作者：王骜
在 AGI（通用人工智能）爆发的今天，AI 应用如雨后春笋般涌现。对于开发者而言，这既是最好的时代，也是最“贵”的时代。
部署 LLM（大语言模型）、Stable Diffusion 等 AI 应用时，我们往往面临一个两难的选择：
- 要速度（预留模式）：为了毫秒级 - 秒级的响应，必须长期通过预留模式持有 GPU 实例，但昂贵的空置成本让人心痛。
- 要省钱（按量模式）：为了节省成本选择按量付费，但 GPU 实例的创建和模型加载带来的漫长“冷启动”延迟，又严重伤害用户体验。
难道性能与成本真的不可兼得？
阿里云函数计算（Function Compute）推出的 CPU 和 GPU 实例浅休眠功能，正是为了打破这一僵局而来。它让实例学会了“浅休眠”，在保留热启动能力的同时，极大降低了实例的闲置成本。
本文将带你深入技术后台，揭秘 GPU 实例浅休眠这一功能是如何从 0 到 1 实现的。
什么是 GPU 实例浅休眠？给显卡按下“暂停键”
在开启浅休眠功能后，当没有请求时，GPU 实例并不会被销毁，而是进入一种“休眠”状态。
此时，实例依然存在，但 CPU 和 GPU 的计算资源被挂起，用户只需支付极低的休眠费用（约为活跃实例费用的 10%-20%，CPU 不计费，具体见计费文档：https://help.aliyun.com/zh/functioncompute/fc/product-overview/the-idle-gpu-usage-billable-item-is-added-to-function-compute）
当请求再次到来时，系统会瞬间“解冻”实例，毫秒-秒级恢复计算能力（视模型大小）。
技术揭秘：如何实现 GPU 的“浅休眠”？
在容器技术中，实现 CPU 的暂停（Pause）相对成熟且容易，但要给正在显存中跑着几个 G 大模型的 GPU 做暂停，技术挑战极大。我们通过三项关键技术，实现了对 GPU 资源的精细化管理。
1. 显存状态的“迁移”
传统释放 GPU 资源的方式意味着销毁实例，下次使用必须经历完整的冷启动（启动容器、加载模型）。为了解决这个问题，我们设计并实现了显存数据的迁移（Migration）机制：
- 休眠阶段：当实例空闲时，系统会将 GPU 显存中的所有数据（包括模型参数、中间状态等）完整迁移至外部存储保存。
- 唤醒阶段：当新请求到达时，系统会迅速将存储中的数据回迁至 GPU 显存并重建状态，将实例恢复至休眠前的状态。
这一过程避免了重复的模型加载，确保实例始终处于待命状态。
2. 驱动层的透明兼容
为了让用户无需修改代码即可使用该功能，我们选择在底层进行技术突破。
FC GPU 实例做到了对框架无感。这意味着，无论是 PyTorch 还是 TensorFlow，现有的 AI 应用无需任何代码改造，即可直接具备浅休眠能力。
3. 基于请求的自动化调度
有了“浅休眠”能力后，还需要解决“何时休眠、何时唤醒”的调度问题。依托函数计算以请求为中心的架构优势，我们实现了全自动化的资源管控。
平台天然感知每个请求的生命周期：
- 请求到达：系统自动触发解冻流程，毫秒级唤醒 GPU 执行任务。
- 请求结束：系统自动触发冻结流程，释放 GPU 算力。
整个过程由平台自动托管，用户无需配置复杂的伸缩策略，即可实现资源的按需分配与极致利用。
浅休眠唤醒性能
性能是用户最关心的指标。我们以 ComfyUI + Flux 的文生图场景为例进行了实测：
GPU 实例从“浅休眠”唤醒的耗时仅约为 500 毫秒 - 2 秒（视模型大小不同而略有差异）。
考虑到整个文生图生成过程通常持续数十秒，这 1-2 秒的延迟对于用户体验的影响极为有限，不足以降低用户感知的流畅性，却能换来显著的成本下降。
真实案例：某 OCR 业务降本 70% 实录
深圳某科技公司主要业务是从专利文本中提取信息，使用 OCR 模型。他们的业务痛点非常典型：
1. 启动耗时长：容器启动+加载模型+私有数据 OCR 识图，全套下来要十几秒。
2. 流量难以预测：请求来去无法预判，“按量模式”的冷启动耗时长无法满足业务延迟需求。如果使用预留实例，大部分时间 GPU 都在空转出现了浪费。
开启 GPU 实例浅休眠后：
- 启动延迟明显减少，请求到达后能快速响应。
- 日常使用成本大幅下降。
- 服务稳定性不受影响，用户体验保持良好。
整体成本节省接近 70%。
如何使用
开启方式非常简单，函数计算产品控制台（https://fcnext.console.aliyun.com/overview）已默认支持该功能：
1. 进入函数的【弹性配置】页签。
2. 设置【弹性实例】的数量。
3. 系统将自动激活 GPU 实例的浅休眠功能。
计费逻辑：
- 请求执行时：全额收费。
- 无请求执行时：自动切换至浅休眠计费（GPU 资源视卡型收取 10%-20% 的费用，CPU 不收费）。
结语：Serverless AI 的新范式
Serverless 的核心理念是“按需付费”，而 GPU 昂贵的持有成本一直是阻碍 AI 全面 Serverless 化的大山。
函数计算 CPU 和 GPU 实例均全面支持浅休眠能力。无论是高算力的 AI 推理（GPU），还是通用的计算任务（CPU），函数计算全系实例均致力助您在 Serverless 的道路上实现极致的降本增效。
想要降本？现在就是最好的时机。
了解更多：
FunctionAI 是阿里云推出的一站式 AI 原生应用开发平台，基于函数计算 FC 的 Serverless 架构，深度融合 AI 技术，为企业提供从模型训练、推理到部署的全生命周期支持。
通过 Serverless 架构的弹性特性与智能化资源管理，显著降低 AI 应用的开发复杂度与资源成本，助力企业快速实现 AI 落地。
- 开发效率提升：无需关注底层资源，开发者可专注于业务逻辑，模型一键转换为 Serverless API。
- 弹性资源调度：按需付费 + N 分之一卡资源分配（如 1/16 卡），GPU 部署成本降低 90% 以上。
- 免运维特性：实例闲置时自动缩容至 0，资源利用率优化 60%，实现业务运维转型。
快速体验 FunctionAI：https://cap.console.aliyun.com/explore
