GPU 租用市场越来越玄幻了，价格被打下来的原因，居然可以是天命人闲置的 4090被循环利用了？

最近，一种新型的 GPU 租赁方式开始兴起。

它能让手上有闲置计算卡的人，把资源租给需要的人。

举个例子，为了打黑神话买了 4090 的天命人，可以把卡租给炼丹侠们。自己能挂机 " 躺着 " 赚钱，炼丹侠还能以更划算的价格租算力（4090 只需每小时 1 块钱那种）。

距离大范围算力荒才过去仅仅 1 年，算力租赁市场已经是一番新气象了。

不仅如此，老牌租赁平台们也纷纷主动降价。海外，H100 价格被卷到每小时 2 美元。

国内情况亦是如此，A100（80GB）租用价低至6.68 元 / 小时，40GB 为3.28 元 / 时，A800 则是5.98 元 / 小时。

按理说，现在正是 AI 算力需求旺盛的时刻。大型云厂商打价格战为了跑马圈地还可理解，算力租赁平台价格没有水涨船高，反而开始降价……

这背后，到底发生了啥啊？

" 白菜价 " 搞定高端算力

先一句话总结，相较于 ChatGPT 元年，AI 算力告急问题总体得到缓解，但是依旧面临挑战。

如上变化由算力供需侧共同影响而来。

首先在算力供给上，大模型趋势进一步推动 AI 底层硬件以及基础设施发展。

国际方面，英伟达这两年不仅扩大了 AI 计算产品线，更在产能上大幅提升，以满足暴增的市场需求。

Hopper 架构和 Blackwell 架构均包含 Transformer 引擎，分别推出了 2 款产品供市场选择，且不同架构之间的代际升级非常明显。B200 的晶体管数量已达到 2080 亿，分别是 H100 的 2.6 倍、A100 的 3.8 倍，后两者则发布于大模型浪潮之前。

两个 B200 GPU 与 Grace CPU 结合就成为 GB200 超级芯片。在标准 1750 亿参数 GPT-3 基准测试中，GB200 的性能是 H100 的 7 倍，提供的训练算力是 H100 的 4 倍。

眼下首批工程版 B200 已经送到 OpenAI 投入使用。据天风国际分析师郭明錤透露，英伟达 Blackwell GB200 四季度的出货量将在 15 万块至 20 万块，明年第一季度出货量将显著增长 200%-250%，达到 50-55 万块。

这同时带动了全行业的产品迭代升级节奏，AMD、英特尔等为保持竞争力，近两年也纷纷推出更先进 AI 计算产品。

更具规模的变化体现在算力基建方面。据中国信息通信研究院测算，截至 2023 年底，全球算力基础设施总规模达到 910EFLOPS，同比增长 40%。

美国、中国算力基础设施规模位列前两名，算力全球占比分别为 32%、26%。

另一方面，算力需求也在近一年内发生变化。

随着开源模型性能达到 GPT-4 水平（如 405B Llama 3、DeepSeek-v2 等），以及中小模型（7B-70B 规模）应用更加成熟，中小企业 / 开发者陆续入场，以及近期趋势推理 Scaling law 成为新方向。黄仁勋预测，随着推理链的出现，推理的规模预计将迎来千万乃至十亿倍的增长。

种种原因都导致市场的微调推理需求大幅增加，训练需求的增长趋势开始放缓。

相较于训练，推理阶段对硬件的要求没有那么高。在实际场景中，往往是用最先进设备进行训练，上一代产品进行推理。

因此可以看到，大型厂商依旧追捧 H100、B200 等高端 GPU，但是中小企业 / 开发者不再趋之若鹜，转而关注更具性价比的选择。

但问题是，算力供需不平衡问题依旧棘手。

宏观上，《人工智能算力高质量发展评估体系报告》中表示，我国算力市场还面临供给不足、算力智能水平较低、能源考验、供应链完备性不足等问题。

微观上，以学术圈为例，" 算力荒 " 还是普遍现象。

今年 5 月，李飞飞在采访中透露，斯坦福 NLP 实验室只有 64 块 A100。相比于产业界，这个数字不值一提，但在高校圈里已经是相当富有了。

更普遍的现象是，许多高校实验室都只有消费级显卡，大家还需要排队使用。实验经费有限导致租赁算力也将面临更多制约。

在这些矛盾下，算力市场开始更加主动、自发提出新型应对措施。

最明显的迹象莫过于——经典算力平台主动降价 + 新兴算力租用模式浮现。

能薅羊毛更能挂机赚钱

今年算力市场最热门的话题莫过于 " 价格战 "，这并不局限于卖大模型服务的云厂商，提供算力租赁的各大平台也是主角。

不同类型的平台降价方式也有所差距。

目前算力租赁平台主要有两种类型：

算力云平台

C2C 算力租用平台

前者好比京东，其所有的 GPU 服务器是自营资源，通常在提供算力的同时也保障一系列配套服务，能让用户更低门槛、更便利调用算力。该模式下，定价权在运营方自己手里，今年以来多家平台都在主动降价。

后者好比淘宝，为机主和用户提供平台，供双方进行服务交易。这种模式较为新兴，可以让有闲置计算资源的机主将 GPU 出租，" 挂机赚钱 "。它天生就能提供更具性价比的租赁价格。

不过需要注意，对于算力租赁，价格低只是考量因素之一，用户同时关注平台提供的服务能力。

对于前者，用户更关心平台提供的算力是否足够划算、使用是否足够友好；对于后者，机主和用户则更在意平台是否靠谱。

更具体的模式分析，来看行业典型案例。

经典算力云平台中，论谁打价格战最凶猛，AutoDL 必是其一。

有资历的炼丹侠们对这个平台应该都不陌生。就是它当年把 3090 的租用价格从 4.5 元 / 小时打到了 1.32 元 / 小时，在用户这儿是有口皆碑了。

它在 2021 年上线，专注于提供弹性、好用、省钱的 GPU 算力服务。

GPU 总规模在国内同类型平台中位列前茅，提供丰富的 GPU 选择，包括 A100、A800、V100、4090、3090 等。

它的主要目标用户包含了高校科研人群以及企业用户，所以在极具性价比的同时也主要入门友好。

平台支持各种深度学习框架，如 TensorFlow 和 PyTorch，并提供相应的 CUDA 环境，用户可根据需求选择合适的镜像。

具体能力上，兼顾科研、企业需求。主要包括：

用卡弹性：提供容器实例和 API 弹性调度模式，支持千卡级别弹性调度；

团队管理：支持实验室、团队等场景中对多个子账号管理；

私有云：支持本地机器免费接入，将 AutoDL 云上高效管理与使用体验移植本地；

CodeWithGPU 社区：支持镜像和模型分享，分享镜像可获取收益

付费方面更符合 " 羊毛党 " 需求，主要提供按秒计费、包卡计费两种模式。

按量计费模式下，实例开机开始计费，关机结束计费，时长可精确到秒，最低计费 0.01 元。关机所有数据会保留（15 天），支持镜像保存、文件存储等。

包年包月为预留 GPU 模式，支持按日按周按月等租用，价格比按量计费更便宜，长期使用更划算。

而且只要注册，平台就送一个月炼丹会员，认证学生直接升级炼丹会员，认证期间内将一直有效。会员将享有价格优惠。

另一方面，大模型趋势兴起后，C2C（用户对用户）模式变得火热。

硅谷的代表为 San Francisco Compute，从寂寂无名到成为黑马，它仅仅用了半年时间。还拿下了山姆 · 奥特曼弟弟领投的 1200 万美元种子轮融资，估值达到 7000 万美元。

国内如今也出现类似趋势，比如刚刚上线 3 个月的橘皮优，现已和 AutoDL 达成战略合作。

按照自我定义，橘皮优是一个促进 C2C 双边 AI 算力交易的撮合平台。

它的核心目标是通过共享经济的模式，降低用户使用 AI 算力的成本，同时让私有闲置算力被高效应用，推动了算力普惠和绿色低碳。

该平台支持的算力类型包括 GPU、NPU、CPU、ASIC、ARM、RISC-V 等，能够满足 AI 训练、AI 推理、图像生成以及渲染等任务需求。

相较于 AutoDL，橘皮优提供的算力租赁服务价格更低，适用于对机器配置不敏感的人群。

同时它更加定制化，支持个人的外部镜像、实例端口灵活。

也可以在该平台上成为机主对外出租赚外快，支持自助上机，不限制机器和数量。

由于和 AutoDL 达成战略合作，背后团队是算力行业老兵，在鱼龙混杂的算力市场里是更加靠谱的选择。

或许也不用担心没人来租，毕竟 AutoDL 靠着性价比优势，在短短 3 年时间里形成庞大的用户基础。之前大家用卡都是靠抢的。

所以也不免有人好奇，这么低的价格，它图啥啊？

其实，AutoDL 技术团队本身就来自学术圈，从 2017 年开始就在做 GPU 相关服务。这样的出身背景下，AutoDL 团队自然更懂 AI 行业痛点，并积累了丰富经验。

由此也就不难理解 AutoDL 为何坚持提供量大管饱还划算的算力资源。

随着 AI 大模型应用落地趋势继续，对 AI 算力的需求还会继续增加。

对于很多科研高校、中小企业而言，算力会成为研发和落地应用上的第一道门槛。

如今，随着算力租赁市场发展更加完善，模式更加多样化，使用算力也变得像去食堂打饭一样——量大管饱还实在。

对于行业而言，这能更大程度缓解算力供需不平衡问题，同时也让资源实现更高效绿色流转。

当然，最主要的还是各位炼丹师们可以薅到羊毛，因为玩黑神话入手 4090 的天命人们也能找到回本的渠道。

最后，附上文中两个平台的官网，感兴趣同学可进一步了解！

AutoDL 官网：https://www.autodl.com

橘皮优官网：https://gpu.pro