Czy DigitalOcean obsługuje instancje wielo-GPU z NVLink lub InfiniBand?

Odpowiedź

DigitalOcean obsługuje konfiguracje wielokartowe GPU o następujących specyfikacjach:

Technologia połączenia: NVLink
Maksymalna liczba GPU na instancję: 8
Trening wielowęzłowy: 1

Wybór technologii połączenia jest kluczowy dla wydajności treningu rozproszonego. NVLink zapewnia do 900 GB/s dwukierunkowej przepustowości między GPU, podczas gdy InfiniBand umożliwia szybkie komunikowanie się między węzłami. Konfiguracje oparte wyłącznie na PCIe nadają się do inferencji, ale mogą ograniczać wydajność treningu wielokartowego GPU.

Dostępne modele GPU: RTX 4000 Ada, RTX 6000 Ada, L40S, MI300X, H100 SXM, H200

Szczegółowe specyfikacje połączeń i diagramy topologii wielokartowej GPU można znaleźć na DigitalOcean oficjalnej stronie internetowej.

Więcej FAQ o DigitalOcean

Przewodniki, w których występuje DigitalOcean

Te przewodniki zawierają DigitalOcean wraz z innymi dostawcami chmurowych GPU, pogrupowanymi według cech GPU, frameworków, dostępności i wymagań dla deweloperów.

DigitalOcean kontra RunPod kontra Latitude.sh - GPU Provider Comparison (Kwiecień 2026)

Side-by-side comparison of DigitalOcean kontra RunPod kontra Latitude.sh. Quickly scan maximum funding, profit splits, risk rules, leverage, platforms, instruments, payout schedules, payment options, trading permissions and KYC restrictions to narrow down your prop trading firm shortlist. Data updated Kwiecień 2026.

DigitalOcean kontra RunPod kontra Latitude.sh - GPU Provider Comparison (Kwiecień 2026)
DigitalOcean
Prosta, skalowalna chmura GPU dla AI/ML
Visit DigitalOcean
RunPod
Chmura stworzona dla AI — wdrażaj i skaluj obciążenia GPU od bezserwerowego wnioskowania po natychmiastowe klastry wielowęzłowe na żądanie.
Visit RunPod
Latitude.sh
Chmura GPU bare metal w 23 lokalizacjach na całym świecie
Visit Latitude.sh
Przegląd
Ocena Trustpilot 4.6 3.8 3.7
Siedziba główna United States United States Brazil
Typ dostawcy N/D Skoncentrowana na GPU Bare Metal
Najlepsze dla Szkolenie AI wnioskowanie dostrajanie wdrażanie LLM serwowanie LLM wizja komputerowa startupy generatywna AI badania Szkolenie AI wnioskowanie dostrajanie Stable Diffusion przetwarzanie wsadowe renderowanie badania obsługa LLM generatywna AI Szkolenie AI wnioskowanie GPU bare metal dostrajanie badania dedykowane obciążenia generatywna AI
GPU Hardware
Modele GPU RTX 4000 Ada RTX 6000 Ada L40S MI300X H100 SXM H200 B300 B200 H200 H100 SXM H100 PCIe H100 NVL MI300X A100 SXM A100 PCIe RTX 5090 RTX PRO 6000 L40S L40 RTX 6000 Ada RTX 5000 Ada RTX A6000 RTX A5000 RTX 4090 RTX 4080 SUPER RTX 4080 RTX 4070 Ti RTX 3090 Ti RTX 3090 RTX 3080 Ti RTX 3080 RTX 3070 A40 A30 A2 L4 A30 RTX A5000 RTX A6000 L40S RTX 6000 Ada A100 SXM H100 SXM GH200 RTX PRO 6000
Maks. VRAM (GB) 192 288 96
Maks. liczba GPU/instancję 8 8 8
Połączenie międzywęzłowe NVLink NVLink NVLink
Pricing
Cena wyjściowa ($/godz.) $0.76/hr $0.06/hr $0.35/hr
Szczegółowość rozliczeń Rozliczanie co sekundę Na sekundę Za godzinę
Spot/Preemptible 0 1 0
Rabaty rezerwacyjne N/D 15-29% (plany od 1 miesiąca do 1 roku) N/D
Darmowe kredyty 200 USD darmowego kredytu na 60 dni Premia 5-500 USD po pierwszym wydatku 10 USD 200 USD w ramach programu poleceń
Opłaty za transfer wychodzący Brak (wliczone w plan) Brak (Darmowe) Brak
Pamięć masowa 500-720 GiB NVMe na rozruch (wliczone), 5 TiB NVMe na pamięć tymczasową w większych konfiguracjach, wolumeny po 0,10 USD/GiB/mies. Kontener/Objętość (0,10 USD/GB/mies.), Nieaktywna objętość (0,20 USD/GB/mies.), Pamięć sieciowa (0,07 USD/GB/mies. 1TB) Lokalny NVMe w cenie (do 4x 3,8 TB), Storage blokowy 0,10 USD/GB/mies., Storage systemu plików 0,05 USD/GB/mies.
Infrastructure
Regiony Nowy Jork (NYC2), Toronto (TOR1), Atlanta (ATL1), Richmond (RIC1), Amsterdam (AMS3) 31 globalnych regionów 23 lokalizacje: USA (8 miast), Ameryka Łacińska (5), Europa (5), APAC (4), Meksyk (Miasto Meksyk). GPU w Dallas, Frankfurcie, Sydney, Tokio
SLA dostępności 99% 99,99% 99,9%
Developer Experience
Frameworki PyTorch TensorFlow Jupyter Miniconda CUDA ROCm Hugging Face PyTorch TensorFlow JAX ONNX CUDA Obrazy zoptymalizowane pod ML PyTorch TensorFlow (instalowane przez użytkownika) CUDA
Wsparcie Dockera 1 1 1
Dostęp SSH 1 1 1
Notatniki Jupyter 1 1 0
API / CLI 1 1 1
Czas konfiguracji Minuty Natychmiastowy Sekundy
Kubernetes Support 1 0 0
Business Terms
Minimalne zobowiązanie Brak Brak Brak
Zgodność SOC 2 Typ II SOC 3 HIPAA (z BAA) CSA STAR Poziom 1 SOC 2 Typ II Izolacja pojedynczego najemcy dostępne DPA
DigitalOcean RunPod Latitude.sh