因為從事人工智能行業多年，所以對GPU服務器這一些了解，用過雙卡，4卡，8卡，甚至16卡都有涉足，價格幾萬一臺到上百萬的單臺GPU服務器都有，從早起的K40，K80，到現在的A100，3090 ，有一點感觸很深，進入“GPU算力時代”，GPU性能越來越強，價格越來越高，也導致服務器的價格越來越高，單臺百萬很容易。
當然也用過一些GPU云服務器，大廠的，比如：阿里云，騰訊云，華為云，但是這有一個問題，比較貴，而且不集成框架和數據集。所以本次重點只討論專門做GPU云的小廠，
目前用過的有：Gpushare.com 恒源云、Paperspace、FloydHub、Featurize、易學智能、矩池云、智星云、MistGPU、Openbayes、BitaHub
相對大廠，這些平臺的價格都比較便宜，其中最近在用的恒源云http://Gpushare.com ，價格不但便宜，而且集成了很多好用的功能，比如數據集，框架的集成，還有“恒源云 微信小程序“，可以隨時管理資源，如果機器沒有訓練任務，還會提醒你關機，真是良心平臺。
以下是他們平臺的GPU價格列表，而且學生和高校機構還有專屬折扣（學生黨低于一下價格）
1080Ti 1.4 元/小時
2080Ti 1.8 元/小時
3080Ti 2 元/小時
3090 2.8 元/小時
RTX5000 4 元/小時
Tesla T4 2 元/小時
Tesla V100 5.5 元/小時
如果按照有效使用時間（每年差不多35%的時間跑任務），和購買物理機相比，幾乎無差異了。而且隨時切換，卡的種類很多，而且還有8卡高性能服務器，非常方便。
進入正題：
接下來對比雙卡3090的GPU物理機 和 雙卡3090 云GPU服務器，做個詳細對比。
（選雙卡對比，因為單卡的話，有點浪費，4卡的話對學生黨還是挺貴的，）
以下對比的都是整機價格，包含CPU，內存，硬盤，網絡
表格還不夠直觀，來一個曲線圖，更加直觀（三年緯度，硬件一般3年）
得出如下觀點：
1.如果你配的電腦三年的使用率低于40%，其實硬件的成本優勢，并沒有發揮出來，
2.云主機，啟動成本低，跑幾個模型練練手，最多花費1000，然后在重新評估下利用率，再考慮是否入手物理機。
本次對比的服務器是一個DIY服務器，非品牌，品牌機價格更貴一些，只是建議，如果動手能力強，預算充足，愛折騰硬件，那買物理機當然隨意了，畢竟自己的機器。