I 30 migliori fornitori di GPU cloud e le loro GPU nel 2026

Abbiamo eseguito dei benchmark sulle 10 GPU più comuni in scenari tipici (ad esempio, la messa a punto di un LLM come Llama 3.2). Sulla base di questi risultati, se:

• Per sapere quale modello di GPU (ad esempio, H100) ti serve, controlla i modelli offerti da ciascun fornitore di GPU in cloud.
• Non sai quale modello usare? Scopri le GPU più convenienti.
• Vorrei vedere i principali fornitori di GPU cloud:

Nuvola	Marchi*	Modelli**	Combinazioni***
RunPod	AMD chip come MI300X	27	53
AWS	Chip AWS come Trainium	7	19
Azure	Lavorare sui propri chip	6	14
GCP	Google Unità di elaborazione tensoriale (TPU) nel cloud	8	30
OCI		6	17
Alibaba Cloud	Chip Alibaba come Hanguang 800	5	6
Nvidia DGX		23	23
Vast.ai		25	50
CoreWeave		13	13
AceCloud		9	17

Mostra altro (10)

Classifica : Gli sponsor sono collegati e evidenziati in alto. Successivamente, gli hyperscaler sono elencati in base alla quota di mercato statunitense. Infine, i fornitori sono ordinati in base al numero di modelli offerti.

* Tutti i provider offrono GPU Nvidia. Inoltre, alcuni provider di servizi cloud offrono hardware di altri produttori di chip per l'intelligenza artificiale , come indicato in questa colonna.

** Sono offerti modelli distinti di GPU Nvidia. Ad esempio, "A100 40 GB" e "A100 80 GB" sono considerati modelli separati. Si noti che i diversi tipi di interconnessione (SXM, PCIe) per lo stesso modello di GPU sono raggruppati insieme.

*** Vengono offerte combinazioni multi-GPU distinte. Ad esempio, "1 x A100 40 GB" e "2 x A100 40 GB" sono considerate combinazioni multi-GPU separate. Sebbene i fornitori di servizi cloud possano offrire un numero variabile di GPU, la nostra analisi si concentra su configurazioni con potenze di 2 (2, 4, 8, 16, 32 GPU) per un confronto standardizzato dell'efficienza.

Le GPU possono essere fornite in modalità serverless, come GPU virtuali o come GPU bare-metal. Mentre la modalità serverless offre la soluzione più semplice per la gestione dei carichi di lavoro, la modalità bare-metal offre il massimo livello di controllo sull'hardware. Se stai cercando specificamente queste opzioni, consulta le sezioni pertinenti:

• GPU senza server
• GPU virtuali (o vGPU)

Nell'elencare i pro e i contro di ciascun fornitore, ci siamo basati sui nostri benchmark GPU e sulle recensioni online.

Quali sono i principali fornitori di GPU virtuali?

Le GPU virtuali (vGPU) sono macchine virtuali che consentono a più utenti di condividere le GPU nel cloud. Rappresentano la forma più comune di GPU cloud. Tra i principali fornitori figurano:

Fornitori di servizi su larga scala (AWS, Azure, GCP)

Le piattaforme hyperscale presentano alcuni aspetti comuni:

Vantaggi

Driver e app precaricati : la configurazione di un'istanza con i driver corretti richiede tempo a causa delle dipendenze tra il chip GPU, i relativi driver, il sistema operativo e le applicazioni. Ad esempio, se Ubuntu 25.0 non supporta il driver Tesla K80 NVIDIA, sarà necessario scegliere una versione precedente di Ubuntu per poterlo utilizzare.

Tutti e 3 i principali hyperscaler consentono agli utenti di gestire le immagini delle macchine, il che semplifica questo processo. Tuttavia, gli utenti devono comunque identificare l'immagine della macchina corretta per l'hardware che selezionano. I nomi di questi servizi sono:

• Immagini macchina Amazon (AMI)
• Azure Estensioni
• Immagini personalizzate GCP

Svantaggi

• L'approvazione della quota è necessaria per quasi tutte le GPU. Non aspettarti di attivare un account cloud e iniziare a utilizzare le GPU immediatamente.
• Le schede di ultima generazione, come la H100, sono spesso non disponibili su richiesta.
• È difficile identificare la capacità delle GPU . Durante il nostro benchmark, abbiamo potuto verificare le schede GPU che potevamo avviare per regione. Ad esempio, il calcolatore dei prezzi di AWS offre questa funzionalità. Tuttavia, non siamo riusciti a trovare dati sulla capacità per nessuna regione. Pertanto, abbiamo dovuto provare ad avviare istanze in diverse combinazioni di regioni e tipi di istanza per trovare una configurazione che utilizzasse le GPU.

Amazon Web Services (AWS)

AWS è il più grande fornitore di piattaforme cloud e un fornitore leader di GPU per il cloud. ¹ Amazon EC2 (Elastic Compute Cloud) offre istanze di macchine virtuali con GPU, facilitando calcoli accelerati per attività di deep learning.

Aggiornamenti recenti

• AWS EC2 G7e è disponibile con GPU Blackwell (RTX PRO 6000) ed è ideale per carichi di lavoro di inferenza AI ad alte prestazioni e di calcolo spaziale e scientifico, con disponibilità iniziale nelle regioni US East (Virginia settentrionale) e US East (Ohio).

Vantaggi

Offre una perfetta integrazione con altre soluzioni AWS popolari come:

• Processo di assegnazione delle quote semplice e diretto : abbiamo richiesto separatamente ogni istanza GPU e abbiamo ricevuto la quota per tutti i tipi di GPU su AWS entro circa un giorno dalla nostra richiesta, senza ulteriori discussioni.
• SageMaker viene utilizzato per creare, addestrare, implementare e scalare modelli di machine learning. SageMaker Studio Lab include 15 GB di spazio di archiviazione persistente gratuito e crediti di calcolo.
• Redshift , OpenSearch , Amazon S3 (Simple Storage Service) , Amazon RDS (Relational Database Services) o altri servizi AWS possono fungere da soluzioni di archiviazione per i dati di training.

Svantaggi

• Durante i nostri test di benchmark, lo spegnimento delle GPU ha richiesto ore . Altri produttori completano questa operazione in pochi minuti.
• Meno opzioni GPU rispetto ad alcuni provider focalizzati sulle GPU come Coreweave.
• Curva di apprendimento ripida: essendo il primo e il più grande servizio cloud, offre funzionalità complete che possono rendere l'interfaccia utente complessa e disordinata.

Prezzi

• Le istanze spot possono offrire sconti significativi, a volte fino al 90% rispetto ai prezzi delle istanze on-demand.

Microsoft Azure

Microsoft Azure, il secondo fornitore di servizi cloud più grande, offre un servizio GPU basato su cloud, Azure Macchine virtuali serie N, che sfrutta le GPU NVIDIA, come fanno altri fornitori, per fornire capacità di calcolo ad alte prestazioni. Questo servizio è particolarmente adatto ad applicazioni impegnative come deep learning, simulazioni, rendering e addestramento di modelli di intelligenza artificiale.

Si vocifera inoltre che Microsoft abbia iniziato a produrre i propri chip. ²

Vantaggi

• Procedura di quotazione semplice : la procedura era simile a quella di AWS, ma il modulo di richiesta richiedeva più tempo.
• Una curva di apprendimento dell'interfaccia utente meno ripida rispetto a quella offerta da provider come AWS.

Svantaggi

• Alcuni utenti riscontrano che determinate funzionalità avanzate all'interno di Azure richiedono un elevato livello di competenza tecnica per essere configurate e gestite efficacemente ³

Prezzi

Visualizza tutti i prezzi delle GPU Azure e confrontali con quelli di altri fornitori.

Google Piattaforma cloud (GCP)

Google Cloud Platform (GCP) è la terza piattaforma cloud più grande.

Aggiornamenti recenti

• Nuovi ambienti di calcolo : GCP ha introdotto le istanze A3 Ultra con NVIDIA GPU H200, migliorando le prestazioni dell'IA. ⁴

Vantaggi

• Offre la massima flessibilità (tra i 3 principali hyperscaler) nelle combinazioni di CPU, GPU e storage: possiamo selezionare una CPU e una dimensione della memoria, quindi collegare una o più GPU all'istanza . Questo offre maggiore flessibilità rispetto alla scelta di tipi di istanza specifici, come avviene con altri hyperscaler.
• Interfaccia utente più facile da usare rispetto ad AWS
• Offre alcune opzioni GPU gratuite per gli utenti di Kaggle e Colab.
• I clienti possono utilizzare gratuitamente oltre 20 prodotti, fino ai limiti di utilizzo mensili.

Svantaggi

• Configurare la giusta combinazione di CPU, GPU e storage è più complesso, poiché quasi ogni combinazione è possibile. Gli utenti devono inoltre sommare i prezzi dei diversi componenti (ad esempio, GPU, storage) per calcolare il prezzo totale dell'istanza.
• La procedura per l'assegnazione delle quote richiedeva la compilazione di moduli complessi e ci ha richiesto giorni.

Prezzi

Visualizza tutti i prezzi delle GPU GCP in tutte le regioni

NVIDIA DGX Cloud

NVIDIA è leader nell'hardware GPU. NVIDIA ha lanciato la sua offerta cloud GPU, DGX Cloud, affittando spazio nei data center dei principali fornitori di servizi cloud (ad esempio, OCI, Azure e GCP).

DGX Cloud offre le piattaforme di rete NVIDIA Base Command™, NVIDIA AI Enterprise e NVIDIA. Le istanze DGX Cloud sono state lanciate con 8 GPU Tensor Core NVIDIA H100 o A100 da 80 GB.

Il team di ricerca di Amgen, uno dei primi clienti, afferma di aver ottenuto un addestramento 3 volte più veloce dei modelli lineari di proteine (LLM) con BioNeMo e un'analisi post-addestramento fino a 100 volte più veloce con RAPIDS (9912591784). ⁵

L'offerta è pensata per le aziende, con un prezzo di listino per le istanze DGX Cloud a partire da 36.999 dollari al mese al momento del lancio.

Vantaggi

• Supporto da parte degli ingegneri NVIDIA
• Scalabilità multi-nodo in grado di supportare l'addestramento su un massimo di 256 GPU, consentendo un addestramento più rapido di modelli su larga scala.
• Preconfigurato con il software AI NVIDIA per una rapida implementazione, riducendo i tempi di configurazione.

Svantaggi

• L'offerta non è adatta ad aziende con esigenze limitate in termini di GPU.
• Il servizio viene fornito sulla base dell'infrastruttura fisica dei fornitori di servizi cloud. Pertanto, l'acquirente deve pagare i margini sia del fornitore di servizi cloud che di NVIDIA.

IBM Cloud

La GPU offerta da IBM Cloud supporta un processo flessibile di selezione dei server e si integra perfettamente con l'architettura, le applicazioni e le API di IBM Cloud. Ciò è reso possibile da una rete globale di data center interconnessi.

Vantaggi

• Potente integrazione con l'architettura e le applicazioni cloud IBM
• I data center distribuiti a livello globale aumentano la protezione dei dati.

Svantaggi

• Adozione limitata rispetto ai primi 3 fornitori.

Oracle Infrastruttura cloud (OCI)

Oracle ha potenziato la sua offerta di GPU dopo aver formalizzato la sua partnership con NVIDIA.

Oracle fornisce istanze GPU sia in formato bare-metal che in formato macchina virtuale per un'elaborazione rapida, economica ed efficiente. Le istanze Bare-Metal di Oracle consentono ai clienti di eseguire attività in ambienti non virtualizzati. Queste istanze sono accessibili in regioni come Stati Uniti, Germania e Regno Unito, con disponibilità sia in base a modelli di prezzo on-demand che interrompibili.

Clienti

Oracle serve alcuni dei principali fornitori di LLM come Cohere, un'azienda in cui Oracle ha investito a sua volta.

Vantaggi

• Ampia gamma di prodotti e servizi cloud. Tra i servizi cloud dei giganti della tecnologia, solo OCI offre GPU bare metal. ⁶ Per gli utenti di cluster GPU, tra i servizi cloud dei giganti della tecnologia, solo OCI offre RoCE v2 per la sua tecnologia di clustering.
• Conveniente rispetto ad altri importanti fornitori di servizi cloud
• Offre la possibilità di un periodo di prova gratuito e alcuni prodotti gratuiti per sempre.

Svantaggi

• L'interfaccia utente è percepita dagli utenti come goffa e lenta. ⁷

• Alcuni utenti trovano la documentazione difficile da comprendere ⁸

• Il processo di avvio dell'utilizzo dei servizi di cloud computing Oracle è stato percepito da alcuni utenti come burocratico, complicato e dispendioso in termini di tempo.

RunPod

RunPod è una piattaforma di cloud computing specializzata in servizi accelerati da GPU, pensata per carichi di lavoro di intelligenza artificiale (IA) e apprendimento automatico (ML). Progettata per semplificare lo sviluppo, l'addestramento e la distribuzione di modelli di IA, RunPod offre una serie di funzionalità per migliorare l'efficienza computazionale e la flessibilità.

Aggiornamenti recenti

• Rollback : Runpod ha introdotto il rollback delle release di GitHub per gli endpoint Serverless, consentendo agli utenti di ripristinare istantaneamente le distribuzioni a una build precedente direttamente dalla console senza creare una nuova release di GitHub o attivare una ricompilazione.
• Endpoint di bilanciamento del carico : Runpod ha lanciato gli endpoint di bilanciamento del carico (LB) in versione beta, consentendo la distribuzione del traffico su più worker tramite accesso HTTP diretto anziché tramite un'infrastruttura basata su code. Gli sviluppatori possono abilitarlo impostando "endpointType": "LB" in hub.json, supportando API REST personalizzate e carichi di lavoro con throughput più elevato.
• Endpoint pubblici ampliati e integrazione con Vercel AI SDK : Runpod ha ampliato il suo catalogo di endpoint pubblici con modelli aggiuntivi per le categorie testo , immagine , video e audio . Ha inoltre introdotto l'integrazione con Vercel AI SDK tramite il pacchetto @runpod/ai-sdk-provider, consentendo flussi di lavoro di streaming e generazione semplificati nelle applicazioni TypeScript e JavaScript.

Vantaggi

• Gli utenti di RunPod segnalano tempi di configurazione rapidi, che consentono di avviare istanze GPU in pochi secondi.
• La piattaforma offre una vasta gamma di configurazioni GPU, incluse opzioni ad alte prestazioni come NVIDIA H100 PCIe e A100 PCIe.
• Gli utenti di RunPod hanno trovato l'interfaccia e la CLI intuitive e facili da usare per implementare e gestire carichi di lavoro di intelligenza artificiale.
• Gli utenti segnalano oltre 50 modelli preconfigurati, inclusi framework popolari come PyTorch e TensorFlow.

Svantaggi

• Sebbene la piattaforma sia intuitiva, alcune funzionalità avanzate potrebbero richiedere un periodo di apprendimento per sfruttarne appieno le potenzialità.

Prezzi

Le istanze GPU vengono fatturate al minuto, senza costi aggiuntivi per l'ingresso o l'uscita dei dati. Il prezzo delle GPU parte da:

• 2,39 dollari all'ora per le GPU PCIe H100 NVIDIA
• 1,64 dollari all'ora per le GPU A100 PCIe.
• Lo spazio di archiviazione di rete è disponibile al costo di 0,05 dollari per GB al mese.

CoreWeave

CoreWeave è un fornitore specializzato di servizi cloud per GPU. NVIDIA è uno degli investitori di CoreWeave. CoreWeave afferma di possedere 45.000 GPU e di essere stata selezionata come primo fornitore di servizi cloud di livello Elite da NVIDIA. ⁹

Aggiornamenti recenti

CoreWeave ha lanciato ARENA (AI-Ready Native Applications), un laboratorio di intelligenza artificiale su scala produttiva che consente alle organizzazioni di eseguire carichi di lavoro reali su un'infrastruttura appositamente creata che replica gli ambienti di produzione, permettendo loro di convalidare prestazioni, affidabilità e costi prima del rilascio in produzione completa.

ARENA sostituisce i tradizionali test in ambiente sandbox o sintetici con benchmark standardizzati e basati su scenari reali, oltre a una valutazione guidata, fornendo ai team indicazioni chiare su come i loro modelli e le loro pipeline si comporteranno sotto carichi di lavoro simili a quelli di produzione e su quali siano i fattori che incidono sui costi.

Laboratori Jarvis

Jarvis Labs, fondata nel 2019 e con sede in India, è specializzata nell'abilitare un addestramento rapido e semplice di modelli di deep learning su istanze di calcolo GPU. Grazie ai suoi data center situati in India, Jarvis Labs è riconosciuta per la sua configurazione intuitiva che consente agli utenti di iniziare a operare immediatamente.

Jarvis Labs afferma di servire oltre 10.000 professionisti dell'intelligenza artificiale. ¹⁰

Vantaggi

• Non è richiesta alcuna carta di credito per la registrazione.
• Un'interfaccia semplice per principianti

Svantaggi

• Sebbene Jarvis Labs stia guadagnando terreno, la sua idoneità per le attività di livello enterprise della vostra azienda dovrebbe essere verificata. Sembra essere più adatto a carichi di lavoro di piccole dimensioni, in quanto non offre istanze multi-GPU.

Lambda Laboratori

In origine, Lambda Labs era un'azienda di hardware che offriva assemblaggi desktop GPU e soluzioni hardware per server. Dal 2018, Lambda Labs offre Lambda Cloud come piattaforma GPU. Le loro macchine virtuali sono pre-equipaggiate con i principali framework di deep learning, driver CUDA e un notebook Jupyter dedicato. Gli utenti possono connettersi a queste istanze tramite il terminale web nella dashboard del cloud o direttamente utilizzando le chiavi SSH fornite.

Lambda Labs afferma di essere utilizzato da oltre 10.000 team di ricerca e offre una soluzione interamente focalizzata sulle GPU.

Paperspace CORE di DigitalOcean

Paperspace è una piattaforma di cloud computing che offre macchine virtuali accelerate da GPU per sviluppare, addestrare e implementare modelli di machine learning.

Paperspace afferma di aver servito 650.000 utenti. ¹¹

Vantaggi

• Offre una vasta gamma di GPU rispetto ad altri fornitori
• Gli utenti ritengono che i prezzi siano equi rispetto alla potenza di calcolo fornita.
• Gli utenti ritengono che il servizio clienti sia cordiale e reattivo.

Svantaggi

• Alcuni utenti lamentano la disponibilità delle macchine, sia in termini di macchine virtuali gratuite, sia per quanto riguarda la non disponibilità di specifici tipi di macchine in tutte le regioni. ¹²

• L'interfaccia Jupyter integrata è criticata e manca di alcune scorciatoie da tastiera, sebbene sia disponibile un'interfaccia Jupyter Notebook nativa.

• Tempi di caricamento o creazione più lunghi per le macchine
• Il canone di abbonamento mensile, che si aggiunge al costo del computer, può rappresentare uno svantaggio, e l'addestramento multi-GPU può risultare costoso.

Che cos'è una GPU serverless?

Il cloud computing GPU serverless consente agli utenti di accedere a potenti risorse GPU senza dover gestire server, affidando ai fornitori la gestione del provisioning, del dimensionamento e della manutenzione. Questo approccio supporta una tariffazione a consumo, spesso con funzionalità di scalabilità a zero che eliminano i costi di inattività, risultando ideale per carichi di lavoro sporadici o imprevedibili.

Le GPU serverless sono ampiamente utilizzate per attività di intelligenza artificiale, tra cui l'addestramento di modelli di deep learning, l'esecuzione di applicazioni di IA generativa e l'inferenza batch, offrendo vantaggi significativi in termini di semplicità e risparmio sui costi rispetto alle configurazioni cloud tradizionali.

Scopri i fornitori di GPU serverless su Serverless GPUs .

Cosa sono i fornitori di GPU bare-metal?

I fornitori di GPU bare-metal offrono server GPU fisici dedicati senza virtualizzazione, garantendo l'accesso diretto all'hardware per massime prestazioni e latenza minima.

Queste soluzioni sono ideali per carichi di lavoro ad alta intensità di calcolo come l'intelligenza artificiale (IA), l'apprendimento automatico (ML), il deep learning, il rendering grafico, le simulazioni scientifiche e il calcolo ad alte prestazioni (HPC).

Eliminando il livello di virtualizzazione, le GPU bare-metal garantiscono prestazioni costanti, latenza ridotta e pieno utilizzo delle risorse GPU, rappresentando quindi la scelta ideale per aziende e startup con elevate esigenze di calcolo.

Quali fornitori di servizi cloud GPU hanno sede in Europa?

Le aziende europee potrebbero preferire mantenere i propri dati in Europa per

• Conformità al GDPR e sicurezza dei dati
• Offrire servizi di inferenza AI più veloci agli utenti europei

Ciò è possibile con alcuni dei principali fornitori di servizi cloud globali, ma esistono anche fornitori di GPU cloud con sede in Europa.

Seeweb

Seeweb è un fornitore di cloud pubblico con sede in Italia che si alimenta al 100% con energia rinnovabile. Seeweb supporta l'IaC tramite Terraform e offre 5 diversi modelli di GPU.

Datacrunch.io

Datacrunch offre i modelli A100, H100, RTX6000 e V100 di Nvidia in gruppi da 1, 2, 4 o 8 unità. L'azienda ha sede a Helsinki, in Finlandia, e si alimenta al 100% con energia rinnovabile.

OVHcloud

OVHcloud è un fornitore di servizi cloud pubblici con sede in Francia. Ha iniziato a offrire GPU Nvidia nel 2023 e prevede di ampliare la propria offerta. ¹³

Scaleway

Scaleway offre istanze H100, opera in 3 regioni europee (Parigi, Amsterdam, Varsavia) e si alimenta al 100% con energia rinnovabile. Per gli utenti con esigenze di grandi dimensioni, è disponibile il supercomputer Nabu 2023, dotato di 1.016 GPU Nvidia H100 Tensor Core.

Quali saranno i prossimi fornitori di servizi cloud GPU?

Questi fornitori hanno una portata o un ambito limitati, oppure hanno lanciato le loro offerte di recente. Pertanto, non sono stati inclusi nella top 10:

Alibaba Cloud

L'offerta di Alibaba potrebbe risultare interessante per le aziende che operano in Cina. È inoltre disponibile in 20 regioni, tra cui Australia, Dubai, Germania, India, Giappone, Singapore, Stati Uniti e Regno Unito.

Tuttavia, un'organizzazione statunitense o europea con accesso a dati top secret in settori quali quello governativo, della difesa o delle telecomunicazioni potrebbe non preferire collaborare con un fornitore di servizi cloud con sede in Cina.

Cirrascale

Cirrascale è specializzata nella fornitura di una gamma di hardware per l'intelligenza artificiale a team di ricerca. Pur essendo uno dei team più piccoli in questo settore, con circa 20 dipendenti, offre hardware per l'IA di 4 diversi produttori . ¹⁴

Parco elettrico

Voltage Park è un'organizzazione no-profit che ha speso fondi, tra cui circa 500 milioni di dollari con NVIDIA, per installare 24.000 GPU H100 nel cloud. ¹⁵ Offre il noleggio di GPU a basso costo ad aziende specializzate in intelligenza artificiale come Character AI.

Individuare le GPU cloud più convenienti

Passa il mouse sopra ogni punto per visualizzare le GPU cloud più convenienti:

Abbiamo eseguito dei benchmark su tutte le GPU cloud di AWS utilizzando attività comuni relative a testo e immagini. Si è ipotizzato che le prestazioni della stessa GPU fossero identiche su tutti i cloud.

Come avviare l'istanza corretta per le tue esigenze di GPU cloud

Prendere le decisioni giuste durante la configurazione di un'istanza GPU cloud è fondamentale per ottimizzare l'installazione iniziale. Senza un'attenta verifica della compatibilità tra modello, sistema operativo e GPU, questo processo può richiedere ore, aumentando significativamente i costi, dato che i fornitori di GPU addebitano il servizio a ore. Seguendo questi passaggi, è possibile evitare ritardi inutili e garantire l'efficienza dei costi per il proprio progetto:

1. Seleziona il modello: scegli il modello che intendi utilizzare (ad esempio, YOLOv9).
2. Identifica le sue dipendenze: la scelta del modello influenza direttamente il framework e le librerie (ad esempio, PyTorch, TensorFlow) necessari per creare e distribuire la soluzione.
3. Identifica la versione CUDA appropriata: CUDA è necessaria per eseguire in modo efficiente NVIDIA GPU. Ad esempio, la versione di PyTorch di cui hai bisogno determina una versione specifica di CUDA.
4. Utilizza il nostro benchmark per scegliere la GPU più conveniente: sfrutta i dati di benchmark per selezionare la GPU che offre il miglior equilibrio tra prezzo e prestazioni per il tuo specifico carico di lavoro.
5. Controlla la disponibilità della GPU nella regione che preferisci: i provider di servizi cloud spesso hanno inventari hardware diversi a seconda della regione e alcune GPU potrebbero non essere disponibili in determinate aree geografiche . Verificare la disponibilità della GPU aiuta a evitare ritardi nell'implementazione. Tuttavia, anche se una GPU è disponibile, potrebbe non esserlo al momento della richiesta, poiché potrebbe essere già prenotata da più utenti. Puoi verificare le GPU disponibili per regione su:
   1. AWS: Calcolatore di prezzi ¹⁶
   2. Azure: Calcolatore prezzi ¹⁷
   3. GCP: Documentazione sulla disponibilità delle GPU ¹⁸
6. Scegli il sistema operativo corretto: quando selezioni la configurazione sul provider cloud, dovrai scegliere il sistema operativo (SO) e la sua versione. Il sistema operativo deve supportare la versione CUDA richiesta e i driver GPU.
7. Distribuisci i driver e le dipendenze oppure scegli un sistema in cui siano precaricati: puoi installare manualmente i driver e le dipendenze necessari oppure utilizzare ambienti preconfigurati forniti dai provider cloud, come le estensioni di Azure o le AMI di AWS, per semplificare il processo di configurazione.

FAQ

Abilità individuale

Collegamenti di riferimento

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 Lancia DGX Cloud, offrendo a ogni azienda accesso immediato al supercomputer AI da un browser

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

Segui

Sedat è un leader nel settore della tecnologia e della sicurezza informatica, con esperienza nello sviluppo software, nella raccolta di dati web e nella sicurezza informatica. Sedat: - Ha 20 anni di esperienza come hacker etico e guru dello sviluppo, con una vasta competenza nei linguaggi di programmazione e nelle architetture server. - È consulente di dirigenti di alto livello e membri del consiglio di amministrazione di aziende con operazioni tecnologiche ad alto traffico e di importanza critica, come le infrastrutture di pagamento. - Possiede una solida competenza commerciale oltre alla sua competenza tecnica.

Visualizza il profilo completo

Commenti 4

Condividi i tuoi pensieri

Il tuo indirizzo email non verrà pubblicato. Tutti i campi sono obbligatori.

Nome

Indirizzo e-mail

Commento

0/450

Pubblica un commento

Alisdair

Oct 22, 2024 at 05:36

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

Rispondere

Cem Dilmegani

Nov 10, 2024 at 07:13

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

Rispondere

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.

Rispondere

Cem Dilmegani

Oct 22, 2024 at 03:18

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

Rispondere

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.

Rispondere

Cem Dilmegani

Jul 28, 2024 at 10:24

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

Rispondere

Evgenii Pavlov

Jun 14, 2024 at 15:23

Where is Nebius.ai ???

Rispondere

Cem Dilmegani

Jul 14, 2024 at 08:45

Thank you! It is added now.

Rispondere