同款H100租金差4倍：$2.69与$12.29背后的算力定价逻辑

同一块H100，价格为何能差出四倍

Hacker News 上一条讨论引发关注：同一块 NVIDIA H100 GPU，在不同的租赁平台上的价格可以从每小时 2.69 美元一路跳到 12.29 美元。这不是某个平台的促销失误，而是当前 AI 算力租赁市场结构性差异的缩影。

对于需要批量部署训练或推理任务的团队来说，这个价差意味着同样的预算可能买到四倍以上的算力时长，也可能因为选错平台而白白烧掉大半成本。理解价差从何而来，比记住某一家平台的报价更有价值。

硬件的"同一"只是表面

H100 作为一个型号是统一的，但落到具体租赁单元上，差异藏在细节里：显存配置、互联带宽、是否整机独占、存储与网络是否配套、SLA 保障级别，都会影响最终单价。低价平台往往在配套资源或可用性承诺上做减法，高价平台则把稳定性、合规与运维支持打包进了价格。

换句话说，比较 H100 价格时如果只看"每小时多少钱"，很容易掉进苹果比橘子的陷阱。

SLA（服务等级协议） 是云服务商对可用性、响应时间等指标做出的正式承诺，通常附带未达标时的补偿条款。对 GPU 租赁而言，SLA 决定了当硬件故障或维护导致实例不可用时，用户能获得多少赔偿以及多快的支持响应。高等级 SLA 意味着服务商需要预留冗余硬件、配备 24/7 运维团队，这些成本最终反映在每小时单价上。低价平台往往提供的是"尽力而为"级别的服务，不承诺具体可用性数字，也不对中断造成的损失负责。因此，比较价格时，SLA 条款的差异是判断"贵得是否合理"的关键依据之一。

价差背后的四类供给方

超大规模云厂商：溢价买的是确定性

头部云厂商的 H100 报价通常处于价格区间的高位。它们卖的不只是芯片，还包括全球网络、成熟的安全合规体系、按需弹性以及企业级支持。对已经把业务跑在这些云上的公司来说，迁移成本本身就是一笔隐性支出，因此高价并不必然意味着不划算。

新兴 GPU 云与算力市场：价格发现的主战场

专门做 GPU 租赁的云平台和算力撮合市场，是把价格打到 2.69 美元这一档的主要力量。它们通过更轻的运营结构、更灵活的合约周期，以及把闲置算力重新定价的方式压低单价。Hacker News 讨论中 30 条评论所折射的，正是开发者在"便宜"与"省心"之间的反复权衡。

价格发现是经济学概念，指市场通过供需双方的交易行为逐步确定某种商品合理价格的过程。在 GPU 算力市场，由于供给来源高度分散（超大规模云、专业 GPU 云、矿工转型、企业闲置资源等），且需求波动剧烈，同一型号硬件的成交价尚未收敛到统一水平。撮合市场通过竞价和实时匹配加速了这一过程，但也意味着价格信号嘈杂，买家需要主动比价才能识别真实市场价位。价差越大，说明市场离成熟定价机制越远。

二级市场与短租：便宜但有前提

部分低价供给来自短租或二级转售，价格诱人，但可用性和持续性是变量。任务可以容忍中断时，这类供给性价比极高；需要连续数天稳定跑训练时，风险就需要计入成本。

可中断任务指那些即使中途被终止、也能通过检查点（checkpoint）机制恢复或直接重跑而不造成重大损失的计算负载。批量推理、超参数搜索、小规模微调通常属于此类。相反，长周期大模型训练若缺乏频繁检查点，一旦中断可能损失数小时甚至数天的进度。低价短租供给的可用性波动较大，因此任务是否"可中断"直接决定了低价算力能否被安全利用。将任务按可中断性分类，是评估低价平台适用性的第一步。

怎么选：把单价换算成有效成本

算总账而不是算时价

评估算力成本时，至少要把以下几个因素拉进同一个公式：实际可用时长、任务中断后的重跑开销、数据迁移与存储费用、网络带宽是否额外计费、以及运维人力投入。一个 2.69 美元每小时的报价，如果在可用性上打了折扣，折算下来的有效成本可能远高于表面数字。

按任务类型匹配平台

短周期实验、微调、批量推理等可中断任务，适合用低价弹性供给；长周期大规模训练、对稳定性敏感的生产推理，则更值得为确定性支付溢价。把任务画像和平台特性对齐，比单纯追逐最低价更能省钱。

这组价差说明了什么

同一型号硬件出现四倍价差，说明 GPU 算力市场还处在价格发现阶段，供给碎片化、信息不对称明显。随着更多供给方进入和撮合机制成熟，价差有望收窄，但在那之前，主动比价和精细化成本核算仍然是 AI 团队的基本功。

对开发者而言，这条 Hacker News 讨论的真正价值不在于记住两个数字，而在于意识到：算力采购已经是一项需要专业判断的工程决策，而非简单的下单动作。