市場發展更加完善，模式更加多樣化，使用算力也變得像去食堂打飯一樣——量大管飽還實在。

對於行業而言，這能更大程度緩解算力供需不平衡問題，同時也讓資源實現更高效綠色流轉。

最後，附上文中兩個平台的官網，感興趣同學可進一步瞭解！

AutoDL官網：https://www.autodl.com

橘皮優官網：https://gpu.pro