## 概述 GPU计算型实例基于多种NVIDIA Tesla显卡，在各类推理场景及分子计算场景下提供高性价比。适用于深度学习及AI推理训练，如图像处理、语音识别等人工智能算法的训练应用。请参考本文介绍选择符合您业务需求的实例规格，确保所选规格满足您业务的最低CPU、内存需求。 :::warning 如需了解实例类型、预估实例费用、查看实例可购买地域、查看实例变配情况以及了解实例命名规则等，请参见[实例类型和规格介绍](https://www.volcengine.com/docs/6396/70840)。 ::: |规格名称 |显卡类型 |特点 | |---|---|---| |[GPU计算型gni2](https://www.volcengine.com/docs/6396/100717#gpu%E8%AE%A1%E7%AE%97%E5%9E%8Bgni2) |A10 |Ampere架构的推理主力机型，适用于大规模AI推理场景；支持NVIDIA RTX™功能，提供高性能的3D图形虚拟化能力，支持图片或视频渲染。 | |[GPU计算型ini2](https://www.volcengine.com/docs/6396/100717#gpu%E8%AE%A1%E7%AE%97%E5%9E%8Bini2) |A30 |具有强大的双精度浮点运算能力和较高的深度学习推理吞吐量，适用于大规模AI推理场景，但不支持图片或视频渲染。 | |[GPU计算型pni2](https://www.volcengine.com/docs/6396/100717#gpu%E8%AE%A1%E7%AE%97%E5%9E%8Bpni2) |A100 |相较于V100和A30显卡，A100的运算能力更高，内存能力更强，具有强大的双精度浮点运算能力，主要针对有更高CPU、内存、GPU显卡性能需求的场景，适用于人工智能、科学计算、科研产业等，推理和训练效率可成倍提升。 | |[GPU计算型g1ve](https://www.volcengine.com/docs/6396/100717#gpu%E8%AE%A1%E7%AE%97%E5%9E%8Bg1ve) |V100 |^^| |[GPU计算型g1te](https://www.volcengine.com/docs/6396/100717#gpu%E8%AE%A1%E7%AE%97%E5%9E%8Bg1te) |T4 |主要面向推理端，适用于推理或入门级的训练，或是图片渲染。 | |[GPU计算型g1tl](https://www.volcengine.com/docs/6396/100717#gpu%E8%AE%A1%E7%AE%97%E5%9E%8Bg1tl) |^^|^^| ## GPU计算型gni2 :::tip 当前仅华北2（北京）、华东2（上海）地域提供该实例。 ::: **规格特点** |类型 |性能 | |---|---| |计算 |采用第三代英特尔® 至强® 可扩展处理器（Ice Lake），主频 2.3 GHz，全核睿频 3.0 GHz | |^^|处理器与内存配比为1:4 | |^^|最大支持112 vCPU，448 GiB | |^^|GPU显卡：NVIDIA A10（单卡24 GB显存），单台实例最多支持挂载4张显卡 | |存储 |极速型SSD云盘 | |^^|存储I/O性能与计算规格相关，规格越高，性能越强 | |网络 |最大网络带宽：80 Gbit/s | |^^|最大网络收发包：1000 万PPS | |^^|网络性能与计算规格相关，规格越高，性能越强 | **使用场景** * 深度学习的推理场景和小规模训练场景，例如： * 大规模部署的 AI 推理 * 深度学习小规模训练 * 支持NVIDIA RTX™功能，提供高性能的3D图形虚拟化能力，适用于如下场景如： * 图形图像处理 * 视频编解码 * 图形数据库 **规格指标明细** :::tip 由于业务场景的不同，网络收发包PPS会存在明显差异。因此，建议您进行业务压测以了解实例的性能表现，以便选择合适的实例规格。 ::: |实例规格 |vCPU |内存（GiB） |GPU |GPU显存（GB） |（出+入）网络带宽能力（Gbit/s） |（出+入）网络收发包能力（万PPS） |连接数（万） |网卡多队列 |弹性网卡（包含一张主网卡） |单网卡私有IP |云盘IOPS（万） |云盘带宽（Gbit/s） |云盘数量（包含一块系统盘） |磁盘队列数 | |---|---|---|---|---|---|---|---|---|---|---|---|---|---|---| |ecs.gni2.3xlarge |14 |56 |A10 \* 1 |24GB \* 1 |20 |250 |100 |4 |5 |30 |8 |8 |16 |4 | |ecs.gni2.7xlarge |28 |112 |A10 \* 1 |24GB \* 1 |20 |250 |100 |8 |5 |30 |8 |8 |16 |4 | |ecs.gni2.10xlarge |42 |168 |A10 \* 1 |24GB \* 1 |20 |250 |100 |16 |5 |30 |8 |8 |16 |4 | |ecs.gni2.14xlarge |56 |224 |A10 \* 2 |24GB \* 2 |40 |500 |200 |16 |8 |30 |15 |16 |16 |4 | |ecs.gni2.28xlarge |112 |448 |A10 \* 4 |24GB \* 4 |80 |1000 |400 |32 |8 |30 |30 |32 |16 |4 | ## GPU计算型ini2 **规格特点** |类型 |性能 | |---|---| |计算 |采用第三代英特尔® 至强® 可扩展处理器（Ice Lake），主频 2.3 GHz，全核睿频 3.0 GHz | |^^|处理器与内存配比为1:8.35 | |^^|最大支持112 vCPU，936 GiB | |^^|GPU显卡：NVIDIA A30（单卡24 GB显存），单台实例最多支持挂载4张显卡 | |存储 |极速型SSD云盘 | |^^|存储I/O性能与计算规格相关，规格越高，性能越强 | |网络 |最大网络带宽：80 Gbit/s | |^^|最大网络收发包：1000 万PPS | |^^|网络性能与计算规格相关，规格越高，性能越强 | **使用场景** * 大规模部署的AI推理。 * 深度学习小规模训练。 * 不支持图片、视频渲染。 **规格指标明细** :::tip 由于业务场景的不同，网络收发包PPS会存在明显差异。因此，建议您进行业务压测以了解实例的性能表现，以便选择合适的实例规格。 ::: |实例规格 |vCPU |内存（GiB） |GPU |GPU显存（GB） |（出+入）网络带宽能力（Gbit/s） |（出+入）网络收发包能力（万PPS） |连接数（万） |网卡多队列 |弹性网卡（包含一张主网卡） |单网卡私有IP |云盘IOPS（万） |云盘带宽（Gbit/s） |云盘数量（包含一块系统盘） |磁盘队列数 | |---|---|---|---|---|---|---|---|---|---|---|---|---|---|---| |ecs.ini2.7xlarge |28 |234 |A30 \* 1 |24GB \* 1 |20 |250 |100 |16 |8 |30 |10 |8 |16 |4 | |ecs.ini2.14xlarge |56 |468 |A30 \* 2 |24GB \* 2 |40 |500 |200 |16 |8 |30 |18 |16 |16 |4 | |ecs.ini2.28xlarge |112 |936 |A30 \* 4 |24GB \* 4 |80 |1000 |400 |32 |15 |30 |35 |32 |16 |4 | ## GPU计算型pni2 :::tip 如需使用该实例，请联系客户经理申请。 ::: **规格特点** |类型 |性能 | |---|---| |计算 |采用第三代英特尔® 至强® 可扩展处理器（Ice Lake），主频 2.3 GHz，全核睿频 3.0 GHz | |^^|处理器与内存配比为1:17.5 | |^^|最大支持112 vCPU，1960 GiB | |^^|GPU显卡：NVIDIA A100（单卡80 GB显存），单台实例最多支持挂载8张显卡 | |存储 |极速型SSD云盘 | |^^|存储I/O性能与计算规格相关，规格越高，性能越强 | |网络 |最大网络带宽：80 Gbit/s | |^^|最大网络收发包：1000 万PPS | |^^|网络性能与计算规格相关，规格越高，性能越强 | **使用场景** * 深度学习训练和推理，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，例如高性能数据库、计算流体动力学、计算金融学、地震分析、基因组学等。 **规格指标明细** :::tip 由于业务场景的不同，网络收发包PPS会存在明显差异。因此，建议您进行业务压测以了解实例的性能表现，以便选择合适的实例规格。 ::: |实例规格 |vCPU |内存（GiB） |GPU |GPU显存（GB） |（出+入）网络带宽能力（Gbit/s） |（出+入）网络收发包能力（万PPS） |连接数（万） |网卡多队列 |弹性网卡（包含一张主网卡） |单网卡私有IP |云盘IOPS（万） |云盘带宽（Gbit/s） |云盘数量（包含一块系统盘） |磁盘队列数 | |---|---|---|---|---|---|---|---|---|---|---|---|---|---|---| |ecs.pni2.3xlarge |14 |245 |A100 \* 1 |80GB \* 1 |10 |120 |50 |4 |5 |30 |4 |4 |16 |1 | |ecs.pni2.7xlarge |28 |490 |A100 \* 2 |80GB \* 2 |20 |150 |100 |8 |8 |30 |9 |8 |16 |2 | |ecs.pni2.14xlarge |56 |980 |A100 \* 4 |80GB \* 4 |40 |500 |200 |16 |8 |30 |18 |16 |16 |4 | |ecs.pni2.28xlarge |112 |1960 |A100 \* 8 |80GB \* 8 |80 |1000 |400 |32 |15 |30 |35 |32 |16 |4 | ## GPU计算型g1ve **规格特点** |类型 |性能 | |---|---| |计算 |采用第二代英特尔® 至强® 可扩展处理器（Cascade Lake），主频2.4 GHz，全核睿频3.1 GHz | |^^|处理器与内存配比约为1:4 | |^^|最大支持84 vCPU，342 GiB | |^^|GPU显卡：NVIDIA Tesla V100（单卡32 GB显存），单台实例最多支持挂载8张显卡 | |存储 |极速型SSD云盘 | |^^|存储I/O性能与计算规格相关，规格越高，性能越强 | |网络 |最大网络带宽：25 Gbit/s | |^^|最大网络收发包：450 万PPS | |^^|网络性能与计算规格相关，规格越高，性能越强 | **使用场景** * 机器学习训练场景，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。 * 高性能科学计算和仿真计算，例如计算流体动力学、计算金融学、分子动力学、环境分析等。 **规格指标明细** :::tip 由于业务场景的不同，网络收发包PPS会存在明显差异。因此，建议您进行业务压测以了解实例的性能表现，以便选择合适的实例规格。 ::: |实例规格 |vCPU |内存（GiB） |GPU |GPU显存(GB) |（出+入）网络带宽能力（Gbit/s） |（出+入）网络收发包能力（万PPS） |连接数（万） |网卡多队列 |弹性网卡（包括一块主网卡） |单网卡私有IP |云盘IOPS（万） |云盘带宽（Gbit/s） |云盘数量（含一块系统盘） |磁盘队列数 | |---|---|---|---|---|---|---|---|---|---|---|---|---|---|---| |ecs.g1ve.2xlarge |8 |32 |V100\*1 |32GB \* 1 |3 |50 |20 |8 |4 |10 |4 |3 |15 |2 | |ecs.g1ve.4xlarge |16 |64 |V100\*2 |32GB \* 2 |5 |100 |60 |8 |8 |20 |4 |3 |15 |2 | |ecs.g1ve.8xlarge |32 |128 |V100\*4 |32GB \* 4 |10 |180 |120 |16 |8 |20 |8 |5 |15 |4 | |ecs.g1ve.21xlarge |84 |342 |V100\*8 |32GB \* 8 |25 |450 |300 |32 |15 |20 |20 |12 |15 |4 | ## GPU计算型g1te **规格特点** |类型 |性能 | |---|---| |计算 |采用第二代英特尔® 至强® 可扩展处理器（Cascade Lake），主频2.4 GHz，全核睿频3.1 GHz | |^^|处理器与内存配比约为1:4 | |^^|最大支持84 vCPU，214 GiB | |^^|GPU显卡：NVIDIA Tesla T4（单卡16 GB显存），单台实例最多支持挂载8张显卡 | |存储 |极速型SSD云盘 | |^^|存储I/O性能与计算规格相关，规格越高，性能越强 | |网络 |最大网络带宽：25 Gbit/s | |^^|最大网络收发包：250 万PPS | |^^|网络性能与计算规格相关，规格越高，性能越强 | **使用场景** * AI计算机视觉、语音识别、语音合成、NLP、机器翻译、推荐系统。 * 视频渲染和图形工作站。 **规格指标明细** :::tip 由于业务场景的不同，网络收发包PPS会存在明显差异。因此，建议您进行业务压测以了解实例的性能表现，以便选择合适的实例规格。 ::: |实例规格 |vCPU |内存（GiB） |GPU |GPU显存(GB) |（出+入）网络带宽能力（Gbit/s） |（出+入）网络收发包能力（万PPS） |连接数（万） |网卡多队列 |弹性网卡（包括一块主网卡） |单网卡私有IP |云盘IOPS（万） |云盘带宽（Gbit/s） |云盘数量（含一块系统盘） |磁盘队列数 | |---|---|---|---|---|---|---|---|---|---|---|---|---|---|---| |ecs.g1te.xlarge |4 |16 |T4 \* 1 |16GB \* 1 |2 |50 |25 |4 |2 |6 |2 |1.5 |15 |1 | |ecs.g1te.2xlarge |8 |26 |T4 \* 1 |16GB \* 1 |3 |60 |25 |8 |4 |10 |4 |3 |15 |2 | |ecs.g1te.4xlarge |16 |52 |T4 \* 2 |16GB \* 2 |5 |100 |60 |16 |8 |20 |8 |5 |15 |4 | |ecs.g1te.8xlarge |32 |104 |T4 \* 4 |16GB \* 4 |10 |180 |120 |32 |8 |20 |15 |10 |15 |4 | |ecs.g1te.21xlarge |84 |214 |T4 \* 8 |16GB \* 8 |25 |250 |300 |32 |15 |20 |20 |12 |15 |4 | ## GPU计算型g1tl **规格特点** |类型 |性能 | |---|---| |计算 |采用第二代英特尔® 至强® 可扩展处理器（Cascade Lake），主频2.4 GHz，全核睿频3.1 GHz | |^^|处理器与内存配比约为1:4 | |^^|最大支持84 vCPU，342 GiB | |^^|GPU显卡：NVIDIA T4（单卡16 GB显存），单台实例最多支持挂载4张显卡 | |存储 |极速型SSD云盘（推荐）或性能型SSD云盘 | |^^|系统盘和数据盘的类型需保持一致，即同为极速型或同为性能型SSD云盘 | |^^|存储I/O性能与计算规格相关，规格越高，性能越强 | |网络 |最大网络带宽：25 Gbit/s | |^^|最大网络收发包：450 万PPS | |^^|网络性能与计算规格相关，规格越高，性能越强 | **使用场景** * 配备高性能CPU、内存、GPU，适用于处理高并发AI计算机视觉、语音识别、语音合成、NLP、机器翻译、推荐系统。 * 视频渲染和重度图形工作站。 **规格指标明细** :::tip 由于业务场景的不同，网络收发包PPS会存在明显差异。因此，建议您进行业务压测以了解实例的性能表现，以便选择合适的实例规格。 ::: |实例规格 |vCPU |内存（GiB） |GPU |GPU显存（GB） |（出+入）网络带宽能力（Gbit/s） |（出+入）网络收发包能力（万PPS） |连接数（万） |网卡多队列 |弹性网卡（包含一张主网卡） |单网卡私有IP |云盘IOPS（万） |云盘带宽（Gbit/s） |云盘数量（包含一块系统盘） |磁盘队列数 | |---|---|---|---|---|---|---|---|---|---|---|---|---|---|---| |ecs.g1tl.4xlarge |16 |64 |T4 \* 1 |16GB \* 1 |5 |100 |60 |8 |8 |20 |4 |3 |15 |2 | |ecs.g1tl.8xlarge |32 |128 |T4 \* 2 |16GB \* 2 |10 |180 |120 |16 |8 |20 |8 |5 |15 |4 | |ecs.g1tl.16xlarge |64 |256 |T4 \* 4 |16GB \* 4 |18 |350 |250 |32 |8 |20 |15 |10 |15 |4 | |ecs.g1tl.21xlarge |84 |342 |T4 \* 4 |16GB \* 4 |25 |450 |300 |32 |15 |20 |20 |12 |15 |4 | ## 相关文档 [购买GPU计算型实例](https://www.volcengine.com/docs/6419/74499)

云服务器