MornAI (Chenjianyun): wynajem mocy GPU od A100 do RTX 4090 na godziny

MornAI to platforma wynajmu mocy obliczeniowej GPU, pozycjonowana jako gotowy dostęp do kart graficznych wysokiej klasy. Oferuje modele z rodzin A100, RTX 4090 i RTX 3090 w trzech formach - host w chmurze, kontener w chmurze oraz maszyna fizyczna - z rozliczeniem za godzinę, dzień, tydzień lub miesiąc i rabatami przy dłuższych okresach. Dla zespołów trenujących modele uczenia głębokiego, dostrajających duże modele lub prowadzących obliczenia naukowe rozwiązuje to znany problem: nie trzeba kupować kart, składać serwerów, szukać serwerowni i organizować utrzymania przed pierwszym eksperymentem.


Ukryty koszt własnego serwera GPU bywa niedoceniany. Zakup zajmuje czas, wybranego modelu trudno później zmienić, bezczynne maszyny nadal tracą na wartości, prąd i chłodzenie to stałe pozycje, a wersje sterowników, CUDA i frameworków pochłaniają godziny pracy inżynierów, zanim ruszy jakiekolwiek trenowanie. Wynajem nie gwarantuje niższej ceny jednostkowej; jego wartość polega na zamianie majątku trwałego w koszt, który można włączać i wyłączać, co ma największe znaczenie przy zmiennym zapotrzebowaniu projektu. Oferta MornAI podąża tą logiką: kontenery do krótkich zadań, hosty w chmurze, gdy potrzebna jest pełna kontrola nad systemem, oraz maszyny fizyczne, gdy liczy się wyłączność wydajności.

Jeśli chodzi o cenę, dostawca opisuje stawki za GPU jako 10 do 30 procent tego, co pobierają tradycyjne chmury publiczne, i wspomina o programie pozwalającym zarabiać na bezczynnych zasobach. To deklaracje dostawcy, a rzeczywisty koszt silnie zależy od modelu karty, czasu wynajmu i bieżących zapasów, więc lepiej policzyć go na własnych godzinach pracy niż stosować podany procent bezpośrednio.

Najważniejsze możliwości

Moc GPU na żądanie

Karty z rodzin A100, RTX 4090 i RTX 3090 pokrywają trenowanie modeli uczenia głębokiego, dostrajanie dużych modeli, obliczenia naukowe i rendering, a liczbę GPU można konfigurować wraz z procesorem, pamięcią i dyskiem. Źródło podaje tylko rodziny kart, bez pojemności pamięci, typu połączeń i wydajności pojedynczej karty, więc dokładną specyfikację trzeba potwierdzić na stronie marketplace'u obliczeniowego przed zamówieniem.

Gotowe środowiska

Obrazy systemowe zawierają stosy uczenia głębokiego, dużych modeli językowych i obliczeń naukowych, dzięki czemu nowa instancja nie startuje z pustej instalacji CUDA. Dla badaczy i małych zespołów bez pionu utrzymania zaoszczędzone tu godziny bywają cenniejsze niż zaoszczędzone pieniądze.

Trzy formy udostępniania

Host w chmurze sprawdza się, gdy potrzebna jest pełna kontrola nad systemem operacyjnym, kontener przy krótkich i powtarzalnych zadaniach, a maszyna fizyczna przy trenowaniu i renderowaniu wymagającym wyłączności i stabilnej wydajności. Każda forma ma inny nakład utrzymaniowy i inną strukturę kosztów, a projekt może przechodzić między nimi wraz z rozwojem.

Elastyczne rozliczenie i planowanie

Rozliczenie obejmuje godzinę, dzień, tydzień i miesiąc, z rosnącym rabatem przy dłuższych okresach, a platforma opisuje planowanie z dokładnością do sekund, by dopasować zasoby do zmieniającego się popytu. Przy obciążeniach badawczych pracujących intensywnie przez pewien czas, a potem bezczynnych, rozliczenie godzinowe łatwiej kontrolować niż zobowiązanie miesięczne.

Zarządzana infrastruktura i wsparcie

Platforma przejmuje utrzymanie sprzętu i deklaruje całodobowe wsparcie specjalistów oraz indywidualne prowadzenie w pracach akademickich. Konkretne kanały, czasy reakcji i zakres tego wsparcia nie zostały w źródle opisane.

Jak zacząć

1. Zarejestruj się i zaloguj na oficjalnej stronie mornai.cn.
2. Otwórz marketplace obliczeniowy i wybierz host w chmurze, kontener w chmurze lub maszynę fizyczną.
3. Wybierz obraz systemu, na przykład z zainstalowanym uczeniem głębokim, modelami językowymi lub obliczeniami naukowymi.
4. Skonfiguruj sprzęt: wybierz model i liczbę GPU, a następnie procesor, pamięć i pojemność dysku.
5. Wybierz okres rozliczenia - godzina, dzień, tydzień lub miesiąc - z rabatem przy tygodniu i miesiącu.
6. Utwórz instancję, sprawdź ją w konsoli i zaloguj się jednym kliknięciem, aby rozpocząć pracę.

Ceny i rozliczenia

• Rozliczenie obejmuje cztery poziomy: godzinę, dzień, tydzień i miesiąc, a rabat rośnie wraz z długością okresu, więc budżet można oprzeć na rytmie projektu, a nie na miesiącu kalendarzowym.
• Dostawca opisuje ceny GPU jako 10 do 30 procent stawek tradycyjnych chmur publicznych, ale nie wskazuje chmur porównawczych ani odpowiadających im modeli kart.
• Źródło nie podaje ceny za kartę, minimalnego okresu wynajmu, kaucji ani zasad zwrotu, więc rzeczywistą wycenę trzeba sprawdzić na stronie marketplace'u obliczeniowego.
• Wspomniany jest program monetyzacji bezczynnych zasobów, jednak warunki uczestnictwa, sposób rozliczeń i obsługiwane modele nie zostały opisane w źródle.

Dla jakich zespołów

• Startupy AI, których zapotrzebowanie na moc obliczeniową waha się między etapami trenowania a spokojniejszą fazą produktu i które chcą uniknąć jednorazowego zakupu sprzętu.
• Uczelnie i grupy badawcze o nierównomiernym zapotrzebowaniu i krótkich, skoncentrowanych eksperymentach.
• Korporacyjne zespoły badawczo-rozwojowe prowadzące trenowanie na dużą skalę lub złożony rendering, potrzebujące elastycznego planowania i niższych kosztów bezczynności.
• Indywidualni deweloperzy i projektanci używający kart z rodzin 3090 lub 4090 do lekkiej inferencji i renderingu, z niższym progiem wejścia niż zakup stacji roboczej.

Ograniczenia i punkty do sprawdzenia

• Źródło wymienia tylko rodziny kart, bez pojemności pamięci, wydajności pojedynczej karty, połączeń typu NVLink i przepustowości sieci; wszystko to trzeba potwierdzić w konsoli przed planowaniem trenowania na wielu GPU.
• Dostępność każdej formy zależy od zapasów, a popularne karty mogą tworzyć kolejkę w szczycie popytu, dlatego harmonogram projektu powinien mieć zapas czasu.
• Wartość 10 do 30 procent to porównanie dostawcy, które nie wskazuje chmur referencyjnych ani modeli kart, więc kalkulację kosztów trzeba oprzeć na własnych godzinach i specyfikacjach.
• Bezpieczeństwo danych, certyfikaty zgodności, lokalizacja danych i polityka kopii zapasowych nie zostały opisane w źródle; przy danych wrażliwych i w branżach regulowanych trzeba to potwierdzić u dostawcy przed przesłaniem czegokolwiek.
• Wynajem maszyny fizycznej wiąże się z dostawą i potwierdzeniem wyłączności, a czas uruchomienia i procedura zakończenia nie zostały opisane, więc krótkie projekty lepiej najpierw sprawdzić na hoście w chmurze lub w kontenerze.
• Całodobowe wsparcie i indywidualne prowadzenie są ogłoszone bez podania czasów reakcji i granic usługi, dlatego krytyczny projekt nie powinien opierać diagnostyki wyłącznie na wsparciu zewnętrznym.

Najczęstsze pytania

Czym to się różni od zakupu kart GPU i własnego serwera?

Zakup kart to inwestycja, po której pozostają stałe koszty miejsca, prądu, chłodzenia i utrzymania, a wybranego modelu trudno zmienić. MornAI wynajmuje moc GPU za godzinę, dzień, tydzień lub miesiąc w formie hostów w chmurze, kontenerów i maszyn fizycznych, więc wynajem można zatrzymać po zakończeniu projektu lub spadku popytu. Różnica tkwi w elastyczności struktury kosztów, a nie w gwarantowanie niższej cenie jednostkowej.

Jakie GPU są dostępne?

Źródło wymienia A100, RTX 4090 i RTX 3090. Pokrywają trenowanie dużych modeli, uczenie głębokie i rendering, ale pojemność pamięci oraz konfigurację połączeń trzeba potwierdzić na stronie konfiguracji instancji w marketplace'ie obliczeniowym.

Czy środowisko trzeba instalować samodzielnie?

Obrazy systemowe zawierają środowiska uczenia głębokiego, modeli językowych i obliczeń naukowych, więc nowa instancja zwykle nie wymaga konfigurowania CUDA i frameworków od zera. Jeśli projekt wymaga konkretnych wersji, warto najpierw sprawdzić ich zestaw wewnątrz obrazu.

Jak działa rozliczenie?

Rozliczenie odbywa się za godzinę, dzień, tydzień lub miesiąc, z rabatem przy dłuższych okresach, a dostawca sytuuje ceny GPU na poziomie 10-30 procent tradycyjnej chmury publicznej. Ceny za kartę, minimalne okresy i zasady kaucji nie są publikowane w źródle, więc wiążąca jest aktualna wycena na stronie marketplace'u.