竞价实例价格可低至按需价的2~4折，但最大风险是随时可能被回收（通常只有30秒~2分钟通知），用对了省大钱，用错了丢数据。
一、竞价实例的原理
云厂商将闲置的GPU容量以折扣价格出售，用户出价高于当前现货价格即可使用。当现货价格上涨或厂商需要收回资源时，实例会被强制终止。
核心特点：
- 价格低：通常是按需价格的20%~40%；
- 随时可能被回收：回收通知时间通常30秒~2分钟；
- 无SLA保障：不承诺可用率，故障和回收都不赔偿；
- 资源不稳定：价格和可用量随时波动。
二、哪些任务适合用竞价实例
| 任务类型 | 适合度 | 原因 |
|---|---|---|
| 数据预处理/清洗 | 非常适合 | 可中断，重跑成本低 |
| 离线批量推理 | 适合 | 支持断点续跑，多任务排队 |
| 模型训练（有checkpoint） | 适合 | 从最近checkpoint恢复即可 |
| 超参数搜索（并行实验） | 非常适合 | 每个实验独立，挂了重跑 |
| 在线推理服务 | 不适合 | 回收会导致服务中断 |
| 生产环境API | 绝对不适合 | SLA要求99.9%以上可用 |
| 数据库/存储服务 | 不适合 | 数据安全性无保障 |
三、竞价实例的省钱效果
以A100 80G为例：
- 按需价格：18元/小时；
- 竞价价格：3.5~6元/小时（约2~3.3折）；
- 包月价格：约16.7元/小时（7.2折）。
如果一个训练任务需要运行200小时，使用竞价实例可以节省：(18-5)×200=2600元。考虑到可能被回收重跑的成本，实际节省仍在40%~60%。
四、使用竞价实例的五条铁律
铁律1：每30分钟保存一次checkpoint
训练脚本必须实现自动保存checkpoint功能，被回收后从最近的checkpoint恢复训练。损失最多30分钟的训练进度。
铁律2：多区域、多卡型容错
不要只在一个区域竞价。同时在2~3个区域提交竞价请求，某个区域资源被收回时自动切换到其他区域。
铁律3：设置出价上限
设置一个你能接受的最高出价（比如按需价的40%），超过此价格自动取消竞价，避免价格飙升时意外多花钱。
铁律4：不要把数据放在本地盘
竞价实例回收后本地数据全部丢失。所有数据集、模型权重、checkpoint都要存在对象存储或网络存储中。
铁律5：关键路径用按需实例兜底
对训练时间有严格要求的项目，保留一台按需实例作为主线，竞价实例做辅助计算。即使竞价实例全挂，主线仍在推进。
五、竞价实例被回收的概率有多大
回收概率取决于：
- 卡型热度：4090、A10等推理卡回收概率低；H100等高端卡回收概率高；
- 时段：工作日白天回收概率高，夜间和周末回收概率低；
- 区域：资源充裕的区域（如西部、二线城市）回收概率低于一线城市。
在冷门区域、非高峰时段使用4090跑批量任务，连续运行一周不被回收是常态。
想寻找高性价比的竞价GPU实例，对比不同区域的现货价格，可以访问GPU竞价实例平台，实时查看各卡型现货价格和可用量。
六、总结
竞价实例不是穷人版按需实例，而是一种需要工程能力驾驭的成本优化工具。做好checkpoint和数据备份，竞价实例能把GPU成本砍掉一半以上。
