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:
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 |
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 |
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
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 |
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:
支持IPv4、IPv6。关于IPv6通信,参见管理IPv6地址。
支持ERI(Elastic RDMA Interface)。
说明关于ERI的使用说明,请参见在企业级实例上配置eRDMA或在GPU实例上配置eRDMA。
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 |
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:
支持IPv4、IPv6。关于IPv6通信,参见管理IPv6地址。
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 | 无 | 2 | 2 | 10 | 1 |
ecs.gn6i-c8g1.2xlarge | 8 | 31 | NVIDIA T4 * 1 | 16GB * 1 | 5 | 80万 | 无 | 2 | 2 | 10 | 1 |
ecs.gn6i-c16g1.4xlarge | 16 | 62 | NVIDIA T4 * 1 | 16GB * 1 | 6 | 100万 | 无 | 4 | 3 | 10 | 1 |
ecs.gn6i-c24g1.6xlarge | 24 | 93 | NVIDIA T4 * 1 | 16GB * 1 | 7.5 | 120万 | 无 | 6 | 4 | 10 | 1 |
ecs.gn6i-c40g1.10xlarge | 40 | 155 | NVIDIA T4 * 1 | 16GB * 1 | 10 | 160万 | 无 | 16 | 10 | 10 | 1 |
ecs.gn6i-c24g1.12xlarge | 48 | 186 | NVIDIA T4 * 2 | 16GB * 2 | 15 | 240万 | 无 | 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 | 无 | 4 | 4 | 10 | 1 |
ecs.gn6v-c8g1.4xlarge | 16 | 64 | NVIDIA V100 * 2 | 16GB * 2 | 5 | 100万 | 无 | 4 | 8 | 20 | 1 |
ecs.gn6v-c8g1.8xlarge | 32 | 128 | NVIDIA V100 * 4 | 16GB * 4 | 10 | 200万 | 无 | 8 | 8 | 20 | 1 |
ecs.gn6v-c8g1.16xlarge | 64 | 256 | NVIDIA V100 * 8 | 16GB * 8 | 20 | 250万 | 无 | 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 |