租用 GPU 伺服器:NVIDIA L4 與 RTX PRO 6000
以時租比較、按月使用的 GPU 雲端伺服器
- NVIDIA L4 與 RTX PRO 6000
- NVMe 硬碟及專用 IPv4
- 適用於 AI 推論及渲染
GPU 雲端伺服器是在數據中心租用配備圖形處理器(GPU)的伺服器,用來處理 AI 推論、模型微調、影片處理、渲染等並行運算的伺服器。HELPER VPS GPU 雲端伺服器租用收費,一張 NVIDIA L4 每小時 $0.3304 起,實際以月為單位支付發票。
NVIDIA L4
24GB GPU 記憶體
033$/ 小時
每月約 $241
- 1 張 L4,24 GB
- 8 vCPU
- 32 GB RAM
- 250 GB NVMe
- 每月 5 TB 流量
2 張 NVIDIA L4
48GB GPU 記憶體
066$/ 小時
每月約 $482
- 2 張 L4,48 GB
- 16 vCPU
- 64 GB RAM
- 500 GB NVMe
- 每月 8 TB 流量
RTX PRO 6000
96GB GPU 記憶體
67144$/ 月
按月計費
- 1 張 RTX PRO 6000,96 GB
- 18 vCPU
- 96 GB RAM
- 900 GB NVMe
- 每月 10 TB 流量
如工作不需 GPU、長時間使用 CPU 核心 獨立 CPU VPS
GPU 雲端伺服器適合甚麼工作?
GPU 擅長把同一運算分成數千份同時處理。因此在矩陣運算多的 AI 工作及逐像素處理的影片工作上,與 CPU 伺服器差異很大。以下整理了租用 GPU 伺服器的四種代表性用途。
AI 模型推論與 API 服務
把訓練好的語言模型、圖像生成模型、語音識別模型放在伺服器上,每次收到請求便產生答案回傳。以 Ollama 或自行編寫的 Python 伺服器載入模型,再以專用 IPv4 位址連接你的應用程式。
模型微調與實驗
適合以自己的資料再訓練公開模型的微調,以及調整超參數進行的實驗。可在 Jupyter 修改程式碼即時查看結果,並以 PyTorch 延續訓練。
影片轉換與串流處理
大量把影片轉為其他格式或降低解像度,或接收即時串流處理的工作,使用 GPU 的影片處理引擎可節省 CPU 核心,同時運行多個工作。
3D 渲染與資料分析
3D 場景渲染、科學運算、大量資料的並行分析等可細分運算的工作,亦很適合 GPU 伺服器。結果存放在充裕的 NVMe 硬碟,並在每月流量內下載。
L4 與 RTX PRO 6000,應選哪款 GPU?
三款都使用相同付款方式及相同管理畫面,最大分別在於 GPU 記憶體大小。先看要載入的模型及資料能否放入 GPU 記憶體,再考慮同時處理的請求數,便容易選擇。
NVIDIA L4
一張低耗電的數據中心 GPU
適合對象
- 小型語言模型及圖像模型的推論
- 影片轉換與串流處理
- 初次使用 GPU 伺服器的個人項目
- 想以低時租控制成本時
2 張 NVIDIA L4
在一部伺服器同時使用兩張 GPU 的配置
適合對象
- 把兩個模型分開同時提供服務
- 以兩張 GPU 分拆運行的訓練實驗
- 為請求多的推論 API 提升處理量
- 同時需要雙倍 CPU 及記憶體的工作
RTX PRO 6000
一張配備 96GB 記憶體的大型 GPU
適合對象
- 大量使用 GPU 記憶體的大型模型
- 以大批次進行的微調
- 高解像度 3D 渲染與模擬
- 想以一張 GPU 完成大型工作的團隊
GPU 按小時還是按月較好?
研究租用 GPU 雲端伺服器時,多數以每小時價格比較。每日只開幾小時的實驗,時租較方便;像服務般 24 小時長開的伺服器,則每月收費更重要。同一 GPU 亦會因使用方式不同而要計算的數字不同,因此最好先決定每日要開多少小時。
HELPER VPS 為方便比較,以每小時價格顯示 L4 伺服器,實際以月為單位付款。時租乘以每月約 730 小時即卡片下方的月費,RTX PRO 6000 則直接以月費顯示。同時查看時租與月費,無論用哪種方式比較都容易。
按月付款金額固定,容易制定預算。推論 API 或機械人等長開服務,以及持續數日的訓練,毋須中途計算時間,每月支付相同金額,伺服器便會延續。長時間訓練亦可由頭到尾連續運行。
GPU 伺服器與一般 VPS 有何分別?
一般 VPS 是分用 vCPU、記憶體及硬碟的伺服器,所有運算都由 CPU 負責。GPU 伺服器則額外配備整張 GPU,把矩陣乘法這類大量重複相同運算的工作交給 GPU,CPU 負責準備資料及處理請求。兩者分工,整體工作更快完成。
GPU 有自己的記憶體。模型權重及運算中間值都載入這個 GPU 記憶體,因此決定工作規模的往往是 GPU 記憶體大小,而非伺服器記憶體。L4 每張 24GB,RTX PRO 6000 則為 96GB。兩張 L4 的伺服器同時使用兩張 24GB GPU,可把模型分開載入,或把工作分成兩份運行。
網站、數據庫和常規機器人無需 GPU 即可正常運行,因此雲端 VPS 更適合它們。當您自行運行 AI 模型或大量處理視頻時,添加 GPU 伺服器,並將其餘服務保留在經濟實惠的 VPS 上,以保持總成本低廉。
租用 GPU 伺服器收費多少?
一張 NVIDIA L4 的伺服器每小時 $0.3304,每月約 $241.19。兩張 L4 每小時 $0.6608,RTX PRO 6000 每月 $671.44,vCPU、記憶體、NVMe 硬碟、流量及 IP 位址全部已包括在此收費內。
按 GPU 記憶體選擇的收費
分為 24GB、48GB、96GB 三級,可按要載入的模型大小即時選擇。GPU 增加時,CPU、記憶體、硬碟及流量亦一同增加。
已包括全部規格的定額收費
卡片列明的收費已包括 GPU、vCPU、記憶體、NVMe 硬碟、每月流量、專用 IPv4 及 IPv6,計算簡單。
每月支付發票
在每個結算日支付月費以保持伺服器運行。無需註冊信用卡或簽訂合同:只需在需要時付款。
數字看 HELPER VPS
在一個帳戶中選擇 40 個地區、12 個操作系統和 10 個一鍵應用程式,並立即支付。以下數字基於目前的銷售清單。
40
數據中心地區
12
作業系統
10
一鍵應用程式
$0.33
此產品起價(每月)
在 GPU 伺服器即用的 AI 工具
在 Ubuntu 24.04 及 CUDA 上使用 Docker、Python、PyTorch、Ollama、Jupyter,以熟悉的方式開始工作。
- Ubuntu 24.04 + CUDA
- Docker
- Python
- PyTorch
- Ollama
- Jupyter
選擇 HELPER VPS GPU 伺服器的原因
整張 GPU 獨享的伺服器
卡片列明的 GPU 張數原樣配到你的伺服器,整個 GPU 記憶體都可用於你的模型及資料。
充裕的 NVMe 硬碟
附 250GB 至 900GB NVMe 硬碟,模型檔案、資料集及訓練結果都可直接放在伺服器內。
配合 GPU 的 CPU 與記憶體
每張 L4 配 8 vCPU 及 32GB,RTX PRO 6000 配 18 vCPU 及 96GB,確保資料準備階段不會讓 GPU 空等。
以 root 權限自由安裝
在驅動程式之上自行安裝想要版本的框架及程式庫,服務運行方式亦由你決定。
專用 IPv4 及 IPv6
每部伺服器都配一個專用 IPv4 位址及 IPv6,推論 API 或 Jupyter 可即時連接到你的網域。
SSH 金鑰登入
登記公開金鑰後即可免密碼登入。指紋以與 ssh-keygen 相同的方式顯示,即時認出是哪把金鑰。
使用一個帳戶管理 GPU 和 VPS
在同一帳戶中管理 GPU 伺服器和常規 VPS,輕鬆將模型伺服器和網頁伺服器分開。
一個帳戶令牌即可註冊
以一個帳戶令牌註冊,把令牌存好,便可在任何裝置以同一帳戶登入。
以 API 金鑰自動化
首次付款後,獲取 API 密鑰以從代碼中處理伺服器列表和管理任務。
GPU 伺服器可在哪些地區使用?
HELPER VPS 在美洲、歐洲、中東、非洲和亞太地區的 40 個城市設有伺服器。訂購 GPU 伺服器時會顯示可選地區;選擇靠近用戶和數據的地區以獲得更快的響應。
德國
荷蘭
英國
法國
美國 7 個城市
加拿大
巴西
新加坡
日本 2 個城市
印度 2 個城市
澳洲 2 個城市
墨西哥
西班牙
瑞典
波蘭
南非
南韓
德國
荷蘭
英國
法國
美國 7 個城市
加拿大
巴西
新加坡
日本 2 個城市
印度 2 個城市
澳洲 2 個城市
墨西哥
西班牙
瑞典
波蘭
南非
南韓
智利
哥倫比亞
意大利
瑞士
芬蘭
土耳其
阿拉伯聯合酋長國
以色列
沙地阿拉伯
尼日利亞
中國香港特別行政區
台灣
印尼
泰國
GPU 伺服器常見問題
有關 GPU 雲端伺服器租用收費、付款及規格選擇的解答
GPU 伺服器按小時收費嗎?
GPU 伺服器按月計費。L4 伺服器每月費用為 $241.19,在創建伺服器時支付,並每月以相同金額續期。每小時 $0.3304 的價格顯示以便與其他服務輕鬆比較。
一部 GPU 伺服器每月多少錢?
一張 NVIDIA L4 的伺服器每月約 $241.19,兩張 L4 伺服器約 $482.38,RTX PRO 6000 伺服器 $671.44。此金額已包括 GPU、vCPU、記憶體、NVMe 硬碟、每月流量、專用 IPv4 及 IPv6,沒有另外加收的規格費用。
2 張 L4 與 RTX PRO 6000 有何不同?
2 張 L4 是在一部伺服器使用兩張 24GB GPU 的配置,RTX PRO 6000 則是一張配備 96GB 記憶體的 GPU。要把兩個模型分開提供服務或把工作分給兩張 GPU,適合 2 張 L4;要把大型模型整個載入一張 GPU 的記憶體,則適合 RTX PRO 6000。
可用甚麼付款方式租用 GPU 伺服器?
訂購 GPU 伺服器時,選擇付款方式並支付月費。首月付款後,伺服器即被創建,您可以在每個續期日支付相同金額來續期。退款將退還至您的帳戶信用額。
如果我不續期 GPU 伺服器付款會怎樣?
如果您未在續期日付款,伺服器將被暫停。您可以在 3 天內續期以重新啟動它。3 天後,伺服器及其磁盤數據將被刪除,因此請提前備份訓練結果和模型文件。您可以在控制面板中查看下一個續期日。
需要自行安裝 CUDA 及 PyTorch 嗎?
我們以 Ubuntu 24.04 及 CUDA 為基礎,按使用 Docker、Python、PyTorch、Ollama、Jupyter 等 AI 工具的環境提供指引。你有 root 權限,可加裝想要版本的程式庫,或直接下載並運行已準備好的 Docker 映像。
GPU 會與他人共用嗎?
卡片列明的 GPU 張數原樣配到你的伺服器,整個 GPU 記憶體都用於你的工作。2 張 L4 伺服器的兩張都是你伺服器的 GPU,哪個工作交給哪張 GPU 亦由你決定。伺服器內的 CPU、記憶體及 NVMe 硬碟亦按卡片列明分配給你的伺服器,不會與他人的工作混雜。
為何 GPU 記憶體大小重要?
模型權重及運算中間值都載入 GPU 記憶體,因此 GPU 記憶體大小決定可處理的工作規模。即使同一模型,所需記憶體亦隨精度、批次大小及同時請求數而不同,請按你的設定計算需求,再從 24GB、48GB、96GB 中選擇。
儲存空間不足怎麼辦?
每部 GPU 伺服器都附 250GB、500GB 或 900GB NVMe 硬碟,可把模型檔案及工作資料放在伺服器內。長期保存的資料集及成果另放在物件儲存,GPU 伺服器硬碟只用於目前使用的檔案,管理更方便。如想預留充裕容量,請選擇配備更大硬碟的上級配置。
如何訂購 GPU 伺服器?
點擊購買按鈕,創建帳戶,選擇 GPU 伺服器類型和地區,選擇付款方式並下單。有關選擇規格或環境的問題,請在首次付款後立即在支持頁面上詢問。
GPU 伺服器指南
收到 GPU 伺服器後最好立即跟著做的指引
- 首次登入以 root 登入新伺服器並更改密碼的步驟,附 Windows、Mac 及 Linux 使用的 SSH 指令。
- 建立及登記 SSH 金鑰以 ssh-keygen 建立並登記金鑰,免密碼安全登入 GPU 伺服器的方法。
- 基本防火牆設定只向需要的地方開放 Jupyter 或推論 API 連接埠、關閉其餘連接埠的防火牆設定範例。
顯示的價格以美元為單位,每小時價格僅供比較。實際付款按月處理,您可以在每個續期日支付相同金額來續期伺服器。
最短期限:1 個月 | 取消:隨時從控制面板刪除 | 如果未續期:暫停,3 天後刪除 | 已刪除伺服器的剩餘時間不予退款。退款將退還至您的帳戶信用額。
