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IPv6通信。
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IPv6通信。
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IPv6通信。
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gn8v
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：gn8v是阿里云针对AI模型训练和超大参数量模型推理任务推出的第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卡多种机型。
适用场景：
对于70 B以上的LLM模型，进行多卡并行推理计算时性价比较高。
单个GPU提供39.5 TFLPS FP32算力，在传统AI模型训练和自动驾驶训练业务中性能突出。
8卡之间支持NVLINK互联，适用于中小模型训练场景。
产品特色及定位：
高速&大容量显存：每个GPU配备了96 GB容量的HBM3e显存，且显存带宽可以达到4 TB/s，大幅加快了模型训练和推理速度。
高卡间带宽：多个GPU卡之间通过900 GB/s NVLINK互联，多卡训练和推理的效率远超过历代GPU产品。
大模型量化技术：支持FP8算力，对大规模参数训练和推理过程的算力进行优化，大幅提升训练和推理的计算速度，降低显存占用。
高安全性：支持CPU机密计算（Intel TDX）和GPU机密计算（NVIDIA CC）功能，闭环全链路模型推理的机密计算能力。对于模型推理和训练的安全性，开启机密计算能力保障用户推理数据和企业模型的安全。
计算：
采用最新的CIPU 1.0云处理器。
具有解耦计算和存储能力，可以灵活选择所需存储资源。
提供裸金属能力，相对于传统虚拟化实例，可以支持GPU实例之间的P2P通信。
采用Intel第4代Xeon可扩展处理器，全核睿频可达3.1 GHz，基频可达2.8 GHz。
存储：
I/O优化实例。
仅支持ESSD云盘和ESSD AutoPL云盘，支持弹性临时盘EED（Elastic Ephemeral Disk）。
网络：
支持IPv4、IPv6。关于IPv6通信，请参见IPv6通信。
超高网络性能，最大3000万PPS网络收发包能力（8卡实例）。
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使用eRDMA或在GPU实例上配置eRDMA。
gn8v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.gn8v.4xlarge | 16 | 96 | 96GB * 1 | 12 | 8 | 16 | 30 | 30 | 17 | 10万 | 0.75 |
ecs.gn8v.6xlarge | 24 | 128 | 96GB * 1 | 15 | 8 | 24 | 30 | 30 | 17 | 12万 | 0.937 |
ecs.gn8v-2x.8xlarge | 32 | 192 | 96GB * 2 | 20 | 8 | 32 | 30 | 30 | 25 | 20万 | 1.25 |
ecs.gn8v-4x.8xlarge | 32 | 384 | 96GB * 4 | 20 | 8 | 32 | 30 | 30 | 25 | 20万 | 1.25 |
ecs.gn8v-2x.12xlarge | 48 | 256 | 96GB * 2 | 25 | 8 | 48 | 30 | 30 | 33 | 30万 | 1.50 |
ecs.gn8v-8x.16xlarge | 64 | 768 | 96GB * 8 | 32 | 8 | 64 | 30 | 30 | 33 | 36万 | 2.5 |
ecs.gn8v-4x.24xlarge | 96 | 512 | 96GB * 4 | 50 | 15 | 64 | 30 | 30 | 49 | 50万 | 3 |
ecs.gn8v-8x.48xlarge | 192 | 1024 | 96GB * 8 | 100 | 15 | 64 | 50 | 50 | 65 | 100万 | 6 |
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IPv6通信。
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使用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IPv6通信。
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IPv6通信。
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IPv6通信。
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IPv6通信。
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IPv6通信。
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IPv6通信。
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IPv6通信。
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IPv6通信。
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IPv6通信。
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 |