云端GPU可被用于多种任务中,如训练多语言AI语音引擎、检测糖尿病导致失明的早期迹象,以及开发媒体压缩技术。借助于云端GPU,创业公司、学者和创作者们可以快速开始工作,探索新的想法和实验,而无需长期关注于特定规模或配置的GPU。
用户可以通过所有主流云平台访问NVIDIA数据中心GPU,包括:
阿里云(https://www.alibabacloud.com/product/gpu)
AWS(https://www.nvidia.com/en-us/data-center/gpu-cloud-computing/amazon-web-services/)
谷歌云(https://www.nvidia.com/en-us/data-center/gpu-cloud-computing/google-cloud-platform/)
IBM Cloud (https://www.ibm.com/cloud/gpu)
Microsoft Azure (https://www.nvidia.com/en-us/data-center/gpu-cloud-computing/microsoft-azure/)
Oracle Cloud Infrastructure (https://www.oracle.com/cloud/partners/gpu.html)

云服务供应商通过为开发人员提供有用的资源,如开发工具、预训练的神经网络和技术支持,帮助用户进行设置、故障排除。当面临海量的训练数据涌入,或是一个试点项目启动,亦或是有大量新用户新增进来的时候,云计算能够让企业轻松地扩展其基础设施,以应对不断变化的计算资源需求。
为了提高成本效益,在使用云进行研究、应用程序容器化、实验或其它对时间要求不高的项目的时候,开发者还可以选择使用闲置的容量,并获得最高达90%的折扣。这种模式被称为“spot instances(点实例)”,能够有效地将云GPU上的空间转租给其他用户。


长期使用云计算的用户也可以升级使用最新、最强大的数据中心GPU,因为云提供商会经常更新他们的产品,并且经常会为持续使用平台的用户提供优惠折扣。