在刚刚过去的周末,AWS悄然将其EC2机器学习容量块(Capacity Blocks for ML)的价格上调了约15%。这一举动打破了AWS二十年来价格只降不涨的惯例,可能标志着云计算定价策略的重大转变。
价格调整的具体情况
配备8个NVIDIA H200加速器的p5e.48xlarge实例,在大多数地区的价格从每小时34.61美元跳涨至39.80美元,而p5en.48xlarge则从36.18美元攀升至41.61美元。美国西部(北加州)地区的涨幅更为陡峭,p5e价格从43.26美元上涨至49.75美元。
这次涨价发生在AWS宣布GPU实例"最高降价45%"的七个月后,不过当时的降价针对的是按需实例和储蓄计划,而非容量块服务。
容量块服务的重要性
容量块是AWS为解决"我需要为下周二的机器学习训练任务保证GPU容量"这类需求而推出的服务。用户可以预订特定的GPU实例,时间窗口从一天到数周不等,并以锁定价格预付费用。这项服务在进行大规模机器学习工作的公司中很受欢迎,因为他们无法承受训练任务因临时容量不足而中断的风险。
AWS发言人通过电子邮件表示:"EC2机器学习容量块的定价基于供需模式而变化,正如产品详情页面所述。此次价格调整反映了我们预期本季度的供需模式。"
打破传统定价逻辑
AWS过去确实有过涨价先例,但很少直接提高某项服务的价格。该公司更倾向于完全改变定价维度,并经常将此宣传为对大多数客户的降价。历史上的直接涨价通常与监管行动相关,比如特定市场的短信费用等。
这次涨价的时机颇为微妙,它为Azure和谷歌云平台提供了绝佳的销售说辞。两家公司一直在积极争夺机器学习工作负载,而"AWS刚刚将GPU价格上调15%"正是企业销售团队梦寐以求的弹药。
对企业客户的影响
对于拥有企业折扣计划或其他协商协议的公司来说,这引发了令人不安的问题。企业折扣计划通常保证在公开定价基础上给予折扣,因此如果公开定价上涨15%,即使折扣百分比保持不变,"折扣后"的绝对价格也变得更加昂贵。
未来趋势预测
这次涨价很难不被视为一个风向标。随着全球各领域都在向生成式人工智能转型,GPU资源日益稀缺。问题在于这对其他资源类型意味着什么。全球RAM供应紧张是否意味着以RAM为中心的服务将成为下一个涨价目标?
真正令人担忧的不是GPU涨价本身,而是它树立的先例。AWS花费了二十年时间让客户习惯于价格只会下降的预期。现在这种预期被打破了。一旦你在某项服务上提高了价格而世界并没有末日,第二次涨价就变得更容易了,第三次也是如此。
AWS长期以来受益于云计算定价只朝一个方向发展的假设。这个假设在一月的某个周六悄然死去,就像服务条款更新一样毫无征兆。问题不是这是否重要——它确实重要。问题是这是异常现象还是新常态。答案很可能是后者。
Q&A
Q1:AWS这次涨价涉及哪些具体服务?
A:此次涨价主要针对EC2机器学习容量块服务,其中p5e.48xlarge实例价格从每小时34.61美元涨至39.80美元,p5en.48xlarge从36.18美元涨至41.61美元,涨幅约为15%。这些都是配备高端GPU的机器学习专用实例。
Q2:为什么AWS选择在周末涨价?
A:周末涨价通常是为了降低关注度,减少媒体和客户的即时反应。AWS希望这一重大定价变化能够相对低调地实施,避免引起过多争议和竞争对手的炒作。
Q3:这次涨价会对整个云计算行业产生什么影响?
A:这次涨价打破了AWS二十年来价格只降不涨的传统,可能标志着云计算定价策略的重大转变。它为竞争对手Azure和谷歌云提供了销售优势,同时也可能开创云服务涨价的先例。
好文章,需要你的鼓励
随着AI广泛应用推动数据中心建设热潮,运营商面临可持续发展挑战。2024年底美国已建成或批准1240个数据中心,能耗激增引发争议。除能源问题外,服务器和GPU更新换代产生的电子废物同样严重。通过采用模块化可修复系统、AI驱动资产跟踪、标准化数据清理技术以及与认证ITAD合作伙伴合作,数据中心可实现循环经济模式,在确保数据安全的同时减少环境影响。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
超大规模云数据中心是数字经济的支柱,2026年将继续保持核心地位。AWS、微软、谷歌、Meta、甲骨文和阿里巴巴等主要运营商正积极扩张以满足AI和云服务需求激增,预计2026年资本支出将超过6000亿美元。然而增长受到电力供应、设备交付和当地阻力制约。截至2025年末,全球运营中的超大规模数据中心达1297个,总容量预计在12个季度内翻倍。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。