(相关资料图)

“本来我是拒绝的,但AI实在是太火了！”Ai爆火，需要的GPU算力剧增今年，这Ai真的是太火爆了，不管是做啥的只要沾上GPT，那流量都是嗷嗷的。这不是么，我这边本想部署几个比较流行的应用，嘿！算力不够啊～我们都知道GPU的核数远超CPU，被称为众核，每个核拥有的缓存大小相对小，数字逻辑运算单元也少而简单，从结果上导致CPU擅长处理具有复杂计算步骤和复杂数据依赖的计算任务，而GPU适合对大量数据进行并行的简单计算，正好Ai就需要这个。所以么，英伟达趁机走上了巅峰！目前开源的AI项目微软的DeepSpeed-Chat，一个 130 亿参数的类 ChatGPT 模型，训练时间只需要 1.25 小时；再看看下面：GLM-10B/130B：双语（中文和英文）双向稠密模型。OPT-2.7B/13B/30B/66B：Meta开源的预训练语言模型。LLaMA-7B/13B/30B/65B：Meta开源的基础大语言模型。Alpaca（LLaMA-7B）：一个强大的可复现的智能跟随模型，种子任务都是英语，收集的数据也都是英文，因此训练出来的模型未对中文优化。Alpaca-Lora：Stanford Alpaca 是在 LLaMA 整个模型上微调，而 Alpaca-Lora 则是利用 Lora 技术，在冻结原模型 LLaMA 参数的情况下，通过往模型中加入额外的网络层，并只训练这些新增的网络层参数。由于这些新增参数数量较少，这样不仅微调的成本显著下降，还能获得和全模型微调类似的效果。BELLE（BLOOMZ-7B/LLaMA-7B）：项目基于 Stanford Alpaca，针对中文做了优化，模型调优仅使用由ChatGPT生产的数据（不包含任何其他数据）。ChatGLM-6B：中英双语的对话语言模型。出了这些语言模型，还有 text to image训练的也就是Ai作画，我也懒得去对比了，直接给你最好的两个：Stable Diffusion–AI 和Stable Diffusion，都可以自行部署webUI。如果你要自行部署上面的模型，可以搜索项目名称，然后到github上看。什么人需要GPU计算首先，当然是搞深度学习的技术人才，深度学习和训练模型都需要大量的计算；另外，像我这种做博客的，天天想着测试几个UI，然后做成视频吸粉的；其实，有些人才已经在这方面做的很出色了，已经赢在了起跑线上，怎么说呢，就说这些技术大牛，整合开源的项目，用API做出了个ChatGPT多用户国内版，刚好在国内控制GPT的时候上线，当然需要付费使用，用户还不少～另外有个行业，就是做知识付费的，早就嗅到了商机，今天我看知识星球上靠着GPT教学的课程，营收400万了，他赚钱比GPT都早半个月。

这图片是Stable Diffusion–AI生成的90年代中国情侣，这个市场也不是没有，现在训练古风的已经能做插画了，就是一个小团队运营，赚钱的机会也是大大的。当然，训练各种模型，也包括voice-text这种，都需要GPU运算，我好像赶不上这波淘金热了，只能卖铁锹了。哪里有GPU的服务器为啥我推荐GPU的服务器呢，因为把项目建设在云端可供用户使用，很方便的变现；而自己的GPU电脑那只能是自嗨，不明说了，自己想。1、DatabaseMart 这家服务器商从2015年开始，口号就是“买的越久价格越低”，GPU从$45/月到$270/月，显卡从GT710到RTX3060Ti，英伟达A5000，涵盖了从2016年到现在的主流计算型显卡，配置还行价格低廉，新手建议选择这家。当然，他家的vps我就不介绍了，注册地址： https://clients.databasemart.com/aff.php?aff=1386&gid=20 下面是GPU价格目录：

2、vultr.com 这是我接触比较早的一家，说实话IP比较烂了，推出GPU也仅有一年的时间，不过有个优势哦，可以按小时付费，如果我们仅仅是测试一个项目，用几个小时就可以删除，那么vultr是首选：普通用户注册： https://www.vultr.com/?ref=8730332 （需充值$10）注册送$100：https://www.vultr.com/?ref=8981484-8H (需充值$35）上面两个链接看自己实力任意选择，也支持支付宝。价格的话，要看你选用什么显卡，我以A100为例，如果1/3GPU够用，一个小时不到5元钱：

3、如果有在国内部署GPU的需求，可以试试阿里云： https://www.aliyun.com/activity/new/index?userCode=syh805zy在上面页面注册后，购买路径：产品——云服务器ECS——定义购买——GPU计算，价格参考如下：

总结随着Ai的继续风靡，GPU服务器可能存在水涨船高的现象，上面我找到的这几个是比价靠谱的，当然我没办法把所有GPU商家都罗列出来，更何况有的商家仅仅安装了N卡，驱动都要自己安装，那就比较耗时了。我建议大家购买之前要了解一下基本的部署流程，不要浪费时间，因为GPU很贵。