GPU云服务器(gn/vgn/sgn系列)

GPU云服务器提供GPU加速计算能力,实现GPU计算资源的即开即用和弹性伸缩。作为阿里云弹性计算家族的一员,GPU云服务器结合了GPU计算力与CPU计算力,满足您在人工智能、高性能计算、专业图形图像处理等场景中的需求。

背景信息

在阅读各个实例规格族的特点及详细指标之前,您需要提前学习以下信息:

  • 了解实例规格命名及分类:帮助您更好地理解实例规格族的命名及分类信息,了解各规格族之间差异,详参见实例规格分类与命名

  • 了解实例规格指标:提前了解实例规格的各项指标说明,请参见实例规格指标说明

  • 根据业务场景选择实例规格族:想获取更多关于如何在实际业务场景中选择合适的规格,请参见实例规格选型指导

在确定您要选择的实例规格之后,您可能需要进一步了解以下信息:

  • 查看实例可购买地域:各个地域下可供售卖的实例规格可能存在差异,实例的可购情况,您可以前往ECS实例可购买地域查看。

  • 预估实例费用:想了解实例在不同付费方式下大概的花费,可使用阿里云的ECS价格计算器查看。

  • 直接购买实例:可直接前往ECS购买页下单。

您可能还会关注:

  • 查看已停售的规格族:如果在本页面没有找到您想要的实例规格族,可前往已停售的规格族群,详情请参见已停售的实例规格

  • 实例规格的变配情况:想获取某个实例规格是否支持变配到其他实例规格,由于可变配的实例规格之间有一定的限制,请参见支持变配的实例规格

GPU虚拟化型

GPU计算型

不推荐(如果以下规格售罄,建议使用前面的规格)

GPU虚拟化型实例规格族sgn7i-vws(共享CPU)

  • 规格族介绍

    • 依托第三代神龙架构,提供稳定可预期的超高性能。同时通过芯片快速路径加速手段,完成存储、网络性能以及计算稳定性的数量级提升,可以更快地存储数据和加载模型。

    • 实例的CPU和网络资源采用共享模式提供,最大化利用底层资源。内存和GPU显存采用独享模式提供,为您提供数据隔离和性能保障。

      说明

      如果您需要独享的CPU资源,请选择vgn7i-vws。

    • 已包含NVIDIA GRID vWS的软件License,可以为各类专业CAD软件提供认证过的图形加速驱动能力,满足专业级图形设计的需求,也可以作为轻量级GPU计算型实例使用,降低小规模AI推理过程的使用成本。

  • 适用场景

    • 配备高性能CPU、内存、GPU,可以处理更多并发AI推理任务,适用于图像识别、语音识别、行为识别业务。

    • 支持RTX功能,搭配高主频CPU,提供高性能的3D图形虚拟化能力,适用于远程图形设计、云游戏等高强度图形处理业务。

    • 使用Ice Lake处理器,在影视动漫制作、云游戏、机械设计等领域进行3D建模时,效果更加出色。

  • 计算

    • 采用NVIDIA A10 GPU卡。

      • 创新的Ampere架构。

      • 支持vGPU、RTX、TensorRT等常用加速功能,提供多种业务支撑。

    • 处理器:2.9 GHz主频的Intel ® Xeon ® 可扩展处理器(Ice Lake),全核睿频3.5 GHz。

  • 存储

    • I/O优化实例。

    • 支持的云盘类型:ESSD云盘和ESSD AutoPL云盘。

  • 网络

    • 支持IPv4、IPv6。关于IPv6通信,参见管理IPv6地址

    • 实例网络性能与实例规格对应,规格越高网络性能越强。

sgn7i-vws包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络带宽基础/突发(Gbit/s)

网络收发包PPS

多队列

弹性网卡

单网卡私有IPv4地址数

单网卡IPv6地址数

ecs.sgn7i-vws-m2.xlarge

4

15.5

NVIDIA A10 * 1/12

24GB * 1/12

1.5/5

50万

4

2

2

1

ecs.sgn7i-vws-m4.2xlarge

8

31

NVIDIA A10 * 1/6

24GB * 1/6

2.5/10

100万

4

4

6

1

ecs.sgn7i-vws-m8.4xlarge

16

62

NVIDIA A10 * 1/3

24GB * 1/3

5/20

200万

8

4

10

1

ecs.sgn7i-vws-m2s.xlarge

4

8

NVIDIA A10 * 1/12

24GB * 1/12

1.5/5

50万

4

2

2

1

ecs.sgn7i-vws-m4s.2xlarge

8

16

NVIDIA A10 * 1/6

24GB * 1/6

2.5/10

100万

4

4

6

1

ecs.sgn7i-vws-m8s.4xlarge

16

32

NVIDIA A10 * 1/3

24GB * 1/3

5/20

200万

8

4

10

1

说明

上表中的GPU列对应的指标包括GPU卡型号和GPU分片信息。其中,GPU分片表示1块GPU分成多片,每个实例上使用1片。例如:

NVIDIA A10 * 1/12中的NVIDIA A10表示GPU卡型号;1/12表示GPU分片,即1块GPU分成12片,每个实例上使用1片。

GPU虚拟化型实例规格族vgn7i-vws

  • 规格族介绍

    • 依托第三代神龙架构,提供稳定可预期的超高性能。同时通过芯片快速路径加速手段,完成存储、网络性能以及计算稳定性的数量级提升,可以更快地存储数据和加载模型。

    • 已包含NVIDIA GRID vWS的软件License,可以为各类专业CAD软件提供认证过的图形加速驱动能力,满足专业级图形设计的需求,也可以作为轻量级GPU计算型实例使用,降低小规模AI推理过程的使用成本。

  • 适用场景

    • 配备高性能CPU、内存、GPU,可以处理更多并发AI推理任务,适用于图像识别、语音识别、行为识别业务。

    • 支持RTX功能,搭配高主频CPU,提供高性能的3D图形虚拟化能力,适用于远程图形设计、云游戏等高强度图形处理业务。

    • 使用Ice Lake处理器,在影视动漫制作、云游戏、机械设计等领域进行3D建模时,效果更加出色。

  • 计算

    • 采用NVIDIA A10 GPU卡。

      • 创新的Ampere架构。

      • 支持vGPU、RTX、TensorRT等常用加速功能,提供多种业务支撑。

    • 处理器:2.9 GHz主频的Intel ® Xeon ® 可扩展处理器(Ice Lake),全核睿频3.5 GHz。

  • 存储

    • I/O优化实例。

    • 支持的云盘类型:ESSD云盘和ESSD AutoPL云盘。

  • 网络

    • 支持IPv4、IPv6。关于IPv6通信,参见管理IPv6地址

    • 实例网络性能与实例规格对应,规格越高网络性能越强。

vgn7i-vws包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

多队列

弹性网卡

单网卡私有IPv4地址数

单网卡IPv6地址数

ecs.vgn7i-vws-m4.xlarge

4

30

NVIDIA A10 * 1/6

24GB * 1/6

3

100万

4

4

10

1

ecs.vgn7i-vws-m8.2xlarge

10

62

NVIDIA A10 * 1/3

24GB * 1/3

5

200万

8

6

10

1

ecs.vgn7i-vws-m12.3xlarge

14

93

NVIDIA A10 * 1/2

24GB * 1/2

8

300万

8

6

15

1

ecs.vgn7i-vws-m24.7xlarge

30

186

NVIDIA A10 * 1

24GB * 1

16

600万

12

8

30

1

说明

上表中的GPU列对应的指标包括GPU卡型号和GPU分片信息。其中,GPU分片表示1块GPU分成多片,每个实例上使用1片。例如:

NVIDIA A10 * 1/6中的NVIDIA A10表示GPU卡型号;1/6表示GPU的分片,即1块GPU分成6片,每个实例上使用1片。

GPU虚拟化型实例规格族vgn6i-vws

重要
  • 由于GRID驱动的升级,阿里云对原vgn6i规格族进行了升级,新规格族为vgn6i-vws。新规格族采用最新的GRID驱动,并赠送了GRID vws授权。因此您不再需要从云市场镜像购买收费镜像,而是直接使用云市场镜像中已经集成了最新驱动的免费镜像。创建实例时在云市场镜像中搜索GRID,可直接搜索到预装GRID驱动的免费镜像。

  • 如果需要使用其他公共镜像或自定义镜像,由于这些镜像中未包含GRID驱动,请提交工单申请GRID驱动文件单独安装,阿里云不对GRID驱动额外收取License费用。

  • 适用场景

    • 云游戏的云端实时渲染。

    • AR和VR的云端实时渲染。

    • AI(DL和ML)推理,适合弹性部署含有AI推理计算应用的互联网业务。

    • 深度学习的教学练习环境。

    • 深度学习的模型实验环境。

  • 计算

    • 采用NVIDIA T4 GPU计算加速器。

    • 实例包含分片虚拟化后的虚拟GPU。

      • 计算能力支持NVIDIA Tesla T4的1/4和1/2。

      • GPU显存支持4 GB和8 GB。

    • 处理器与内存配比约为1:5。

    • 处理器:2.5 GHz主频的Intel ® Xeon ® Platinum 8163(Skylake)。

  • 存储

    • I/O优化实例。

    • 支持的云盘类型:SSD云盘和高效云盘。

  • 网络

    • 支持IPv4、IPv6。关于IPv6通信,参见管理IPv6地址

    • 实例网络性能与实例规格对应,规格越高网络性能越强。

vgn6i-vws包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

多队列

弹性网卡

单网卡私有IPv4地址数

单网卡IPv6地址数

ecs.vgn6i-m4-vws.xlarge

4

23

NVIDIA T4 * 1/4

16GB * 1/4

2

50万

4/2

3

10

1

ecs.vgn6i-m8-vws.2xlarge

10

46

NVIDIA T4 * 1/2

16GB * 1/2

4

80万

8/2

4

10

1

ecs.vgn6i-m16-vws.5xlarge

20

92

NVIDIA T4 * 1

16GB * 1

7.5

120万

6

4

10

1

说明

上表中的GPU列对应的指标包括GPU卡型号和GPU分片信息。其中,GPU分片表示1块GPU分成多片,每个实例上使用1片。例如:

NVIDIA T4 * 1/4中的NVIDIA T4表示GPU卡型号;1/4表示GPU的分片,即1块GPU分成4片,每个实例上使用1片。

GPU计算型实例规格族gn8is

该实例目前仅支持海外等部分地域,如有需求,请联系阿里云销售人员。

  • 规格族介绍:gn8is是阿里云针对近期AI生成业务的发展推出的第8代加速计算规格族(GPU计算型实例规格族),针对不同应用需求,为您提供1卡、2卡、4卡和8卡机型,以及不同CPU和GPU配比的实例规格。

  • 产品特色及定位

    • 图形处理:该产品采用Intel第5代Xeon Scaleable高主频处理器,在3D建模场景中,为您提供足够的CPU算力支撑,使得图形的渲染和设计更加顺畅。

    • 推理任务:采用全新48 GB显存的图形处理单元(GPU)来加速推理任务,支持FP8浮点数格式,搭配ACK容器可灵活支持各类AIGC模型的推理,尤其适用于70 B以下LLM模型的推理任务。

  • 适用场景

    • 结合云市场的GRID镜像使用GRID驱动,启动OpenGL和Direct3D图形能力,提供工作站级图形处理能力,适用于动漫、影视特效制作和渲染。

    • 结合ACK容器化管理能力,更高效、低成本地支撑AIGC图形生成和LLM大模型推理。

    • 其他通用AI识别场景、图像识别、语音识别等。

  • 计算

    • 采用全新GPU计算卡。

      • 支持TensorRT等常用加速功能,支持FP8浮点数格式,提升模型推理性能。

      • 显存容量提升至48 GB,多卡情况下,支持70 B及更大模型的单机推理。

      • 支持图形处理能力,例如通过云助手方式或选择云市场镜像方式安装GRID驱动后,图形处理性能相对7代平台提升1倍。

    • 处理器:采用最新的Intel ® Xeon ®高主频处理器,全核睿频可达3.9 GHz,以应对更复杂的3D建模需求。

  • 存储

    • I/O优化实例。

    • 支持的云盘类型:ESSD云盘、ESSD AutoPL云盘和弹性临时盘EED(Elastic Ephemeral Disk)。

  • 网络

gn8is包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU显存

网络基础带宽(Gbit/s)

弹性网卡

队列数量(主)

单网卡私有IPv4地址数

单网卡IPv6地址数

最大支持云盘数量

云盘基础IOPS

云盘基础带宽(Gbit/s)

ecs.gn8is.2xlarge

8

64

48GB * 1

8

4

8

15

15

17

6万

0.75

ecs.gn8is.4xlarge

16

128

48GB * 1

16

8

16

30

30

17

12万

1.25

ecs.gn8is-2x.8xlarge

32

256

48GB * 2

32

8

32

30

30

33

25万

2

ecs.gn8is-4x.16xlarge

64

512

48GB * 4

64

8

64

30

30

33

45万

4

ecs.gn8is-8x.32xlarge

128

1024

48GB * 8

100

15

64

50

50

65

90万

8

GPU计算型实例规格族gn7e

gn7e的特点如下:

  • 规格族介绍

    • 您可以根据需要选择不同数量的卡和不同CPU资源的规格,灵活适应其不同的AI业务需求。

    • 依托第三代神龙架构,VPC和云盘网络带宽相比上一代平均提升一倍。

  • 适用场景

    • 中小规模的AI训练业务。

    • 使用CUDA进行加速的HPC业务。

    • 对GPU处理能力或显存容量需求较高的AI推理业务。

    • 深度学习,例如图像分类、无人驾驶、语音识别等人工智能算法的训练应用。

    • 高GPU负载的科学计算,例如计算流体动力学、计算金融学、分子动力学、环境分析等。

    重要

    在使用高通信负载的AI训练业务如Transformer等模型时,务必启用NVLink进行GPU间的数据通信,否则可能由于PCIe链路大规模数据传输引起非预期的故障,导致数据受损。如不确定您使用的训练通信链路拓扑,请提交工单由阿里云技术专家为您提供技术支持。

  • 存储

    • I/O优化实例。

    • 支持的云盘类型:ESSD云盘和ESSD AutoPL云盘。

  • 网络

    • 支持IPv4、IPv6。关于IPv6通信,参见管理IPv6地址

    • 实例网络性能与实例规格对应,规格越高网络性能越强。

gn7e包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

多队列

弹性网卡

单网卡私有IPv4地址数

单网卡IPv6地址数

ecs.gn7e-c16g1.4xlarge

16

125

80GB * 1

8

300万

8

8

10

1

ecs.gn7e-c16g1.8xlarge

32

250

80GB * 2

16

600万

16

8

10

1

ecs.gn7e-c16g1.16xlarge

64

500

80GB * 4

32

1200万

32

8

10

1

ecs.gn7e-c16g1.32xlarge

128

1000

80GB * 8

64

2400万

32

16

15

1

GPU计算型实例规格族gn7i

  • 规格族介绍:依托第三代神龙架构,提供稳定可预期的超高性能。同时通过芯片快速路径加速手段,完成存储、网络性能以及计算稳定性的数量级提升。

  • 适用场景

    • 配备高性能CPU、内存、GPU,可以处理更多并发AI推理任务,适用于图像识别、语音识别、行为识别业务。

    • 支持RTX功能,搭配高主频CPU,提供高性能的3D图形虚拟化能力,适用于远程图形设计、云游戏等高强度图形处理业务。

  • 计算

    • 采用NVIDIA A10 GPU卡。

      • 创新的Ampere架构。

      • 支持RTX、TensorRT等常用加速功能。

    • 处理器:2.9 GHz主频的Intel ® Xeon ® 可扩展处理器(Ice Lake),全核睿频3.5 GHz。

    • 最大可提供752 GiB内存,相比gn6i大幅提升。

  • 存储

    • I/O优化实例。

    • 支持的云盘类型:ESSD云盘和ESSD AutoPL云盘。

  • 网络

    • 支持IPv4、IPv6。关于IPv6通信,参见管理IPv6地址

    • 实例网络性能与实例规格对应,规格越高网络性能越强。

gn7i包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

多队列

弹性网卡

单网卡私有IPv4地址数

单网卡IPv6地址数

ecs.gn7i-c8g1.2xlarge

8

30

NVIDIA A10 * 1

24GB * 1

16

160万

8

4

15

15

ecs.gn7i-c16g1.4xlarge

16

60

NVIDIA A10 * 1

24GB * 1

16

300万

8

8

30

30

ecs.gn7i-c32g1.8xlarge

32

188

NVIDIA A10 * 1

24GB * 1

16

600万

12

8

30

30

ecs.gn7i-c32g1.16xlarge

64

376

NVIDIA A10 * 2

24GB * 2

32

1200万

16

15

30

30

ecs.gn7i-c32g1.32xlarge

128

752

NVIDIA A10 * 4

24GB * 4

64

2400万

32

15

30

30

ecs.gn7i-c48g1.12xlarge

48

310

NVIDIA A10 * 1

24GB * 1

16

900万

16

8

30

30

ecs.gn7i-c56g1.14xlarge

56

346

NVIDIA A10 * 1

24GB * 1

16

1200万

16

12

30

30

ecs.gn7i-2x.8xlarge

32

128

NVIDIA A10 * 2

24GB * 2

16

600万

16

8

30

30

ecs.gn7i-4x.8xlarge

32

128

NVIDIA A10 * 4

24GB * 4

16

600万

16

8

30

30

ecs.gn7i-4x.16xlarge

64

256

NVIDIA A10 * 4

24GB * 4

32

1200万

32

8

30

30

ecs.gn7i-8x.32xlarge

128

512

NVIDIA A10 * 8

24GB * 8

64

2400万

32

16

30

30

ecs.gn7i-8x.16xlarge

64

256

NVIDIA A10 * 8

24GB * 8

32

1200万

32

8

30

30

说明

ecs.gn7i-2x.8xlarge、ecs.gn7i-4x.8xlarge、ecs.gn7i-4x.16xlarge、ecs.gn7i-8x.32xlarge以及ecs.gn7i-8x.16xlarge实例规格支持更改为ecs.gn7i-c8g1.2xlarge或ecs.gn7i-c16g1.4xlarge实例规格,但不支持更改为ecs.gn7i-c32g1.8xlarge等其他实例规格。

GPU计算型实例规格族gn7s

如需使用gn7s,请提交工单申请。

  • 规格族介绍

    • 采用全新的Intel IceLake处理器,同时搭载Nvidia Ampere架构的NVIDIA A30 GPU卡,您可以根据需要选择不同卡数和不同CPU资源的规格,灵活适应不同的AI业务需求。

    • 基于阿里云全新的第三代神龙架构,VPC和云盘网络带宽相比上一代平均提升一倍。

  • 适用场景:配备高性能CPU、内存、GPU,可以处理更多并发AI推理业务需求,适用于图像识别、语音识别、行为识别业务。

  • 计算

    • 采用NVIDIA A30 GPU卡。

      • 创新的Nvidia Ampere架构。

      • 支持MIG(Multi-Instance GPU)功能、加速功能(基于第二代Tensor Cores加速),提供多种业务支持。

    • 处理器:2.9 GHz主频的Intel ® Xeon ® 可扩展处理器(Ice Lake),全核睿频3.5 GHz。

    • 容量内存相比上一代实例规格族大幅提升。

  • 存储

    • I/O优化实例。

    • 支持的云盘类型:ESSD云盘和ESSD AutoPL云盘。

  • 网络

    • 支持IPv4、IPv6。关于IPv6通信,参见管理IPv6地址

    • 实例网络性能与实例规格对应,规格越高网络性能越强。

gn7s包括的实例规格及指标数据如下表所示:

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

单网卡私有IPv4地址数

单网卡IPv6地址数

多队列

弹性网卡

ecs.gn7s-c8g1.2xlarge

8

60

NVIDIA A30 * 1

24GB * 1

16

600万

5

1

12

8

ecs.gn7s-c16g1.4xlarge

16

120

NVIDIA A30 * 1

24GB * 1

16

600万

5

1

12

8

ecs.gn7s-c32g1.8xlarge

32

250

NVIDIA A30 * 1

24GB * 1

16

600万

5

1

12

8

ecs.gn7s-c32g1.16xlarge

64

500

NVIDIA A30 * 2

24GB * 2

32

1200万

5

1

16

15

ecs.gn7s-c32g1.32xlarge

128

1000

NVIDIA A30 * 4

24GB * 4

64

2400万

10

1

32

15

ecs.gn7s-c48g1.12xlarge

48

380

NVIDIA A30 * 1

24GB * 1

16

600万

8

1

12

8

ecs.gn7s-c56g1.14xlarge

56

440

NVIDIA A30 * 1

24GB * 1

16

600万

8

1

12

8

GPU计算型实例规格族gn7

  • 适用场景

    • 深度学习,例如图像分类、无人驾驶、语音识别等人工智能算法的训练应用。

    • 高GPU负载的科学计算,例如计算流体动力学、计算金融学、分子动力学、环境分析等。

  • 存储

    • I/O优化实例。

    • 支持的云盘类型:ESSD云盘和ESSD AutoPL云盘。

  • 网络

    • 支持IPv4、IPv6。关于IPv6通信,参见管理IPv6地址

    • 实例网络性能与实例规格对应,规格越高网络性能越强。

gn7包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

多队列

弹性网卡

单网卡私有IPv4地址数

单网卡IPv6地址数

ecs.gn7-c12g1.3xlarge

12

94

40GB * 1

4

250万

4

8

10

1

ecs.gn7-c13g1.13xlarge

52

378

40GB * 4

16

900万

16

8

30

30

ecs.gn7-c13g1.26xlarge

104

756

40GB * 8

30

1800万

16

15

10

1

GPU计算型实例规格族gn7r

  • 规格族介绍

    • gn7r是阿里云推出的企业级ARM处理器+GPU的多功能规格族产品。以ARM架构为基础开发Android线上应用和云手机、云手游等业务,为其提供云原生底层资源平台。同时,其配备的NVIDIA A16 GPU具备多芯片硬件转码能力,可以作为高性价比的视频转码平台,将成本降低至ASIC类转码平台的水平。同时支持基于CUDA的计算架构,可在解码后直接在GPU上进行AI识别和分析。

    • 基于第三代神龙架构,通过CIPU云处理器进行云端资源管理,提供稳定可预期的超高计算、存储和网络性能。

    • 采用NVIDIA A16 GPU计算加速器提供GPU加速能力,支持图形加速、硬件转码和AI业务。

      说明

      每块NVIDIA A16卡包含4个GA 107处理芯片。

  • 适用场景:基于Android提供APP远端服务,例如云业务在线待机、云手游和云手机、Android业务爬虫、视频业务转码、视频识别、审查、视频编辑等。

  • 计算

    • 处理器:3.0 GHz主频的Ampere ® Altra ® Max处理器,原生ARM计算平台为Android服务器提供高效的性能和优秀的App兼容性。

  • 存储

    • I/O优化实例。

    • 支持的云盘类型:ESSD云盘和ESSD AutoPL云盘。

  • 网络

gn7r包括的实例规格及指标数据如下表所示:

实例规格

vCPU

内存(GiB)

GPU

网络基础带宽(Gbit/s)

网络收发包PPS

单网卡私有IPv4地址数

单网卡IPv6地址数

多队列

弹性网卡

ecs.gn7r-c16g1.4xlarge

16

64

NVIDIA GA107 * 1

8

300万

15

15

8

8

GPU计算型实例规格族gn6i

  • 适用场景

    • AI(DL和ML)推理,适合计算机视觉、语音识别、语音合成、NLP、机器翻译、推荐系统。

    • 云游戏云端实时渲染。

    • AR和VR的云端实时渲染。

    • 重载图形计算或图形工作站。

    • GPU加速数据库。

    • 高性能计算。

  • 计算

    • GPU加速器:T4 。

      • 创新的Turing架构。

      • 单GPU显存16 GB(GPU显存带宽320 GB/s)。

      • 单GPU 2560个CUDA Cores。

      • 单GPU多达320个Turing Tensor Cores。

      • 可变精度Tensor Cores支持65 TFlops FP16、130 INT8 TOPS、260 INT4 TOPS。

    • 处理器与内存配比约为1:4。

    • 处理器:2.5 GHz主频的Intel ® Xeon ® Platinum 8163(Skylake)。

  • 存储

    • I/O优化实例。

    • 支持的云盘类型:ESSD云盘、ESSD AutoPL云盘、SSD云盘和高效云盘。

  • 网络

    • 支持IPv4、IPv6。关于IPv6通信,参见管理IPv6地址

    • 实例网络性能与实例规格对应,规格越高网络性能越强。

gn6i包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

云盘基础IOPS

多队列

弹性网卡

单网卡私有IPv4地址数

单网卡IPv6地址数

ecs.gn6i-c4g1.xlarge

4

15

NVIDIA T4 * 1

16GB * 1

4

50万

2

2

10

1

ecs.gn6i-c8g1.2xlarge

8

31

NVIDIA T4 * 1

16GB * 1

5

80万

2

2

10

1

ecs.gn6i-c16g1.4xlarge

16

62

NVIDIA T4 * 1

16GB * 1

6

100万

4

3

10

1

ecs.gn6i-c24g1.6xlarge

24

93

NVIDIA T4 * 1

16GB * 1

7.5

120万

6

4

10

1

ecs.gn6i-c40g1.10xlarge

40

155

NVIDIA T4 * 1

16GB * 1

10

160万

16

10

10

1

ecs.gn6i-c24g1.12xlarge

48

186

NVIDIA T4 * 2

16GB * 2

15

240万

12

6

10

1

ecs.gn6i-c24g1.24xlarge

96

372

NVIDIA T4 * 4

16GB * 4

30

480万

25万

24

8

10

1

GPU计算型实例规格族gn6e

  • 适用场景

    • 深度学习,例如图像分类、无人驾驶、语音识别等人工智能算法的训练、推理应用。

    • 科学计算,例如计算流体动力学、计算金融学、分子动力学、环境分析等。

  • 计算

    • 采用NVIDIA V100(32 GB NVLink)GPU卡。

    • GPU加速器:V100(SXM2封装)。

      • 创新的Volta架构。

      • 单GPU显存32 GB HBM2(GPU显存带宽900 GB/s)。

      • 单GPU 5120个CUDA Cores。

      • 单GPU 640个Tensor Cores。

      • 单GPU支持6个NVLink链路(NVLink属于双向链路),单向链路的带宽为25 Gbit/s,总带宽为6×25×2=300 Gbit/s。

    • 处理器与内存配比约为1:8。

    • 处理器:2.5 GHz主频的Intel ® Xeon ® Platinum 8163(Skylake)。

  • 存储

    • I/O优化实例。

    • 支持的云盘类型:ESSD云盘、ESSD AutoPL云盘、SSD云盘和高效云盘。

  • 网络

    • 支持IPv4、IPv6。关于IPv6通信,参见管理IPv6地址

    • 实例网络性能与实例规格对应,规格越高网络性能越强。

gn6e包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

多队列

弹性网卡

单网卡私有IPv4地址数

单网卡IPv6地址数

ecs.gn6e-c12g1.3xlarge

12

92

NVIDIA V100 * 1

32GB * 1

5

80万

8

6

10

1

ecs.gn6e-c12g1.6xlarge

24

182

NVIDIA V100 * 2

32GB * 2

8

120万

8

8

20

1

ecs.gn6e-c12g1.12xlarge

48

368

NVIDIA V100 * 4

32GB * 4

16

240万

8

8

20

1

ecs.gn6e-c12g1.24xlarge

96

736

NVIDIA V100 * 8

32GB * 8

32

480万

16

8

20

1

GPU计算型实例规格族gn6v

  • 适用场景

    • 深度学习,例如图像分类、无人驾驶、语音识别等人工智能算法的训练、推理应用。

    • 科学计算,例如计算流体动力学、计算金融学、分子动力学、环境分析等。

  • 计算

    • 采用NVIDIA V100 GPU卡。

    • GPU加速器:V100(SXM2封装) 。

      • 创新的Volta架构。

      • 单GPU显存16 GB HBM2(GPU显存带宽900 GB/s)。

      • 单GPU 5120个CUDA Cores。

      • 单GPU 640个Tensor Cores。

      • 单GPU支持6个NVLink链路(NVLink属于双向链路),单向链路的带宽为25 Git/s,总带宽为6×25×2=300 Git/s。

    • 处理器与内存配比约为1:4。

    • 处理器:2.5 GHz主频的Intel ® Xeon ® Platinum 8163(Skylake)。

  • 存储

    • I/O优化实例。

    • 支持的云盘类型:ESSD云盘、ESSD AutoPL云盘、SSD云盘和高效云盘。

  • 网络

    • 支持IPv4、IPv6。关于IPv6通信,参见管理IPv6地址

    • 实例网络性能与实例规格对应,规格越高网络性能越强。

gn6v包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

云盘基础IOPS

多队列

弹性网卡

单网卡私有IPv4地址数

单网卡IPv6地址数

ecs.gn6v-c8g1.2xlarge

8

32

NVIDIA V100 * 1

16GB * 1

2.5

80万

4

4

10

1

ecs.gn6v-c8g1.4xlarge

16

64

NVIDIA V100 * 2

16GB * 2

5

100万

4

8

20

1

ecs.gn6v-c8g1.8xlarge

32

128

NVIDIA V100 * 4

16GB * 4

10

200万

8

8

20

1

ecs.gn6v-c8g1.16xlarge

64

256

NVIDIA V100 * 8

16GB * 8

20

250万

16

8

20

1

ecs.gn6v-c10g1.20xlarge

82

336

NVIDIA V100 * 8

16GB * 8

32

450万

25万

16

8

20

1

GPU计算型实例规格族gn5

  • 适用场景

    • 深度学习。

    • 科学计算,例如计算流体动力学、计算金融学、基因组学研究、环境分析。

    • 高性能计算、渲染、多媒体编解码及其他服务器端GPU计算工作负载。

  • 计算

    • 采用NVIDIA P100 GPU卡。

    • 多种处理器与内存配比。

    • 处理器:2.5 GHz主频的Intel ® Xeon ® E5-2682 v4(Broadwell)。

  • 存储

    • 配备高性能NVMe SSD本地盘。

    • I/O优化实例。

    • 支持的云盘类型:SSD云盘和高效云盘。

  • 网络

    • 仅支持IPv4

    • 实例网络性能与实例规格对应,规格越高网络性能越强。

gn5包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

本地存储(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

多队列

弹性网卡

单网卡私有IPv4地址数

ecs.gn5-c4g1.xlarge

4

30

440

NVIDIA P100 * 1

16GB * 1

3

30万

1

3

10

ecs.gn5-c8g1.2xlarge

8

60

440

NVIDIA P100 * 1

16GB * 1

3

40万

1

4

10

ecs.gn5-c4g1.2xlarge

8

60

880

NVIDIA P100 * 2

16GB * 2

5

100万

2

4

10

ecs.gn5-c8g1.4xlarge

16

120

880

NVIDIA P100 * 2

16GB * 2

5

100万

4

8

20

ecs.gn5-c28g1.7xlarge

28

112

440

NVIDIA P100 * 1

16GB * 1

5

100万

8

8

20

ecs.gn5-c8g1.8xlarge

32

240

1760

NVIDIA P100 * 4

16GB * 4

10

200万

8

8

20

ecs.gn5-c28g1.14xlarge

56

224

880

NVIDIA P100 * 2

16GB * 2

10

200万

14

8

20

ecs.gn5-c8g1.14xlarge

54

480

3520

NVIDIA P100 * 8

16GB * 8

25

400万

14

8

20

GPU计算型实例规格族gn5i

  • 适用场景: 深度学习推理、多媒体编解码等服务器端GPU计算工作负载。

  • 计算:

    • 采用NVIDIA P4 GPU卡。

    • 处理器与内存配比为1:4。

    • 处理器:2.5 GHz主频的Intel ® Xeon ® E5-2682 v4(Broadwell)。

  • 存储:

    • I/O优化实例。

    • 支持的云盘类型:SSD云盘和高效云盘。

  • 网络:

    • 支持IPv4、IPv6。关于IPv6通信,参见管理IPv6地址

    • 实例网络性能与实例规格对应,规格越高网络性能越强。

gn5i包括的实例规格及指标数据如下:

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

多队列

弹性网卡

单网卡私有IPv4地址数

单网卡IPv6地址数

ecs.gn5i-c2g1.large

2

8

NVIDIA P4 * 1

8GB * 1

1

10万

2

2

6

1

ecs.gn5i-c4g1.xlarge

4

16

NVIDIA P4 * 1

8GB * 1

1.5

20万

2

3

10

1

ecs.gn5i-c8g1.2xlarge

8

32

NVIDIA P4 * 1

8GB * 1

2

40万

4

4

10

1

ecs.gn5i-c16g1.4xlarge

16

64

NVIDIA P4 * 1

8GB * 1

3

80万

4

8

20

1

ecs.gn5i-c16g1.8xlarge

32

128

NVIDIA P4 * 2

8GB * 2

6

120万

8

8

20

1

ecs.gn5i-c28g1.14xlarge

56

224

NVIDIA P4 * 2

8GB * 2

10

200万

14

8

20

1