阿里云服务器1核2G,2核4G,4核8G,8核16配置可选ECS实例规格汇总

1核2G、2核4G、2核8G、4核8G、4核16G、8核16、8核32G是用户购买阿里云服务器的时候最为常见的云服务器配置，同样的配置是可以选择不同的ECS云服务器实例规格的，以下是阿里云服务器各个配置可选的ECS实例规格：

阿里云服务器ECS实例规格

阿里云ECS云服务器实例规格分为共享型s6实例、xn4实例、n4实例、mn4实例、突发性能t5实例、突发性能t6实例等；企业型云服务器计算型c6/c5、通用型g6/g5、内存型r6/r5、网络增强型、大数据型、本地SSD型、高主频型、GPU异构、弹性裸金属等。阿里云服务器不同配置可选多种ECS实例规格，参考： 阿里云官方帮助中心-实例规格族介绍

阿里云1核1G服务器可选ECS实例规格：共享标准型s6、突发性能实例t5、共享计算型n1、共享基本型xn4

阿里云1核2G服务器可选ECS实例规格：共享标准型s6、突发性能实例t5、共享计算型n1、共享计算型n4

阿里云2核4G服务器可选ECS实例规格：计算型c6、计算型c5、高主频计算型hfc6、高主频计算型hfc5、共享标准型s6、突发性能实例t5、计算网络增强型sn1ne、共享计算型n1、共享计算型n4、突发性能实例t6

阿里云2核8G服务器可选ECS实例规格：通用型g6、通用型g5、高主频通用型hfg6、高主频通用型hfg5、共享标准型s6、突发性能实例t5、GPU计算型gn5i、通用网络增强型sn2ne、共享通用型n2、共享通用型mn4、突发性能实例t6

阿里云4核8G服务器可选ECS实例规格：计算型c6、计算型c5、高主频计算型hfc6、高主频计算型hfc5、共享标准型s6、突发性能实例t5、计算网络增强型sn1ne、高主频计算型c4、共享计算型n1、共享计算型n4

阿里云4核16G服务器可选ECS实例规格：通用型g6、通用型g5、本地SSD型i1、高主频通用型hfg6、高主频通用型hfg5、FPGA计算型f3、共享标准型s6、突发性能实例t5、GPU计算型gn5i、通用网络增强型sn2ne、高主频通用型cm4、共享通用型n2、共享通用型mn4、突发性能实例t6

阿里云8核16G服务器可选ECS实例规格：计算型c6、计算型c5、高主频计算型hfc6、高主频计算型hfc5、共享标准型s6、突发性能实例t5、计算网络增强型sn1ne、高主频计算型c4、共享计算型n1、共享计算型n4、

阿里云8核32G服务器可选ECS实例规格：通用型g6、通用型g5、大数据网络增强型d1ne、大数据型d1、本地SSD型i2g、本地SSD型 i1、高主频通用型 hfg6、高主频通用型 hfg5、GPU 计算型 gn6v、FPGA计算型 f3、共享标准型 s6、突发性能实例t5、GPU计算型gn5i、通用网络增强型sn2ne、高主频通用型cm4、共享通用型n2、共享通用型mn4、突发性能实例t6

阿里云服务器优惠购买福利：推荐大家可以上 阿里云官方云小站 领取阿里云最新的2020元代金券，使用代金券节约购买阿里云服务器的成本。

GPU服务器是一种配置了高性能图形处理器。

GPU其独特的架构使得它在深度学习和人工智能领域具有重要的应用。GPU具有大量的处理核心，可以同时处理多个数据，使得它在并行计算方面比传统的中央处理器更为出色。GPU在浮点运算方面的性能非常高，尤其在单精度和半精度浮点运算上表现优秀，这对于深度学习中大量的矩阵运算非常重要。

GPU具有高带宽的内存，可以更快地将数据从内存传输到处理核心，加速计算过程。深度学习模型的训练过程通常需要大量的计算，包括矩阵乘法、卷积等运算，GPU可以显著加速这些计算，缩短训练时间。

GPU服务器在人工智能的应用

1、图像识别

GPU服务器在图像识别领域广泛应用，可以加速卷积神经网络等模型的训练和推理，用于图像分类、目标检测等任务。

2、语音识别

对于语音识别任务，GPU可以加速循环神经网络等模型的训练和推理，提高语音识别的准确性和效率。

3、自然语言处理

在自然语言处理领域，GPU服务器可以加速循环神经网络和注意力机制等模型的训练和推理，用于文本分类、机器翻译等任务。

GPU服务器是基于GPU的应用于视频编解码、深度学习、科学计算等多种场景的快速、稳定、弹性的计算服务。

作用是：出色的图形处理能力和高性能计算能力提供极致计算性能，有效解放计算压力，提升产品的计算处理效率与竞争力。

采用2颗至强E5-2600V3系列处理器，内存采用128GB/256GB DDR4 2133/2400MHZ,系统硬盘采用2块512G SSD固态硬盘，数据硬盘采用3块25寸2T企业级硬盘，或者3块35寸 4T企业级硬盘，平台采用支持两GPU服务器（LZ-743GR），四GPU服务器(LZ-748GT)，八GPU服务器(LZ-4028GR)。

资讯2019 年 1 1 月 1 8 日， NVIDIA 于今日发布一款参考设计平台，使企业能够快速构建 GPU 加速的 Arm 服务器 ， 以满足日益多样化的科学和工业应用需求。 这 开辟 了 高性能计算的新纪元 。  

NVIDIA 创始人兼首席执行官黄仁勋在 2 019 国际超级计算大会（ SC19 ）上宣布推出这款参考设计平台。该平台由硬件和软件基础模块组成，能够满足高性能计算（ HPC ）社区对于 类型 更加多样化的 C PU 架构日益增长的需求。通过该平台，超级计算中心、超大型云运营商和企业能够将 NVIDIA 加速计算平台的优势与最新的 Arm 服务器平台相结合。

为了构建 这一参考 平台， NVIDIA 与 Arm 及其生态合作伙伴（包括 Ampere 、富士通 和 Marvell ） 联手，以 确保 NVIDIA   GPU 与 Arm 处理器 之间 的 无缝协作 。 该参考平台还得益于 与 HPE 旗下公司 Cray 和 HPE 这 两家早期采用 Arm 服务器的供应商之间的紧密合作。此外，许多高性能计算软件公司已使用 NVIDIA CUDA-X 库 来构建可在 Arm 服务器上运行 、 并可 通过 GPU 实现的管理和监控工具。

黄仁勋表示：“高性能计算正在崛起。机器学习和 AI 领域的突破正在重新定义科学研究方法 ， 并且可能带来激动人心的新架构。从超大规模云到百万兆级超级计算， NVIDIA GPU 与 A RM 的组合让创新者们能够为不断增加的新应用创建系统。”

Arm IP 产品部门总裁 Rene Haas 表示：“  Arm 正在与生态合作伙伴一 同努力， 为百万兆级的 Arm 系统级芯片提供前所未有的性能和效率。我们与 NVIDIA 合作，将 CUDA 加速带入 到 Arm 架构当中 ， 这对于高性能计算社区来说， 具有 里程碑 式的意义 。为了应对全球最复杂的研究 ， 挑战并推动嵌入式系统、汽车和边缘细分市场的进一步发展，高性能计算社区已经在部署 Arm 技术。”

今年早些时候， NVIDIA 宣布 为 A rm 带来 C UDA-X 软件平台 。 NVIDIA 此次发布这一参考平台正是对此前承诺的兑现。   根据这一承诺， NVIDIA 正在提供 其 A rm 兼容软件开发套件 的预览版本。该版本包含 NVIDIA CUDA-X 库和加速计算开发工具。

联合整个高性能计算生态中的合作伙伴

除了 使 自己的软件 兼容 Arm 之外， NVIDIA 还与   GROMACS 、 LAMMPS 、 MILC 、 NAMD 、 Quantum  Espresso 和 Relion 等 领先的 高性能计算 应用开发 商密切 合作 ， 为 A RM 提供 GPU 加速 的 应 程序 用。 为了让 Arm 平台上的应用实现 GPU 加速， NVIDIA 及其高性能计算应用生态合作伙伴编译了大量代码。

为了构建 Arm 生态， NVIDIA 与领先的 Linux 发行商 Canonical 、 Red Hat,   Inc 、 SUSE ， 以及业内领先的高性能计算基础工具供应商 展开 合作。

几家世界级的超级计算中心已开始测试 GPU 加速 Arm 计算系统，其中包括美国的橡树岭国家实验室和桑迪亚国家实验室、英国布里斯托大学以及日本理化学研究所。

来自生态合作伙伴的支持

“  Ampere 非常高兴能够与 NVIDIA 合作开发 GPU 加速解决方案。该解决方案 将 与高性能、高能效 Ampere 的 服务器处理器实现无缝协作。我们的新产品将使我们的客户能够灵活选择最佳的 NVIDIA GPU 加速器，从而高效地运行云、边缘等要求极高的工作负载。”

——   Ampere Computing 董事长兼首席执行官， Renee James

“很高兴看到 NVIDIA 能够如此迅速地为 Arm 服务器带来 CUDA 和 OpenACC 。我们十分希望能够与 NVIDIA 及 其他公司开展密切的合作，在这一架构上编译、分析和调试加速应用。目前，我们已在 4096 核 Arm 系统上证明了这一合作所带来的优势。”

——   EPCC 主任， Mark   Parsons 教授

“对于正在不断发展的 Arm 生态而言， NVIDIA 是一个备受欢迎且重要的生态成员。富士通相信，随着我们迈入新的计算时代， NVIDIA 将扩展 Arm 生态系统 ， 并保证客户在高性能计算和数据科学 领域 ，尤其是人工智能领域有更多的选择。”

——   富士通企业执行官兼服务平台业务部副主管， Takeshi  Horie

“通过我们与 NVIDIA 的密切合作，部署 Marvell ThunderX2 服务器的客户现在可以使用全套 NVIDIA GPU 加速软件。这对于 Arm 生态系统的加速计算可用性来说 ， 是一座重要的里程碑。我们将 继续 一同 将能效提高到一个新的水平，同时为百万兆级时代的众多超级计算和 AI 应用提供出众的性能。”

—— Marvell Semiconductor, Inc 副总裁兼服务器处理器业务部总经理 Gopal Hegde

“在 HPE 、 Marvell 和 NVIDIA 的帮助下，橡树岭国家实验室（ Oak Ridge National Laboratory ）成功地完成了所负责的工作，迅速升级了我们的 Arm 测试台系统，整合了性能测试并取得了良好的成果。在短短两周内，我们编译并正确运行了约八个领先级应用 程序 ，三个重要的社区库 ， 以及常被用于评估 Arm 高性能计算生态的基准套件。根据早期结 果可以看出，这个由 Arm 主导的加速计算生态 的功能 似乎 和 POWER 以及 x86 环境 差不多 。对于一个 Arm 内的加速计算生态而言，这是一个了不起的开始。”

——橡树岭国家实验室国家计算科学中心科学主任， Jack C Wells

“我们与 NVIDIA 已经合作了很长时间。我们很高兴地看到， N VIDIA 实现了自己的承诺，为 Arm 高性能计算社区带来了领先的 CUDA-X 软件堆栈和生态系统。我们已经开始在通过 NVIDIA GPU 加速的 Arm 系统上评估理化学研究所的代码，我们 认为 它将为日本高性能计算和 AI 融合工作负载带来新一轮的创新。”

——日本理化学研究所所长， Satoshi Matsuoka

“由于 NVIDIA 为 Arm 主机 CPU 提供了新的支持，因此现在可以直接使用 Kokkos 和 LAMMPS 。这一结果达到了我们的期望，并且让我们可以借鉴在带有 x86   CPU 的系统中部署 NVIDIA GPU 的经验。”

——桑迪亚国家实验室主要技术人员， Christian Trott

“  NVIDIA 的 Arm 软件堆栈的确可以直接使用。我们之前就已大量使用 Arm 和 NVIDIA 这两个独立的平台，因此我们非常高兴这两者能够组合在一起。相比于我们之前尝试过的 x86 平台， NVIDIA 为 Arm   提供的 GPU 驱动器性能非常之好。能够在如此短的时间内取得这一成果，的确令人惊叹。”

—— 布里斯托大学高性能计算教授 ， Simon McIntosh-Smith

GPU服务器的主要应用场景有海量计算处理，超强的计算功能可应用与海量数据处理方面的运算，如搜索、大数据推荐、智能输入法等，可能原本需要几天才能完成的数据量，用GPU服务器在几个小时就完成了；GPU服务器还可以作为深度学习训练平台，可直接加速计算服务，亦可直接与外界连接通信等等。思腾合力在GPU服务器的型号方面还是有很多选择的，有自主研发的品牌也有英伟达的，在选择方面还是比较多的，应用的场景也十分广泛。