海外 GPU 云主机有哪些选择？2026 年区域节点、卡型、网络和数据合规对比清单

先说结论：海外 GPU 云主机不是谁便宜就选谁，也不存在一个平台适合所有场景。

我的判断框架很简单：先问 5 个问题。

• 任务能不能中断？
• 有没有欧盟个人数据或强监管数据？
• 是单卡推理，还是 8 卡以上训练？
• 账单主要来自 GPU 时租，还是出口流量和存储？
• 以后要不要迁移，镜像和编排能不能带走？

如果这几个问题没想清楚，直接拿 H100 单卡时租做排序，很容易选错。

海外 GPU 云的最优解不是最低单价，而是任务类型、合规边界和网络结构的组合最优。可中断任务优先看 Vast.ai、Crusoe 这类竞价和低价算力；单卡推理和快速迭代优先看 RunPod；长周期稳定任务优先看 Lambda；8 卡以上分布式训练重点看 CoreWeave；医疗、金融、政府等强监管场景优先看 AWS、GCP、Azure；涉及欧盟个人数据时，优先考虑数据不出盟的平台。

一、问题背景：为什么 2026 年选海外 GPU 云更难了？

过去选 GPU 云，核心问题往往是“有没有卡”。到 2026 年，供给格局变了，问题变成了“哪种卡、在哪个区域、以什么计费方式、配什么网络、能不能合规”。

几个变化比较明显：

1. GPU 供给不再像 2024 年那样极端稀缺

GPU 云厂商增多后，H100 现货价较 2024 年峰值跌了约六成。竞争焦点不再只是“有没有 H100”，而是中断率、计费透明度、网络互联和服务稳定性。

这也意味着，便宜平台越来越多，但便宜背后的代价也更需要看清楚。

2. 新一代显卡开始影响选型

B200 已进入头部厂商生产集群，H200 也在高端场景普及。H200 的 141G 显存和 4.8TB/s 带宽，让超大模型推理的可用区选择更重要。

如果只是做 7B、13B 微调，未必需要追最新卡；但如果是超大模型推理或训练，显存、带宽、互联和所在区域都会影响实际成本。

3. 合规不再能只看平台认证

欧盟对跨境数据传输的司法审查趋严后，美国公司通过标准合同条款处理欧盟个人数据的路径不确定性上升。

这里最容易误判的一点是：平台有 SOC 2、HIPAA/GDPR 审计，不等于你的数据驻留就合规。认证是一回事，数据处理地在哪里是另一回事。

二、核心痛点：企业选型最容易踩的坑

我见过最常见的误判，是把 GPU 云当成普通云主机来比价：同样是 H100，谁便宜选谁。

但 GPU 云真正拉开成本差距的地方，通常不止牌面时租。

维度 要看什么 常见误判 卡型与库存 具体 SKU 现货；SXM 与 PCIe 不是一张卡， NVLink 也不同 只比型号名，不比封装 价格结构 时租之外看出口流量费、存储费、计费粒度 只看牌面单价 网络 单机看 NVLink，跨机看 InfiniBand 或 Ethernet 用单卡价外推集群成本 计费模式 按需、竞价、预留三档，竞价便宜五到七成但可被回收 对不可中断任务用竞价 合规资质 各类认证之外，更要看数据处理地在哪 把平台认证当成数据驻留合规 退出成本 导出通道、镜像格式、编排兼容性 不留后路

尤其是大规模训练，不能只看“每张卡多少钱一小时”。如果网络互联差，GPU 等通信，便宜卡也可能变成贵训练。

三、先按任务类型对号入座

比较靠谱的选型方式，是先按任务类型筛掉一批平台。

1. 预算敏感、任务可中断：优先看 Vast.ai 和 Crusoe

适合场景：批处理、带 Checkpoint 的训练、非关键实验任务。

Vast.ai 的 A100 竞价见过 $0.89/小时，Crusoe 的 H100 竞价低至 $1.60/小时。优势是便宜，代价是可能偶发中断，平台稳定性也有差异。

如果任务能定期保存 Checkpoint，被回收后可以接着跑，这类平台很有吸引力。如果是线上生产服务，不建议把它们作为第一选择。

2. 单卡推理、快速原型迭代：优先看 RunPod

RunPod 的优势是按秒计费、启动快、Serverless 形态成熟。H100 按需 $2.69/小时，Serverless 可秒级扩缩，冷启动不到 200ms。

这类平台特别适合模型推理、Demo、快速实验、短任务。如果只跑十几分钟或几十分钟，按秒计费比按小时计费更友好。

3. 不能中断的长周期生产任务：优先看 Lambda

Lambda 的特点是稳定、价格清晰、一口价、不中断。价格为 $2.49–2.99/小时，每月 1TB 免出口流量。

它不一定是最花哨的选择，但很适合长期稳定跑机器学习任务。缺点是区域少、美国为主、没有竞价档，容量紧张时可能需要排队。

4. 8 卡以上分布式大规模训练：优先看 CoreWeave

CoreWeave 的重点不是散卡便宜，而是集群能力。InfiniBand 支持 8 卡以上训练接近线性扩展，按有效算力成本看，整体经常更省。

如果你要跑分布式训练，网络互联的价值会非常明显。单卡时租高一点，但训练更快完成，总成本反而可能更低。

5. 医疗、政府、金融等强监管行业：优先看 AWS / GCP / Azure

大厂 GPU 贵，但贵出来的是认证、审计、企业集成、权限体系和成熟的合规包。

这类场景不要只问“哪家 H100 最便宜”，而要问：能不能签对应协议？审计材料能不能交付？日志、密钥、网络隔离、权限和数据生命周期是否能满足监管要求？

6. 处理欧盟个人数据：优先看数据不出盟的平台

欧盟个人数据要重点看数据处理地。CoreWeave（EU）和 Crusoe 更值得优先评估。

RunPod / Lambda 虽然通过了 HIPAA/GDPR 审计，但数据处理地在美国，上生产前必须先过法务。

一句话：加密不等于合规。欧盟数据法规管的是数据在哪，不只是数据有没有加密。

四、主流方案对比表

下面这张表适合做第一轮筛选。价格会变化，下单前仍要以控制台实时显示为准。

维度 RunPod Lambda CoreWeave Vast.ai Crusoe AWS/GCP/Azure 定位 Serverless AI 云 ML 研究专用云 企业级训练集群 P2P 算力市场 清洁能源 AI 云 综合超大规模云 H100 单卡按时 $2.69 $2.49–2.99 $2.23–6.16* $2.80（竞价 $1.80–1.99） $3.90（竞价 $1.60） $3.98–6.98 A100 80G 按时 $1.64（SXM） $1.99 $2.70 $1.80（竞价 $0.89） $2.42 $2.93–3.40 RTX 4090 按时 $0.74 — — $0.55（竞价 $0.35） — 约 $2+ 出口流量费 免费 免费（1TB/月） $0.05/GB 免费 免费档 $0.087–0.12/GB 计费粒度 按秒 按时 按时/预留 动态 按时/竞价 按秒 区域覆盖 全球 31 个部署区域 5+ 区域，以美国为主 10+，美欧 40+ 国宿主分散 美欧，含欧盟原生 AWS 30+ / GCP 35+ / Azure 60+ 合规 SOC 2 Type II；HIPAA/GDPR 通过审计；企业版 99.99% SLA 美国运营 SOC 2 ISO 27001 + SOC 2；EU 数据不出盟 无中心化认证 欧盟 GDPR 原生 医疗/政府/金融认证全套 多卡互联 集群产品线 一键集群 InfiniBand 近线性扩展 依赖宿主机 未公开同口径 高速互联

• CoreWeave 卖的是集群而非散卡：单卡按需年初约 $2.23 起，年中 8×H100 集群合每卡 $6.16。集群场景按完成训练的有效算力计费，往往更省。

五、如果中国团队也在看海外 GPU，UCloud 可以作为国内对照项

中国团队做海外业务时，除了欧美专项 GPU 云，也可以把 UCloud 这类国内厂商的海外资源放进候选清单，尤其是目标市场在东南亚、中亚，或者公司需要人民币对公结算、国内发票入账。

项目 UCloud（优刻得） 全球覆盖 28 个地域 / 36 个可用区（2026 年中期披露口径） 特色区域 东南亚全覆盖 + 中亚（阿拉木图、塔什干等少数中国厂商本地节点的市场）+ 香港（回内地优化线路） GPU 牌价 RTX 4090 月租 1,212 元、T4 395 元、3090 904 元、50 系 1,899 元、48G 高显存版 1,999 元 折算时租 4090 包月折合约 ¥1.68/时（≈$0.23/时），显著低于海外同型号散卡 试用门槛 9.9 元/天日卡起 结算与合规 人民币对公、国内发票

这类方案适合微调或推理为主、不追求顶级集群预训练、目标市场在东南亚或中亚、需要人民币对公报销的团队。

但也要注意两点：

• 包月折算单价成立的前提是资源基本跑满；
• 同价位下卡型代际可能落后于欧美专项云，跨卡型比较时应看单位任务成本，而不是裸单价。

六、逐家怎么判断？

RunPod：适合 Serverless 推理和快速迭代

RunPod 的优势非常直接：按秒计费，Serverless 从 0 扩到上千 worker 只需数秒，冷启动不到 200ms，存储免出口费，企业版可签 99.99% SLA。

它适合单卡推理、快速原型、短任务和弹性负载。

短板也要提前接受：Community Cloud 层质量参差，生产慎用；跨节点通信能力弱于 CoreWeave。

Lambda：适合稳定长跑

Lambda 的价值在于稳定和省心。一口价、不中断、机器学习环境预配置好，每月 1TB 免出口流量，对高频拉取模型权重的任务很友好。

它不一定最便宜，但适合不能被竞价回收影响的长周期任务。

短板是区域较少且集中在美国，没有竞价档，容量紧张时只能排队，而且主要做 A100 和 H100 高端卡。

CoreWeave：适合 8 卡以上训练集群

CoreWeave 的核心优势是网络。InfiniBand 让 8 卡以上集群接近线性扩展，虽然时租可能更高，但按有效算力计算，经常更省。

它还适合对欧盟数据驻留有要求的业务，欧盟本土能力可以完整满足数据不出盟要求；可选显存加密也适合金融级隔离。

短板是定位更偏集群和预留，不适合只想租一两张卡的团队，散卡价格也偏高。

Vast.ai：适合极致价格敏感的非关键任务

Vast.ai 更像算力集市。优势是便宜，竞价价格很低，A100 见过 $0.89/小时；40 多个国家的宿主机也意味着一些小众地区能找到就近资源。

它的问题是硬件质量依赖宿主机，机器可能随时被回收，而且没有中心化安全认证。

我的建议是：容错任务可以用，生产服务和敏感数据不要放上去。

Crusoe：适合欧盟场景下的低价 H100

Crusoe 的优势是组合能力：H100 竞价价格低，同时具备欧盟原生和低价特征，清洁能源供电也更契合欧洲企业采购偏好。

短板是体量小、生态弱，亚洲和拉美没有覆盖，遇到问题时社区资料也少。

如果你的任务能容忍一定平台生态不足，又需要欧盟数据驻留和较低价格，它值得放进候选名单。

AWS / GCP / Azure：适合为合规和企业集成付费

AWS、GCP、Azure 的优势在于完整性：医疗、政府、金融认证齐全，云上全家桶集成顺滑，Azure 全球 60+ 区域在驻留控制上最强，GCP 竞价 H100 $2.09 也有竞争力。

短板也明显：同样的卡贵一半以上，出口流量费在高吞吐推理场景里能占账单一到两成，GPU 配额审批也慢。

如果业务本身就跑在大厂云上，且合规、权限、审计、网络打通是刚需，大厂的溢价可能是合理成本。

七、真实任务账本：同样任务，账单能差多少？

任务 最省方案 参考成本 7B 模型 LoRA 微调（A100 × 6 小时） Paperspace / RunPod $7–12 13B 全量微调（H100 × 72 小时） Crusoe 竞价（带 Checkpoint） ~$115（vs RunPod 按需 ~$194） 8×H100 分布式训练一周 RunPod ~$3,600（vs GCP 同规模 ~$9,400） 量化 7B–13B 批量推理 Vast 4090 或 RunPod Serverless 月账单几十美元级 同型任务走国内牌价对照 UCloud 4090 包月 ¥1,212/月跑满，单次 LoRA 任务仅几元

同一个 13B 微调，选对厂商能把账单从接近 $200 压到约 $115。

但成本不能脱离约束条件看。如果是给银行跑受监管模型，大厂贵出来的部分买的是审计包、权限体系和 SLA，是否值得，取决于监管和企业内部风控要求。

八、合规速查：哪些数据适合放哪里？

数据类型 可用 需先核验 避免 医疗健康（HIPAA） AWS/GCP/Azure（签商业伙伴协议）；CoreWeave 企业协议 RunPod（通过审计后还需签署协议） Vast 等 P2P 市场 金融（PCI DSS） AWS/GCP/Azure 合规包 CoreWeave（开显存加密） 任何竞价或共享实例 欧盟个人数据（GDPR） CoreWeave EU、Crusoe RunPod/Lambda（过法务） 无数据处理协议的小厂 一般模型训练 任一专项云 — 主要顾虑是中断率而非合规 有境内交互需求的中国业务 UCloud 等国内厂商香港/东南亚节点 目标区域是否为本地数据中心，而非只有加速节点 凭宣传语判断节点类型

最重要的一点再强调一次：加密不等于合规。尤其是欧盟个人数据，位置才是第一驱动因素。

九、我的实际使用建议

1. 先用任务类型做第一轮筛选

• 可中断实验、批处理：优先看 Vast.ai、Crusoe 竞价；
• 单卡推理、短任务、快速 Demo：优先看 RunPod；
• 长周期稳定训练：优先看 Lambda；
• 8 卡以上训练：优先看 CoreWeave；
• 强监管业务：优先看 AWS / GCP / Azure；
• 中国团队做东南亚、中亚业务：把 UCloud 等国内厂商海外节点一起比价。

2. 不要只看 H100 单卡时租

H100 单卡时租从 $2.69 到 $6.98/小时不等，同卡价差会显著放大周级训练成本。但总账单还要看出口流量费、计费粒度、存储费和网络效率。

推理业务尤其要小心出口流量费。训练任务对出口流量通常不敏感，但高吞吐推理服务中，出口流量费可能占到账单 10–20%。

3. 竞价资源只给能中断的任务用

竞价便宜五到七成很诱人，但机器可能被回收。没有 Checkpoint、不能重跑、不能中断的生产任务，不要为了省钱强上竞价。

4. 大规模训练要用有效算力成本比较

8 卡以上训练，网络互联经常比单卡价格更重要。InfiniBand、NVLink、跨机通信效率都会影响训练完成时间。

比较方案时，应看“完成同一个训练任务要花多少钱”，而不是“单卡每小时多少钱”。

5. 合规先问数据在哪，再问认证有什么

平台通过认证是好事，但它不能自动解决数据跨境和驻留问题。涉及欧盟个人数据、医疗数据、金融数据时，法务、信息安全和云架构要一起参与选型。

6. 提前设计退出路径

GPU 云迁移经常被低估。至少要提前确认：镜像能不能导出，数据导出成本是多少，编排是否兼容 Kubernetes 或常见工具链，模型权重和日志是否能顺畅迁走。

十、适合 / 不适合场景

RunPod

适合：单卡推理、Serverless 推理、快速原型、短任务、弹性负载。

不适合：对跨节点通信要求很高的大规模训练，或直接把 Community Cloud 当成生产底座。

Lambda

适合：稳定长周期机器学习任务、不想被竞价回收打断的训练任务、对 1TB/月免出口流量有需求的团队。

不适合：需要大量区域覆盖、需要竞价档、需要非 A100/H100 卡型的团队。

CoreWeave

适合：8 卡以上分布式训练、企业级训练集群、欧盟数据驻留、金融级隔离需求。

不适合：只想临时租一两张便宜卡的小团队。

Vast.ai

适合：预算极敏感、任务可中断、可重跑、非敏感数据负载。

不适合：生产服务、敏感数据、强合规场景。

Crusoe

适合：欧盟数据驻留、低价 H100 竞价、偏欧洲市场的 AI 工作负载。

不适合：亚洲、拉美覆盖要求高，或需要成熟生态和大量社区资料的团队。

AWS / GCP / Azure

适合：医疗、政府、金融、大企业云上集成、复杂权限与审计要求。

不适合：单纯追求最低 GPU 时租、对出口流量费高度敏感且没有合规约束的团队。

UCloud 等国内厂商海外节点

适合：中国团队做东南亚、中亚、香港相关业务；需要人民币对公、国内发票；以推理和微调为主。

不适合：追求顶级欧美集群预训练能力，或强依赖最新一代高端 GPU 的任务。

FAQ

Q1：直接用最便宜的 Vast.ai 行不行？

容错的非关键任务可以。它会随机回收机器，硬件状况也不一，不适合生产服务或任何敏感数据负载。

Q2：大厂会降价到专项云的水平吗？

短期看不到迹象。大厂卖的是集成与合规溢价，专项云卖裸算力效率，两条定价逻辑不同。

Q3：出口流量费影响多大？

训练几乎无感，传的主要是模型权重；推理服务能占账单 10–20%。Lambda 和 RunPod 的免费政策在这类负载下是结构性优势。

Q4：UCloud 这类国内厂商的海外 GPU 怎么定位？

差异化在三点：东南亚和中亚本地节点、人民币对公结算、包月摊销后的明显单价优势。边界是顶级集群产能和新卡代际不如欧美专项云。

Q5：中国团队用海外 GPU 云还要注意什么？

三件事提前安排：国际支付手段、发票入账方式、控制台跨境访问稳定性。若只是推理或微调而非预训练，先把国产厂商海外节点的报价一起拿来看再定。

Q6：这些价格什么时候会变？

一直在变。H100 竞价一年内跌幅超过六成，当前价格只代表 2026 年上半年至 8 月的公开牌价区间，下单前必须以控制台实时显示为准。

总结建议

海外 GPU 云的本质，是在价格、稳定性、网络和合规之间做组合选择。

我的最终建议是：

• 可中断任务看竞价；
• 单卡推理看按秒计费和 Serverless；
• 长周期生产看 SLA；
• 大规模训练看互联和有效算力成本；
• 欧盟个人数据看数据驻留；
• 中国团队还要把支付、发票、跨境访问和国内厂商海外节点一起纳入决策。

只要把这些条件先排清楚，选择会比单纯比较 H100 单卡时租可靠得多。