阿里云竞价实例发布，GPU云服务器低至1折
深度学习，多媒体处理，科学计算“ 成为当前红眼的热门领域。大量的公司开始进行自己的人工智能业务，但是由于GPU实例硬件成本偏高，在大规模普惠开发者。阿里云想开发者所想，推出竞价型GPU云服务器，在维持甚至提升计算能力的基础上，降低了GPU云服务器的使用成本，助力人工智能。
公共云计算以灵活弹性，稳定安全，降低成本的优势，已经成为各行业的计算资源主流。作为国内最大的云计算服务商，阿里云ECS产品在提供性能稳定、产品丰富、高性价比的云主机产品的同时，基于海量资源运维调度能力在现有的付费模式基础上于，推出了“竞价型实例”，通过充分利用云上计算资源，进一步的降低用户云计算资源的使用成本，使用户有机会利用竞价付费模式，按照实例成本价格的一折使用目标竞价实例。
新的付费方式：竞价
1折，1折，1折，低至1折！
竞价实例通过竞价成功一旦创建就拥有一小时保护期提供给客户使用，即在竞价实例创建后第一个小时内，阿里云不会因为市场供需关系而释放您的实例，您可以在该竞价实例上正常运行业务。超过这个保护期（一小时后），如果某一时刻的市场成交价高于您的出价或供需资源发生变化，阿里云将自动释放您的竞价实例。
竞价实例适合于各种不同工作负载情况下，如可弹性伸缩的 Web 站点服务、图像渲染、大数据分析和大规模并行计算等，您的应用程序的分布度、可扩展性和容错能力越高，就越能节省成本和提升吞吐量。
不同购买方式将产生10倍的价格差距：
同时间周期不同购买方式价格对比（价格按小时计算）：
实例规格： ecs.gn5i-c2g1.large
时间周期：不同购买路径的一小时计费
注明：网络跟存储相关内容随着按量计算未记入
不同场景下的具体表现
视频渲染/转码的场景
通常的渲染场景架构计算与存储是分离的，并且计算采用分布式部署而渲染素材数据和渲染结果采用集中存储；任何一个渲染项目，其中很大一部分的成本来自分布式的计算所需要大量GPU；但是在渲染场景下，每路GPU之间的计算相互独立无交互，通过加入简单的GPU计算节点容错机制，可以通过“竞价付费”获取GPU实例+NAS/OSS集中存储的方式，把计算资源的成本大大降低，进而大幅降低总的渲染成本。
以常用的ecs.ga1.4xlarge（16vCPU/40GB内存/1*AMD S7150 GPU卡）为例，其包月小时价格为： 8.35元/小时，当采用10个实例组成集群时，渲染8小时的总花费为668元（8.35X10X8=668）。当使用竞价性方式，可以最低一折起只要不到百元花费即可完成，大幅降低计算费用。
AI深度学习场景
深度学习Training训练场景中模型中间数据可通过checkpoint机制存放于云盘或NAS/OSS等持久存储中，利用相似的计算存储分离的架构，也可利用竞价实例来显著降低GPU实例成本；深度学习Inference在线推理场景，充分利用各推理节点间的无状态特征，部署多个竞价性实例，且通过前端接入SLB负载均衡，将推理请求引流到不同的GPU竞价实例，达到更高的性价比。
以推理计算型实例gn5i-c8g1.2xlarge（8vCPU/32GB内存/1*Nvidia P4 GPU卡）为例，其包月小时价位4.67元，当采用10个实例组成AI深度学习推理服务时，其每小时的GPU成本46.7元。考虑业务波峰和谷，可采用包月+竞价组合方式，保留少量包月实例满足最低要求，并通过竞价实例来满足波动的请求，总体费用上可以降低到原包月的40%~70%。
科学计算
利用科学计算模型的容错机制，多个竞价性GPU卡之间分别计算，而数据存放在NAS/OSS等持久共享存储中，这种方式在提升整体扩展性的同时，显著降低计算成本。
以常用的gn5-c28g1.7xlarge（28vCPU/112GB内存/1*Nvidia P100 GPU卡）为例，其包月小时价为28.09元，当采用10个实例组成HPC集群时，计算8小时的总花费为2247.2元。当使用竞价性方式，可以最低一折起，最低只要不到三百元即可完成，大幅降低计算费用。
总而言之，计算的能力不仅在于计算性能的强大稳定，作为云计算服务商从计算云产品基本能力出发并且通过产品红利广大开发者，降低成本通过云计算改变世界。
相关详情链接：https://promotion.aliyun.com/ntms/act/spotgpu.html
