GPU虚拟化型实例具有高性能图形处理和GPU加速计算能力，适用于图形加速/渲染场景或通用计算业务场景。本文为您介绍云服务器ECS GPU虚拟化型实例规格族的特点，并列出了具体的实例规格。
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。