MornAI (Chenjianyun): alugar GPU A100 e RTX 4090 por hora

A MornAI é uma plataforma de aluguel de capacidade de GPU que se posiciona como acesso pronto para uso a placas de alto desempenho. Oferece modelos como A100, RTX 4090 e RTX 3090 em três formatos de entrega - servidor em nuvem, contêiner em nuvem e máquina física -, com cobrança por hora, dia, semana ou mês e desconto nos períodos mais longos. Para equipes que treinam modelos de aprendizado profundo, ajustam grandes modelos ou rodam computação científica, ela resolve um problema conhecido: não é preciso comprar placas, montar servidores, achar data center e manter operação antes do primeiro experimento.


O custo escondido de montar um servidor de GPU próprio costuma ser subestimado. A compra demora, o modelo escolhido é difícil de trocar depois, máquinas paradas continuam depreciando, energia e refrigeração são despesas fixas, e versões de driver, CUDA e frameworks consomem horas de engenharia antes de qualquer treino. Alugar capacidade não garante preço unitário menor: o valor está em transformar um ativo fixo em uma despesa que se liga e desliga, o que pesa mais quando a demanda do projeto oscila. A proposta da MornAI segue essa lógica - contêineres para trabalhos curtos, servidores em nuvem quando é preciso controle total do sistema operacional e máquinas físicas quando o requisito é desempenho exclusivo.

Sobre preço, o fornecedor descreve as tarifas de GPU como 10 a 30 por cento do que as nuvens públicas tradicionais cobram, e menciona um programa para recursos ociosos gerarem receita. São afirmações do fornecedor, e o custo real depende do modelo da placa, da duração do aluguel e do estoque disponível, então vale calcular com as horas reais da sua carga de trabalho em vez de aplicar o desconto diretamente.

Principais recursos

Capacidade de GPU sob demanda

Placas A100, RTX 4090 e RTX 3090 atendem treino de aprendizado profundo, ajuste fino de grandes modelos, computação científica e renderização, com quantidade de GPU configurável junto de CPU, memória e disco. O material de origem lista famílias de placas, mas não informa capacidade de memória, tipo de interconexão nem desempenho por placa, então confirme a especificação exata na página do mercado de computação antes de contratar.

Ambientes pré-configurados

As imagens de sistema já trazem pilhas de aprendizado profundo, modelos de linguagem e computação científica, de modo que uma instância nova não começa de uma instalação limpa de CUDA. Para pesquisadores e equipes pequenas sem pessoal de operação, as horas economizadas aqui costumam valer mais que o dinheiro poupado.

Três formatos de entrega

Servidor em nuvem atende quem precisa de controle total do sistema operacional, contêiner atende trabalhos curtos e reproduzíveis, e máquina física atende treino e renderização que exigem exclusividade e desempenho estável. Cada formato tem carga operacional e estrutura de custo próprias, e um projeto pode migrar entre eles conforme amadurece.

Cobrança e agendamento elásticos

A granularidade vai de hora a dia, semana e mês, com desconto nos prazos longos, e a plataforma descreve agendamento em nível de segundos para ajustar recursos conforme a demanda muda. Para cargas de pesquisa que trabalham intensamente por um período e depois ficam paradas, a cobrança por hora costuma ser mais fácil de controlar que um compromisso mensal.

Infraestrutura gerenciada e suporte

A plataforma cuida da operação do hardware e anuncia suporte especializado 24 horas por dia, além de orientação individual para trabalhos acadêmicos. Os canais concretos, os prazos de resposta e o alcance dessa orientação não são detalhados no material de origem.

Como começar

1. Cadastre-se e entre no site oficial, mornai.cn.
2. Abra o mercado de computação e escolha servidor em nuvem, contêiner em nuvem ou máquina física.
3. Selecione uma imagem de sistema, por exemplo com aprendizado profundo, modelos de linguagem ou computação científica já instalados.
4. Configure o hardware: modelo e quantidade de GPU, depois CPU, memória e capacidade de disco.
5. Escolha o prazo de cobrança - hora, dia, semana ou mês -, com desconto nos prazos semanal e mensal.
6. Crie a instância, confira no console e entre com um clique para começar a trabalhar.

Preços e cobrança

• A granularidade cobre hora, dia, semana e mês, com descontos maiores em aluguéis longos, o que permite orçar conforme o ritmo do projeto e não conforme o mês civil.
• O fornecedor descreve o preço das GPUs como 10 a 30 por cento das nuvens públicas tradicionais, uma afirmação relativa que não identifica os provedores nem as placas comparadas.
• O material de origem não publica preço unitário por placa, período mínimo de aluguel, caução nem regras de reembolso; a cotação real precisa ser conferida na página do mercado de computação.
• Há menção a um programa de monetização de recursos ociosos, mas condições, forma de liquidação e modelos aceitos não são descritos na fonte.

Para quais equipes faz sentido

• Startups de IA cuja demanda de computação oscila entre picos de treino e fases tranquilas de produto, e que preferem evitar compra de hardware.
• Universidades e grupos de pesquisa com demanda intermitente e experimentos curtos e concentrados.
• Equipes de P&D corporativo com treino em larga escala ou renderização complexa que precisam de agendamento elástico e menos custo ocioso.
• Desenvolvedores e designers individuais que usam placas 3090 ou 4090 para inferência e renderização leves, com barreira de entrada menor que comprar uma estação.

Limitações e pontos a verificar

• A fonte lista apenas famílias de placas, sem capacidade de memória, desempenho por placa, interconexão como NVLink nem largura de banda de rede, dados que precisam ser confirmados no console antes de assumir treino multi-GPU.
• A disponibilidade de cada formato depende do estoque, e placas populares podem formar fila em picos de demanda, então o cronograma deve incluir folga.
• A faixa de 10 a 30 por cento é uma comparação do fornecedor que não nomeia as nuvens de referência nem os modelos, portanto o cálculo de custo deve usar suas horas e especificações reais.
• Segurança de dados, certificações de conformidade, residência de dados e política de backup não aparecem na fonte; com dados sensíveis ou setores regulados, confirme com o fornecedor antes de subir qualquer coisa.
• O aluguel de máquina física envolve entrega e confirmação de exclusividade, e não são descritos prazo de provisionamento nem processo de encerramento, então projetos curtos devem ser validados primeiro em servidores em nuvem ou contêineres.
• O suporte 24 horas e a orientação individual são anunciados sem prazos de resposta nem limites de serviço declarados, então um projeto crítico não deve depender inteiramente do suporte externo para diagnosticar falhas.

Perguntas frequentes

Qual a diferença em relação a comprar GPUs e montar um servidor?

Comprar placas é um investimento de capital seguido de custos contínuos de espaço, energia, refrigeração e operação, e o modelo escolhido é difícil de trocar. A MornAI aluga capacidade por hora, dia, semana ou mês em servidores em nuvem, contêineres e máquinas físicas, então é possível parar o aluguel quando o projeto termina ou a demanda cai. A diferença está na flexibilidade da estrutura de custo, não em um preço unitário garantidamente menor.

Quais GPUs estão disponíveis?

O material de origem lista A100, RTX 4090 e RTX 3090. Elas cobrem treino de grandes modelos, aprendizado profundo e renderização, mas a capacidade de memória e a configuração de interconexão devem ser confirmadas na página de configuração de instâncias do mercado de computação.

É preciso instalar o ambiente por conta própria?

As imagens incluem ambientes de aprendizado profundo, modelos de linguagem e computação científica, então uma instância nova normalmente não exige montar CUDA e frameworks do zero. Se o projeto fixa versões específicas, confira antes a combinação de versões dentro da imagem.

Como funciona a cobrança?

A cobrança é por hora, dia, semana ou mês, com desconto nos prazos longos, e o fornecedor situa o preço das GPUs em 10 a 30 por cento da nuvem pública tradicional. Preços por placa, períodos mínimos e regras de caução não são divulgados na fonte, então a cotação ao vivo no mercado de computação é a referência.