换了GPU服务器供应商：账单反而降了一半

账单降一半，多半不是你砍价有多狠，而是你终于按真实用量付钱了。GPU服务器供应商的报价单看上去都在比“每卡每小时多少钱”，可真正决定月末数字的，是计费粒度、带宽口径和存储读写这几笔附加账。同样的训练任务，换个计法，价差能拉出一大截——前提是你得先知道自己到底用了多少。

GPU服务器供应商的报价单，藏在计费粒度里

卡时单价是最容易比较的一项，也是最容易误导人的一项。有的服务商按整机包月算，机器闲着你也得掏一样多的钱；有的按实际占用计费，跑完就停；还有的卡时便宜，但把存储和流量单独拎出来计费。三家报价放在一起，你要先把单位换算成“我这个月真实跑了多少小时”再比，不然比的是标价，付的是另一回事。具体规则每家不一样，以服务商官方页面或合同条款为准，销售口头说的都不算数。

换之前，先把自己的用量摸清楚

不少人选卡型选得特别细，显存多大、什么架构、互联怎么走，问得清清楚楚，唯独说不清自己一个月跑多少小时、峰值几路并发。这个数不摸清，换供应商基本等于换运气。土办法是把过去两三个月的任务日志拉出来，看实际占用卡时、平均显存、有没有长时间空转。空转这块最要命——为了应付偶尔的高峰常年包着高配机器，闲置时间全在烧钱，账单自然降不下来。

带宽和存储这两笔账，常常比卡本身贵

训练这活儿，卡只是台面上的一部分。模型权重、数据集、checkpoint 反复读写，对存储 IO 的压力经常比算力更早到瓶颈。有些服务商的卡时报价看着漂亮，存储按容量另算、内网带宽限得紧、出网流量单独计费，一个月下来这几项加起来不比卡便宜。

选之前把这些列成一张表逐项问：内网是否免费、出网怎么计、存储是本地盘还是网络盘、读写上限多少、扩容要不要停机。答不上来的先别急着签，问不清楚的条款，后面都会变成扯皮。

便宜的那家，为什么最后更贵

低价背后往往是省掉的东西。镜像环境不全，驱动和 CUDA 版本得自己折腾；出故障了工单排队，等的时间比修的时间长；说好的机器临时被回收，训练断了还得重跑。这些不写在报价单上，但都算钱。还有一类更隐蔽：合同写着可以随时调整规格，真调的时候发现只能往上加不能往下减。判断办法很土——申请一台测试机，把你自己那套环境原样跑一遍，跑通了再谈价格。测试机都不愿意给的，后面大概率也不好沟通。

迁移别等合同到期才动手

迁移这事最怕拖。等到期前一周才动手，时间不够，只能硬着头皮续约。稳妥的做法是提前一两个月开始：先把数据和镜像搬过去，依赖版本对齐，跑几个小任务验证结果一致，再分批切流量。推理和训练分开切，推理可以先放一小部分流量观察，训练等一个完整周期跑完再定。过渡期两边都在花钱，这是正常的成本，别为了省这一两个月的双份开支把稳定性搭进去。

怎么判断一个供应商靠不靠谱

看几个不花哨的指标：有没有公开的服务说明和 SLA 条款、故障响应走什么渠道、机器是不是多可用区部署、后台能不能看到真实的资源监控。别只看销售发来的截图，自己去官网翻文档，翻不到细节的就要打个问号。再看它做这行多久、客户以什么类型为主——通用云和专做加速卡的，侧重点不一样，各有各的短板。这些信息以官方公告和公开资料为准，群里转的二手消息当故事听就好。

该换和不该换，分两种情况

用量长期低于买的规格，说明你在为闲置付费，该往按需计费那边挪；用量常年打满、还得排队等机器，说明包月反而划算，换了未必省钱。还有一种情况不该换：现在这套虽然贵一点，但环境稳定、故障少、迁移成本高，硬换省下的钱可能还不够一次事故的损失。降账单是结果，不是目标。

真要动手的话，按这个顺序走：先拉三个月的用量日志算出真实卡时和峰值；再把候选供应商的计费口径逐项对齐写成一张表；然后要一台测试机把环境跑通；最后分批迁移，留出至少一个完整训练周期的缓冲。账单能不能降一半谁也不敢保证，但按这个流程走，至少不会为了省一笔钱，换来个更贵的坑。