Los 30 principales proveedores de GPU en la nube y sus GPU en 2026

Realizamos pruebas comparativas de las 10 GPU más comunes en escenarios típicos (por ejemplo, ajustando un modelo LLM como Llama 3.2). Basándonos en estos resultados, si usted:

• Para saber qué modelo de GPU (por ejemplo, H100) necesitas, consulta los modelos que ofrece cada proveedor de GPU en la nube.
• ¿No sabes qué modelo usar? Consulta las GPU más rentables.
• Quiero ver a los principales proveedores de GPU en la nube:

Nube	Marcas*	Modelos**	Combinaciones***
RunPod	Chips AMD como MI300X	27	53
AWS	Chips de AWS como Trainium	7	19
Azure	Trabajando en sus propios chips	6	14
GCP	Google Unidades de procesamiento de tensores en la nube (TPU)	8	30
OCI		6	17
Alibaba Cloud	Chips de Alibaba como Hanguang 800	5	6
Nvidia DGX		23	23
Vast.ai		25	50
CoreWeave		13	13
AceCloud		9	17

Mostrar más (10)

Clasificación : Los patrocinadores aparecen enlazados y resaltados en la parte superior. A continuación, se muestran los proveedores de servicios en la nube ordenados por cuota de mercado en EE. UU. Finalmente, los proveedores se ordenan según el número de modelos que ofrecen.

* Todos los proveedores ofrecen GPU de Nvidia. Además, algunos proveedores de servicios en la nube ofrecen hardware de otros fabricantes de chips de IA , como se indica en esta columna.

** Se ofrecen distintos modelos de GPU Nvidia. Por ejemplo, «A100 40 GB» y «A100 80 GB» se consideran modelos diferentes. Tenga en cuenta que los distintos tipos de interconexión (SXM, PCIe) para el mismo modelo de GPU se agrupan.

*** Se ofrecen distintas combinaciones de múltiples GPU. Por ejemplo, “1 x A100 40 GB” y “2 x A100 40 GB” se consideran combinaciones de múltiples GPU independientes. Si bien los proveedores de servicios en la nube pueden ofrecer diversas cantidades de GPU, nuestro análisis se centra en configuraciones de potencia de 2 (2, 4, 8, 16, 32 GPU) para una comparación de eficiencia estandarizada.

Las GPU pueden implementarse sin servidor, como GPU virtuales o como GPU dedicadas. Si bien la implementación sin servidor ofrece la forma más sencilla de gestionar las cargas de trabajo, la implementación dedicada proporciona el máximo control sobre el hardware. Si busca específicamente estas opciones, consulte las secciones correspondientes.

• GPU sin servidor
• GPU virtuales (o vGPU)

Al enumerar las ventajas y desventajas de cada proveedor, nos basamos en nuestras pruebas de rendimiento de GPU y en las reseñas en línea.

¿Cuáles son los principales proveedores de GPU virtuales?

Las GPU virtuales (vGPU) son máquinas virtuales que permiten a varios usuarios compartir GPU en la nube. Son la forma más común de GPU en la nube. Entre los principales proveedores se incluyen:

Proveedores de servicios en la nube a gran escala (AWS, Azure, GCP)

Los proveedores de servicios en la nube a gran escala tienen algunos aspectos comunes:

Ventajas

Controladores y aplicaciones preinstalados : Configurar una instancia con los controladores adecuados requiere mucho tiempo debido a las dependencias entre el chip de la GPU, sus controladores, el sistema operativo y las aplicaciones. Por ejemplo, si Ubuntu 25.0 no es compatible con el controlador Tesla K80 NVIDIA, deberá elegir una versión anterior de Ubuntu para poder utilizarlo.

Los tres principales proveedores de servicios en la nube a gran escala permiten a los usuarios gestionar las imágenes de máquina, lo que facilita este proceso. Sin embargo, los usuarios aún necesitan identificar la imagen de máquina correcta para el hardware que seleccionen. Los nombres de estos servicios son:

• Imágenes de máquina de Amazon (AMI)
• Extensiones Azure
• Imágenes personalizadas de GCP

Desventajas

• La aprobación de cuota es necesaria para casi todas las GPU. No esperes abrir una cuenta en la nube y empezar a usar las GPU de inmediato.
• Las tarjetas gráficas más recientes, como la H100, a menudo no están disponibles bajo demanda.
• Resulta difícil determinar la capacidad de la GPU . Durante nuestras pruebas de rendimiento, pudimos consultar las tarjetas gráficas disponibles por región. Por ejemplo, la calculadora de precios de AWS ofrece esta funcionalidad. Sin embargo, no encontramos datos de capacidad para ninguna región. Por lo tanto, tuvimos que probar a iniciar instancias en diversas combinaciones de regiones y tipos de instancia para encontrar una configuración que utilizara GPU.

Amazon Web Services (AWS)

AWS es el mayor proveedor de plataformas en la nube y un proveedor líder de GPU en la nube. ¹ Amazon EC2 (Elastic Compute Cloud) ofrece instancias de máquinas virtuales con GPU, lo que facilita la aceleración de los cálculos para tareas de aprendizaje profundo.

Actualizaciones recientes

• AWS EC2 G7e está disponible con GPU Blackwell NVIDIA (RTX PRO 6000) y es ideal para cargas de trabajo de inferencia de IA de alto rendimiento y computación espacial y científica, con disponibilidad inicial en el este de EE. UU. (Norte de Virginia) y el este de EE. UU. (Ohio).

Ventajas

Ofrece una integración perfecta con otras soluciones populares de AWS como:

• Proceso de asignación de cuotas sencillo : solicitamos cada instancia de GPU por separado y recibimos la cuota para todos los tipos de GPU en AWS aproximadamente un día después de nuestra solicitud, sin necesidad de más discusiones.
• SageMaker se utiliza para crear, entrenar, implementar y escalar modelos de aprendizaje automático. SageMaker Studio Lab incluye 15 GB de almacenamiento persistente y créditos de computación gratuitos.
• Redshift , OpenSearch , Amazon S3 (Simple Storage Service) , Amazon RDS (Relational Database Services) u otros servicios de AWS, que pueden servir como soluciones de almacenamiento para datos de entrenamiento.

Desventajas

• Durante nuestras pruebas de rendimiento , el apagado de las GPU tardó horas . Otros proveedores lo completan en cuestión de minutos.
• Menos opciones de GPU que algunos proveedores centrados en GPU como Coreweave.
• Curva de aprendizaje pronunciada: al ser la primera y más grande nube, ofrece capacidades integrales que pueden hacer que la interfaz de usuario parezca recargada.

Precios

• Las instancias Spot pueden ofrecer descuentos significativos, a veces de hasta el 90 % sobre los precios bajo demanda.

Microsoft Azure

Microsoft Azure, el segundo mayor proveedor de servicios en la nube, ofrece un servicio de GPU basado en la nube, Azure Máquinas Virtuales Serie N, que aprovecha las GPU NVIDIA, al igual que otros proveedores, para ofrecer capacidades de computación de alto rendimiento. Este servicio es especialmente adecuado para aplicaciones exigentes como el aprendizaje profundo, las simulaciones, la renderización y el entrenamiento de modelos de IA.

También se rumorea que Microsoft ha comenzado a producir sus propios chips. ²

Ventajas

• Proceso de cuotas sencillo : El proceso fue similar al de AWS, pero el formulario de solicitud requirió más tiempo.
• La curva de aprendizaje de la interfaz de usuario es menos pronunciada que con proveedores como AWS.

Desventajas

• Algunos usuarios consideran que ciertas funciones avanzadas de Azure requieren un alto nivel de conocimientos técnicos para su configuración y gestión efectiva. ³

Precios

Vea todos los precios de las GPU Azure y compárelos con otros proveedores.

Google Plataforma en la nube (GCP)

Google Cloud Platform (GCP) es la tercera plataforma en la nube más grande.

Actualizaciones recientes

• Nuevos entornos de computación : GCP introdujo instancias A3 Ultra con GPU H200 (NVIDIA), lo que mejora el rendimiento de la IA. ⁴

Ventajas

• Ofrece la mayor flexibilidad (entre los tres principales proveedores de hiperescaladores) en combinaciones de CPU, GPU y almacenamiento: podemos seleccionar una CPU y un tamaño de memoria, y luego conectar una o más GPU a la instancia. Esto proporciona mayor flexibilidad que la elección de tipos de instancia específicos, como ocurre con otros proveedores de hiperescaladores.
• Interfaz de usuario más fácil de usar en comparación con AWS.
• Ofrece algunas opciones de GPU gratuitas para usuarios de Kaggle y Colab.
• Los clientes pueden usar más de 20 productos gratis, hasta un límite de uso mensual.

Desventajas

• Configurar la combinación adecuada de CPU, GPU y almacenamiento es más complejo, ya que prácticamente cualquier combinación es posible. Los usuarios también deben sumar los precios de los diferentes componentes (por ejemplo, GPU, almacenamiento) para calcular el precio total de la instancia.
• El proceso de asignación de cuotas requería rellenar formularios complejos y nos llevó varios días.

Precios

Consulta todos los precios de las GPU de GCP en todas las regiones.

NVIDIA Nube DGX

NVIDIA es el líder en hardware de GPU. NVIDIA lanzó su oferta de nube GPU, DGX Cloud, mediante el arrendamiento de espacio en los centros de datos de los principales proveedores de nube (por ejemplo, OCI, Azure y GCP).

DGX Cloud ofrece las plataformas Base NVIDIA™, AI Enterprise NVIDIA y de redes NVIDIA. Las instancias de DGX Cloud se lanzaron con 8 GPU Tensor Core H100 o A100 de 80 GB.

El equipo de investigación de Amgen, uno de sus primeros clientes, afirma que BioNeMo acelera el entrenamiento de los modelos lineales de aprendizaje (LLM) de proteínas hasta 3 veces y que RAPIDS acelera el análisis posterior al entrenamiento hasta 100 veces. ⁵

La oferta está orientada a las empresas, con un precio de lista de las instancias de DGX Cloud que parte de los 36.999 dólares por instancia al mes en el momento del lanzamiento.

Ventajas

• Soporte de los ingenieros de NVIDIA
• Escalabilidad multinodo que puede admitir el entrenamiento en hasta 256 GPU, lo que permite un entrenamiento de modelos a gran escala más rápido.
• Preconfigurado con el software de IA NVIDIA para una rápida implementación, reduciendo el tiempo de configuración.

Desventajas

• Esta oferta no es adecuada para empresas con necesidades limitadas de GPU.
• El servicio se presta sobre la infraestructura física de los proveedores de la nube. Por lo tanto, el comprador debe pagar los márgenes tanto del proveedor de la nube como de NVIDIA.

IBM Nube

La GPU que ofrece IBM Cloud admite un proceso flexible de selección de servidores y se integra a la perfección con la arquitectura, las aplicaciones y las API de IBM Cloud. Esto se logra mediante una red globalmente distribuida de centros de datos interconectados.

Ventajas

• Potente integración con la arquitectura y las aplicaciones en la nube (IBM)
• Los centros de datos distribuidos a nivel mundial aumentan la protección de datos.

Desventajas

• Adopción limitada en comparación con los 3 principales proveedores.

Oracle Infraestructura en la nube (OCI)

Oracle aumentó su oferta de GPU después de formalizar su asociación con NVIDIA.

Oracle proporciona instancias de GPU tanto en formato bare-metal como en formato de máquina virtual para una computación rápida, rentable y de alta eficiencia. Las instancias bare-metal de Oracle permiten a los clientes ejecutar tareas en entornos no virtualizados. Estas instancias están disponibles en regiones como Estados Unidos, Alemania y el Reino Unido, con modelos de precios bajo demanda e interrumpibles.

Clientes

Oracle presta servicios a algunos de los principales proveedores de LLM como Cohere, una empresa en la que Oracle también invirtió.

Ventajas

• Amplia gama de productos y servicios en la nube. Entre los servicios en la nube de los gigantes tecnológicos, solo OCI ofrece GPU bare metal. ⁶ Para los usuarios de clústeres de GPU, solo OCI ofrece RoCE v2 para su tecnología de clúster entre los servicios en la nube de los gigantes tecnológicos.
• Rentable en comparación con otros proveedores importantes de servicios en la nube.
• Ofrece la posibilidad de un período de prueba gratuito y algunos productos gratuitos de por vida.

Desventajas

• Los usuarios perciben la interfaz de usuario como torpe y lenta. ⁷

• Algunos usuarios encuentran la documentación difícil de entender. ⁸

• Algunos usuarios consideraban que el proceso de empezar a utilizar los servicios de computación en la nube Oracle era burocrático, complicado y lento.

RunPod

RunPod es una plataforma de computación en la nube especializada en servicios acelerados por GPU, diseñada para cargas de trabajo de inteligencia artificial (IA) y aprendizaje automático (ML). Concebida para optimizar el desarrollo, el entrenamiento y la implementación de modelos de IA, RunPod ofrece una variedad de funciones para mejorar la eficiencia y la flexibilidad computacional.

Actualizaciones recientes

• La función de reversión (Runpod) introdujo la reversión de versiones de GitHub para los puntos finales sin servidor, lo que permite a los usuarios revertir instantáneamente las implementaciones a una compilación anterior directamente desde la consola sin crear una nueva versión de GitHub ni activar una recompilación.
• Puntos de conexión de equilibrio de carga : Runpod lanzó puntos de conexión de equilibrio de carga (LB) en versión beta, lo que permite distribuir el tráfico entre varios trabajadores mediante acceso HTTP directo en lugar de una infraestructura basada en colas. Los desarrolladores pueden habilitar esta función configurando "endpointType": "LB" en hub.json, lo que permite el uso de API REST personalizadas y cargas de trabajo de mayor rendimiento.
• Ampliación de los puntos finales públicos e integración con el SDK de IA de Vercel : Runpod amplió su catálogo de puntos finales públicos con modelos adicionales en las categorías de texto , imagen , vídeo y audio . También introdujo la integración con el SDK de IA de Vercel a través del paquete @runpod/ai-sdk-provider, lo que permite flujos de trabajo de transmisión y generación optimizados en aplicaciones TypeScript y JavaScript.

Ventajas

• Los usuarios de RunPod mencionan tiempos de configuración rápidos, que les permiten iniciar instancias de GPU en cuestión de segundos.
• La plataforma ofrece una selección diversa de configuraciones de GPU, incluidas opciones de alto rendimiento como NVIDIA H100 PCIe y A100 PCIe.
• Los usuarios de RunPod consideraron que la interfaz y la interfaz de línea de comandos eran intuitivas y fáciles de usar para implementar y administrar cargas de trabajo de IA.
• Los usuarios mencionan más de 50 plantillas preconfiguradas, incluyendo marcos de trabajo populares como PyTorch y TensorFlow.

Desventajas

• Si bien la plataforma es fácil de usar, algunas funciones avanzadas pueden requerir un período de aprendizaje para aprovechar al máximo sus capacidades.

Precios

Las instancias con GPU se facturan por minuto, sin cargos adicionales por entrada o salida de datos. El precio de la GPU comienza en:

• $2.39 por hora para GPU PCIe H100 NVIDIA
• 1,64 dólares por hora para las GPU PCIe A100.
• El almacenamiento en red está disponible a 0,05 dólares por GB al mes.

CoreWeave

CoreWeave es un proveedor especializado en servicios en la nube con GPU. NVIDIA es uno de los inversores de CoreWeave. CoreWeave afirma tener 45 000 GPU y haber sido seleccionado como el primer proveedor de servicios en la nube de nivel Élite por NVIDIA. ⁹

Actualizaciones recientes

CoreWeave ha lanzado ARENA (AI-Ready Native Applications), un laboratorio de IA a escala de producción que permite a las organizaciones ejecutar cargas de trabajo reales en una infraestructura diseñada específicamente para ello, que reproduce entornos en vivo, lo que les permite validar el rendimiento, la fiabilidad y el coste antes de su implementación en producción a gran escala.

ARENA sustituye las pruebas sintéticas o de entorno aislado tradicionales por una evaluación comparativa estandarizada y en el mundo real, junto con una evaluación guiada, lo que proporciona a los equipos señales claras sobre cómo se comportarán sus modelos y procesos bajo una carga similar a la de producción y cuáles son los factores que influyen en los costes.

Laboratorios Jarvis

Jarvis Labs, fundada en 2019 y con sede en India, se especializa en facilitar el entrenamiento rápido y sencillo de modelos de aprendizaje profundo en instancias de computación GPU. Con sus centros de datos ubicados en India, Jarvis Labs es reconocida por su configuración intuitiva que permite a los usuarios comenzar a operar de inmediato.

Jarvis Labs afirma prestar servicios a más de 10.000 profesionales de la IA. ¹⁰

Ventajas

• No se requiere tarjeta de crédito para registrarse.
• Una interfaz sencilla para principiantes.

Desventajas

• Si bien Jarvis Labs está ganando popularidad, su idoneidad para las tareas empresariales de su negocio debe validarse. Parece estar orientado a cargas de trabajo pequeñas, ya que no ofrece instancias con múltiples GPU.

Lambda Laboratorios

Originalmente, Labs era una empresa de hardware que ofrecía soluciones de ensamblaje de GPU para computadoras de escritorio y servidores. Desde 2018, Labs ofrece Cloud como plataforma de GPU. Sus máquinas virtuales vienen preconfiguradas con los principales marcos de aprendizaje profundo, controladores CUDA y un Jupyter Notebook dedicado. Los usuarios pueden conectarse a estas instancias a través del terminal web en el panel de control de la nube o directamente mediante las claves SSH proporcionadas.

Lambda Labs afirma ser utilizado por más de 10.000 equipos de investigación y tiene una oferta centrada exclusivamente en GPU.

Paperspace CORE de DigitalOcean

Paperspace es una plataforma de computación en la nube que ofrece máquinas virtuales aceleradas por GPU para desarrollar, entrenar e implementar modelos de aprendizaje automático.

Paperspace afirma haber prestado servicio a 650.000 usuarios. ¹¹

Ventajas

• Ofrece una amplia gama de GPU en comparación con otros proveedores.
• Los usuarios consideran que los precios son justos para la potencia informática proporcionada.
• Los usuarios consideran que el servicio de atención al cliente es amable y eficiente.

Desventajas

• Algunos usuarios se quejan de la disponibilidad de máquinas, tanto en lo que respecta a las máquinas virtuales gratuitas como a que ciertos tipos de máquinas no estén disponibles en todas las regiones. ¹²

• La interfaz integrada de Jupyter es criticada y carece de algunos atajos de teclado, aunque se ofrece una interfaz nativa de Jupyter Notebook.

• Tiempos de carga o creación más prolongados para las máquinas
• La cuota de suscripción mensual, sumada al coste del equipo, puede ser una desventaja, y el entrenamiento con múltiples GPU puede resultar caro.

¿Qué es una GPU sin servidor?

La computación GPU sin servidor permite a los usuarios acceder a potentes recursos de GPU sin necesidad de gestionar servidores, ya que los proveedores se encargan del aprovisionamiento, el escalado y el mantenimiento. Este enfoque admite precios de pago por uso, a menudo con la función de escalado a cero que elimina los costes por inactividad, lo que lo hace ideal para cargas de trabajo esporádicas o impredecibles.

Las GPU sin servidor se utilizan ampliamente para tareas de IA, como el entrenamiento de modelos de aprendizaje profundo, la ejecución de aplicaciones de IA generativa y la realización de inferencias por lotes, ofreciendo ventajas significativas en simplicidad y ahorro de costes con respecto a las configuraciones tradicionales en la nube.

Explore los proveedores de GPU sin servidor en Serverless GPUs .

¿Qué son los proveedores de GPU bare-metal?

Los proveedores de GPU bare-metal ofrecen servidores GPU físicos dedicados sin virtualización, proporcionando acceso directo al hardware para un rendimiento máximo y una latencia mínima.

Estas soluciones son ideales para cargas de trabajo que requieren una gran capacidad de procesamiento, como la inteligencia artificial (IA), el aprendizaje automático (ML), el aprendizaje profundo, la renderización de gráficos, las simulaciones científicas y la computación de alto rendimiento (HPC).

Al eliminar la capa de virtualización, las GPU sin sistema operativo garantizan un rendimiento constante, una latencia reducida y la plena utilización de los recursos de la GPU, lo que las convierte en la opción preferida para empresas y startups con exigentes necesidades computacionales.

¿Qué proveedores de GPU en la nube tienen su sede en Europa?

Las empresas europeas pueden preferir mantener sus datos en Europa para

• Cumplimiento del RGPD y seguridad de los datos
• Ofrecer servicios de inferencia de IA más rápidos a los usuarios europeos.

Esto es posible con algunos de los proveedores de servicios en la nube globales, pero también existen proveedores de GPU en la nube con sede en Europa.

Seeweb

Seeweb es un proveedor de nube pública con sede en Italia que funciona al 100% con energía renovable. Seeweb admite IaC a través de Terraform y ofrece 5 modelos diferentes de GPU.

Datacrunch.io

Datacrunch ofrece los modelos A100, H100, RTX6000 y V100 de Nvidia en grupos de 1, 2, 4 u 8 unidades. La empresa tiene su sede en Helsinki, Finlandia, y utiliza energía 100% renovable.

OVHcloud

OVHcloud es un proveedor de nube pública con sede en Francia. Comenzó a ofrecer GPU de Nvidia en 2023 y planea ampliar su oferta. ¹³

Vía de medición

Scaleway ofrece instancias H100, opera en 3 regiones europeas (París, Ámsterdam y Varsovia) y funciona al 100 % con energía renovable. Para usuarios a gran escala, está disponible el superordenador Nabu 2023, con sus 1016 GPU Nvidia H100 Tensor Core.

¿Cuáles son los próximos proveedores de servicios en la nube con GPU?

Estos proveedores tienen un alcance o ámbito limitado, o lanzaron sus ofertas recientemente. Por lo tanto, no se incluyeron en el top 10:

Alibaba Cloud

La oferta de Alibaba puede resultar atractiva para las empresas que operan en China. Además, está disponible en 20 regiones, incluidas Australia, Dubái, Alemania, India, Japón, Singapur, Estados Unidos y el Reino Unido.

Sin embargo, una organización estadounidense o de la UE con acceso a datos ultrasecretos en ámbitos como el estatal, la defensa o las telecomunicaciones puede que no prefiera trabajar con un proveedor de servicios en la nube con sede en China.

Cirrascale

Cirrascale se especializa en proporcionar una gama de hardware de IA a equipos de investigación. Aunque son uno de los equipos más pequeños en este ámbito, con unos 20 empleados, ofrecen hardware de IA de 4 fabricantes diferentes. ¹⁴

Parque de Voltaje

Voltage Park es una organización sin fines de lucro que gastó fondos, incluyendo aproximadamente 500 millones de dólares con NVIDIA, para instalar 24.000 GPU H100 en la nube. ¹⁵ Ofrece alquiler de GPU a bajo precio a empresas centradas en IA como Character AI.

Identificar las GPU en la nube más rentables

Pasa el cursor sobre cada punto para ver las GPU en la nube más rentables:

Realizamos pruebas de rendimiento de todas las GPU en la nube de AWS con tareas comunes relacionadas con texto e imágenes. Se asumió que el rendimiento de la misma GPU era el mismo en todas las nubes.

Cómo iniciar la instancia correcta para sus necesidades de GPU en la nube

Tomar las decisiones correctas al configurar una instancia de GPU en la nube es fundamental para optimizar la configuración inicial. Sin una atención cuidadosa a la compatibilidad entre el modelo, el sistema operativo y la GPU, este proceso puede llevar horas, lo que aumenta significativamente los costos, ya que los proveedores de GPU cobran por hora. Siguiendo estos pasos, podrá evitar retrasos innecesarios y garantizar la rentabilidad de su proyecto:

1. Seleccione el modelo: Elija el modelo que planea utilizar (por ejemplo, YOLOv9).
2. Identifica sus dependencias: La elección del modelo influye directamente en el marco de trabajo y las bibliotecas (por ejemplo, PyTorch, TensorFlow) que necesitarás para construir e implementar tu solución.
3. Identifique la versión de CUDA adecuada: CUDA es necesario para ejecutar las GPU NVIDIA de manera eficiente. Por ejemplo, la versión de PyTorch que necesita determina una versión específica de CUDA.
4. Utilice nuestra herramienta de evaluación comparativa para elegir la GPU más rentable: aproveche los datos de referencia para seleccionar la GPU que ofrezca el mejor equilibrio entre precio y rendimiento para su carga de trabajo específica.
5. Comprueba si la GPU está disponible en tu región preferida: Los proveedores de servicios en la nube suelen tener inventarios de hardware variables según la región, y algunas GPU podrían no estar disponibles en ciertas regiones . Comprobar si la GPU se ofrece ayuda a evitar retrasos en la implementación. Sin embargo, incluso si se ofrece una GPU, es posible que no esté disponible cuando la solicites, ya que podría estar sobrecargada. Puedes consultar las GPU que se ofrecen por región en:
   1. AWS: Calculadora de precios ¹⁶
   2. Azure: Calculadora de precios ¹⁷
   3. GCP: Documentación sobre la disponibilidad de GPU ¹⁸
6. Seleccione el sistema operativo adecuado: Al seleccionar su configuración en el proveedor de la nube, deberá elegir el sistema operativo (SO) y su versión. El SO debe ser compatible con la versión de CUDA requerida y los controladores de GPU.
7. Implemente los controladores y las dependencias o elija un sistema donde estén precargados: puede instalar manualmente los controladores y las dependencias necesarios o utilizar entornos preconfigurados proporcionados por proveedores de la nube, como las extensiones de Azure o las AMI de AWS, para simplificar el proceso de configuración.

Preguntas frecuentes

Enlaces de referencia

1.

https://www.statista.com//chart/18819/worldwide-market-share-of-leading-cloud-infrastructure-service-providers/?srsltid=AfmBOoqxaw2bststEcT3LC_6waiU557eJOV-bDvfKfkcmoSsOOUg9F1U&__sso_cookie_checker=failed

2.

Microsoft to Debut AI Chip Next Month That Could Cut Nvidia GPU Costs — The Information

The Information

3.

Azure Virtual Machines Reviews 2026: Details, Pricing, & Features | G2

4.

A3 Ultra with NVIDIA H200 GPUs are GA on AI Hypercomputer | Google Cloud Blog

Google Cloud

5.

NVIDIA Lanza DGX Cloud, brindando a cada empresa acceso instantáneo a una supercomputadora de IA desde un navegador

6.

GPU, Virtual Machines and Bare Metal | Oracle

7.

Oracle Cloud Infrastructure Compute Reviews 2026: Details, Pricing, & Features | G2

8.

Oracle Cloud Infrastructure Compute Reviews 2026: Details, Pricing, & Features | G2

9.

CoreWeave Becomes NVIDIA’s First Elite Cloud Services Provider for Compute

10.

Rent GPUs Online | H100 & A100 GPUs from $0.39/hr | Jarvis Labs

11.

Customers | DigitalOcean

12.

Paperspace Core Reviews 2026: Details, Pricing, & Features | G2

13.

Cloud GPU – Cloud instances for AI | OVHcloud Worldwide

14.

Cirrascale Cloud Services | LinkedIn

Cirrascale Cloud Services

15.

reuters.com

Reuters

16.

AWS Pricing Calculator

17.

Pricing Calculator | Microsoft Azure

18.

GPU locations  |  Compute Engine  |  Google Cloud Documentation

Sedat Dogan

CTO

Síguenos

Sedat es un líder en tecnología y seguridad de la información con experiencia en desarrollo de software, recopilación de datos web y ciberseguridad. Sedat: - Cuenta con 20 años de experiencia como hacker ético y experto en desarrollo, con amplia experiencia en lenguajes de programación y arquitecturas de servidores. - Asesora a ejecutivos de alto nivel y miembros de juntas directivas de corporaciones con operaciones tecnológicas críticas y de alto tráfico, como la infraestructura de pagos. - Posee una sólida visión para los negocios, además de su experiencia técnica.

Ver perfil completo

Comentarios 4

Comparte tus ideas

Tu dirección de correo electrónico no será publicada. Todos los campos son obligatorios.

Nombre

Dirección de correo electrónico

Comentario

0/450

Publicar comentario

Alisdair

Oct 22, 2024 at 05:36

Nice article, Cem! Could you add Koyeb and a few other serverless GPU providers?

Responder

Cem Dilmegani

Nov 10, 2024 at 07:13

Sure, thank you for the suggestion, we will consider it in the next edit.

Responder

Jesper

Oct 06, 2024 at 03:58

Hi Cem, please also check out Dataoorts at https://dataoorts.com. We'd greatly appreciate being listed here.

Responder

Cem Dilmegani

Oct 22, 2024 at 03:18

Sure, we'll review to see if we can include Dataoorts in the next edit.

Responder

Jerry

Jul 24, 2024 at 09:56

Hi Cem, we just launched Atlascloud.ai with the lowest H100 pricing on internet 2.48 on demand. Would love to get on your list.

Responder

Cem Dilmegani

Jul 28, 2024 at 10:24

Sure, we'll be reaching out to understand what Atlascloud.ai is offering.

Responder

Evgenii Pavlov

Jun 14, 2024 at 15:23

Where is Nebius.ai ???

Responder

Cem Dilmegani

Jul 14, 2024 at 08:45

Thank you! It is added now.

Responder