أسعار GPU السحابية: الصورة الكاملة
السعر المُعلن بالساعة لـ GPU السحابي ليس ما تدفعه فعلياً. تشمل تكاليف GPU السحابية الحقيقية رسوماً خفية وعقوبات دقة الفوترة وأعباء البنية التحتية التي يمكن أن تضخم فاتورتك بنسبة 20–40% فوق السعر المُعلن.
يركز هذا الدليل على ما تفتقده مقارنات الأسعار الأخرى: التكلفة الإجمالية لتشغيل حمل عمل GPU، وليس فقط السعر المُلصق. نقارن بين ثلاثة أنواع من المزودين، ونكشف التكاليف الخفية، ونقدم خمس استراتيجيات عملية لخفض إنفاقك على GPU.
لمقارنات مواصفات GPU وتوصيات أحمال العمل، راجع دليل أفضل GPU للذكاء الاصطناعي. يركز هذا المقال على المزودين والأسعار — أين تستأجر، وليس ماذا تستأجر.
ثلاثة أنواع من مزودي GPU السحابية
يتكون سوق GPU السحابي من ثلاث فئات متميزة، لكل منها هيكل تسعير مختلف ومقايضات وعملاء مستهدفون.
Hyperscalers (AWS, Google Cloud, Azure)
يقدم مزودو السحابة الرئيسيون مثيلات GPU كجزء من منصة البنية التحتية الشاملة. تحصل على اتفاقيات مستوى خدمة مؤسسية ومناطق عالمية وتكامل عميق مع الخدمات المُدارة (التخزين ومنصات ML والمراقبة) وتوافر مضمون للمثيلات المحجوزة.
العلاوة: $3.00–$6.98/ساعة لـ H100 عند الطلب. المثيلات المحجوزة (التزامات 1–3 سنوات) تخفض هذا بنسبة 30–50%، لكنها تتطلب التزاماً طويل الأمد.
السحب المتخصصة في GPU (Lambda, CoreWeave)
تركز حصرياً على بنية GPU التحتية. يقدم هؤلاء المزودون أسعاراً تنافسية ($2.00–$3.00/ساعة لـ H100)، وتكوينات محسّنة لأحمال عمل الذكاء الاصطناعي، ودعماً متخصصاً في AI — لكن خدمات مُدارة أقل من Hyperscalers.
أسواق GPU (GPUnex, Vast.ai, RunPod)
تجمع سعة GPU من مئات مراكز البيانات الموزعة. من خلال تجميع العرض من مزودين كثيرين، تقدم الأسواق أسعاراً أكثر تنافسية ($1.49–$2.50/ساعة لـ H100) مع فوترة مرنة — غالباً بالثانية بدلاً من الساعة. المقايضات تشمل موثوقية متغيرة وأدوات أقل تكاملاً.
مقارنة الأسعار حسب طراز GPU
إليك ما يكلفه كل GPU فعلياً عبر أنواع المزودين في أوائل 2026:
| طراز GPU | Hyperscaler عند الطلب | Hyperscaler محجوز | سحابة متخصصة | سوق GPU |
|---|---|---|---|---|
| H100 80GB | $3.00–$6.98/ساعة | $2.00–$4.50/ساعة | $2.00–$3.00/ساعة | $1.49–$2.50/ساعة |
| A100 80GB | $1.50–$3.50/ساعة | $1.00–$2.50/ساعة | $0.80–$1.50/ساعة | $0.72–$1.50/ساعة |
| L40S 48GB | $1.20–$2.50/ساعة | $0.80–$1.80/ساعة | $0.80–$1.50/ساعة | $0.60–$1.20/ساعة |
| L4 24GB | $0.50–$1.00/ساعة | $0.30–$0.70/ساعة | $0.30–$0.60/ساعة | $0.20–$0.50/ساعة |
| RTX 4090 24GB | غير متاح | غير متاح | $0.40–$0.80/ساعة | $0.40–$0.80/ساعة |
ملاحظة رئيسية: فجوة الأسعار بين hyperscaler عند الطلب وأسعار السوق هي 2–4.7 ضعف لنفس عتاد GPU. بالنسبة لـ H100، الفرق بين $6.98/ساعة (AWS عند الطلب) و$1.49/ساعة (سوق spot) هو $5.49/ساعة — مما يتراكم إلى $4,008/شهر لـ GPU واحد يعمل على مدار الساعة.
التكاليف الخفية التي تضخم فاتورة GPU
السعر بالساعة لـ GPU هو جزء واحد فقط من القصة. خمس فئات من التكاليف الخفية تفاجئ الفرق بانتظام:
1. رسوم نقل البيانات (Egress)
نقل البيانات خارج شبكة مزود السحابة يكلف مالاً — عادةً $0.05–$0.12 لكل GB. تدريب نموذج يقوم بتنزيل 1 TB من بيانات التدريب وتصدير نقاط التحقق بانتظام يمكن أن يضيف $50–$120 في رسوم Egress لكل جولة تدريب. أحمال العمل متعددة السحب (التدريب على مزود واحد، الاستدلال على آخر) تضاعف هذه التكاليف.
2. تكاليف التخزين
تحتاج مثيلات GPU إلى مساحة تخزين لمجموعات البيانات ونقاط التحقق والسجلات. يكلف التخزين السحابي $0.02–$0.08/GB/شهر. مجموعة بيانات بحجم 5 TB مخزنة لمدة 3 أشهر تكلف $300–$1,200 — غير مرئية في سعر GPU بالساعة لكن مرئية جداً في الفاتورة.
3. الشبكات وموازنة الحمل
يتطلب الاستدلال الإنتاجي موازنات حمل وبوابات API وشبكات بين العقد. تضيف هذه الخدمات $50–$200+/شهر حسب حجم حركة المرور. تتكبد مجموعات التدريب متعددة GPU تكاليف إضافية لشبكات عالية السرعة بين العقد.
4. الالتزامات الدنيا والتقريب
بعض المزودين يفوترون بالساعة — مهمة 35 دقيقة تكلف مثل مهمة 60 دقيقة. الفوترة بالثانية (التي يقدمها بعض الأسواق) تلغي هذا الهدر. لأحمال العمل المتقطعة مع مهام قصيرة كثيرة، يمكن أن تهدر الفوترة بالساعة 15–30% من إنفاقك على وقت غير مستخدم.
5. رسوم API وخدمات الإدارة
تفرض خدمات ML المُدارة (SageMaker, Vertex AI) رسوماً إضافية فوق حوسبة GPU. يمكن أن تضيف هذه 10–30% إلى تكلفة GPU الأساسية مقابل راحة خطوط التدريب والنشر المُدارة.
رؤية رئيسية: حمل عمل يكلف $3.15/ساعة في حوسبة GPU قد يكلف $4.00–$4.50/ساعة إجمالاً عند إضافة Egress والتخزين والشبكات ورسوم الإدارة. احسب دائماً التكلفة الإجمالية لحمل عملك، وليس فقط بند GPU.
كيف تخفض تكاليف GPU السحابية بنسبة 40%
خمس استراتيجيات مجربة يمكن أن تخفض إجمالي إنفاقك على GPU بنسبة 30–40% عند دمجها:
1. استخدم مثيلات Spot/Preemptible (وفّر 15–20%)
تقدم مثيلات Spot خصومات 40–60% مقارنة بأسعار الطلب. الشرط: يمكن مقاطعتها بإشعار قصير (عادةً 2 دقيقة إلى ساعتين). لأحمال العمل المتسامحة مع الأخطاء — التدريب مع نقاط التحقق، ومعالجة البيانات الدفعية، والاستدلال غير العاجل — تعد مثيلات Spot أكبر رافعة تكلفة.
الأفضل لـ: تدريب النماذج مع نقاط تحقق منتظمة، والمعالجة المسبقة للبيانات، والاستدلال الدفعي، والتجريب.
لا تناسب: الاستدلال الإنتاجي الذي يخدم مستخدمين حقيقيين، والمهام الحرجة زمنياً، وأحمال العمل التي لا تتحمل المقاطعة.
2. اختر الحجم المناسب لـ GPU (وفّر 8–12%)
تفترض كثير من الفرق أقوى GPU “لتكون في أمان”. حمل عمل يعمل جيداً على A100 ($0.72/ساعة) لا يحتاج H100 ($3.15/ساعة). يوفر دليل أفضل GPU للذكاء الاصطناعي إطار قرار حمل العمل — مطابقة طراز GPU للمهمة يمكن أن تخفض التكاليف بأكثر من 50% لأحمال العمل المُبالغ في تزويدها.
أخطاء شائعة: استخدام H100 للاستدلال عندما يكفي L40S. استخدام A100 لضبط النماذج الصغيرة عندما يعمل RTX 4090. تشغيل الاستدلال الدفعي على مثيلات عند الطلب عندما تتوفر Spot.
3. الجدولة والتوسع التلقائي (وفّر 5–8%)
مثيلات GPU التي تعمل على مدار الساعة عندما يعمل فريقك 8 ساعات/يوم تهدر ثلثي الإنفاق. سياسات التوسع التلقائي التي تشغل GPU لمهام التدريب وتنهيها عند الخمول يمكن أن تستعيد هدراً كبيراً. حتى الجدولة البسيطة — “GPU تعمل في الـ 8 صباحاً، وتتوقف في الـ 8 مساءً” — توفر 50% على مثيلات التطوير.
4. انقل أحمال العمل إلى الأسواق (وفّر 10–15%)
لأحمال العمل التي لا تتطلب خدمات مُدارة خاصة بـ hyperscaler، الانتقال إلى سوق GPU يمكن أن يوفر 3–6 أضعاف على الحوسبة. المتطلب الرئيسي: يجب أن يكون حمل عملك مُحاوياً (Docker) وغير معتمد على واجهات API خاصة بالمزود (SageMaker, Vertex AI).
5. استخدم السعة المحجوزة/الملتزمة (وفّر 5–10% إضافية)
لأحمال العمل المستقرة والمتوقعة (الاستدلال الإنتاجي، التدريب المستمر)، تقدم التزامات السعة المحجوزة خصومات 30–50% مقارنة بأسعار الطلب. المقايضة هي الالتزام — عادةً 1–3 سنوات. ادمج السعة المحجوزة لخطك الأساسي مع spot/السوق للحمل المتغير.
تفصيل مزود بمزود
AWS (Amazon Web Services)
مثيلات GPU: P5 (H100), P4 (A100), G5 (A10G), G6 (L4). الأسعار: H100 عند الطلب: ~$4.50–$6.98/ساعة. محجوز (سنة): ~$3.00–$4.50/ساعة. Spot: ~$1.50–$2.50/ساعة. نقاط القوة: أوسع نظام خدمات مُدارة (SageMaker, EKS, S3)، توافر عالمي، دعم مؤسسي. انتبه لـ: رسوم Egress ($0.09/GB)، فئات أسعار معقدة، تقلبات توافر المثيلات عند الطلب.
Google Cloud Platform
مثيلات GPU: A3 (H100), A2 (A100), G2 (L4). الأسعار: H100 عند الطلب: ~$3.50–$5.50/ساعة. ملتزم (سنة): ~$2.50–$3.50/ساعة. Spot: ~$1.50–$2.00/ساعة. نقاط القوة: بديل TPU قوي، تكامل ممتاز مع JAX/TensorFlow، منصة Vertex AI المُدارة، أسعار spot تنافسية. انتبه لـ: أسطول GPU أصغر من AWS، توافر أقل في بعض المناطق.
Microsoft Azure
مثيلات GPU: ND H100 (H100), NC A100 (A100), NC T4 (T4). الأسعار: H100 عند الطلب: ~$3.00–$5.00/ساعة. محجوز (سنة): ~$2.00–$3.50/ساعة. نقاط القوة: تكامل OpenAI (Azure OpenAI Service)، هوية/أمان مؤسسي قوي، إمكانيات السحابة الهجينة. انتبه لـ: قد يكون توافر GPU محدوداً في المناطق الشائعة.
أسواق GPU
GPU المتاحة: H100, A100, L40S, L4, RTX 4090، والمزيد. الأسعار: H100: $1.49–$2.50/ساعة. A100: $0.72–$1.50/ساعة. RTX 4090: $0.40–$0.80/ساعة. نقاط القوة: أقل الأسعار، فوترة مرنة (بالثانية على بعض المنصات)، بدون التزامات، تشكيلة GPU واسعة بما في ذلك بطاقات المستهلك. انتبه لـ: موثوقية متغيرة حسب المزود، أدوات مُدارة أقل، قد تتطلب تكويناً ذاتياً أكثر.
متى تستخدم أي نوع من المزودين
| السيناريو | أفضل نوع مزود | السبب |
|---|---|---|
| استدلال إنتاجي مؤسسي | Hyperscaler | اتفاقيات SLA، توافر عالمي، خدمات مُدارة |
| تدريب واسع النطاق (1000+ GPU) | Hyperscaler أو سحابة متخصصة | سعة مضمونة، شبكات NVLink |
| تدريب محسّن التكلفة | سوق GPU (spot) | أقل أسعار، نقاط التحقق تتعامل مع المقاطعات |
| التطوير والتجريب | سوق GPU | فوترة بالثانية، بدون التزامات، تكرار رخيص |
| فريق صغير / شركة ناشئة | سوق GPU | أقل حاجز دخول، توسع مرن، بدون حدود دنيا |
| استدلال دفعي | سوق GPU أو Spot | يتحمل المقاطعة، حساس للسعر |
| أحمال عمل منظمة (مالية، صحية) | Hyperscaler | شهادات الامتثال، مسارات التدقيق |
لسؤال الاستئجار مقابل الشراء — هل يكون الاستئجار السحابي أفضل من امتلاك العتاد — راجع مقارنة التكلفة المفصلة. للشركات الناشئة التي تضع ميزانية أول إنفاق GPU، راجع دليل تكاليف حوسبة الشركات الناشئة في AI.
الأسئلة الشائعة
ما أرخص طريقة لاستئجار H100؟
تقدم أسواق GPU أقل أسعار H100 بـ $1.49–$2.50/ساعة. تأتي مثيلات hyperscaler spot بعدها بـ $1.50–$2.50/ساعة لكنها قابلة للمقاطعة. أرخص خيار موثوق هو سوق مع مزود لديه درجات تشغيل عالية. لأحمال العمل غير الحرجة زمنياً، تقدم أسعار spot على أي منصة أعمق الخصومات.
هل التكاليف الخفية مهمة حقاً؟
نعم. لحمل عمل تدريب نموذجي، تضيف التكاليف الخفية (egress، تخزين، شبكات) 20–40% فوق فاتورة حوسبة GPU. مثيل H100 بـ $3.15/ساعة يشغّل مهمة تدريب مع 2 TB من نقل البيانات و500 GB من تخزين نقاط التحقق يمكن أن يكلف فعلياً $4.00–$4.50/ساعة إجمالاً. احسب دائماً التكلفة الإجمالية لحمل العمل، وليس فقط سعر GPU بالساعة.
هل يجب أن أستخدم مزوداً واحداً أو عدة مزودين؟
عدة مزودين. استخدم أسواق GPU لأحمال العمل الحساسة للتكلفة (التطوير، المعالجة الدفعية، الاستدلال). استخدم hyperscalers للاستدلال الإنتاجي وأحمال العمل المنظمة. استخدم أسعار spot عبر جميع المزودين للمهام المتسامحة مع الأخطاء. التنويع يمنع القفل ويتيح لك تحسين التكلفة في كل فئة.
ما هي الفوترة بالثانية وهل هي مهمة؟
الفوترة بالثانية تفرض عليك رسوماً فقط مقابل الوقت الدقيق الذي يكون فيه GPU نشطاً. الفوترة بالساعة تقرّب للأعلى — مهمة 35 دقيقة تكلف مثل 60 دقيقة. لأحمال العمل ذات المهام القصيرة الكثيرة (الاستدلال، التجريب، CI/CD)، توفر الفوترة بالثانية 15–30%. لمهام التدريب الطويلة، الفرق ضئيل.
كيف تغيرت أسعار GPU خلال العام الماضي؟
انخفضت أسعار H100 بنسبة 44% بين يونيو 2024 ويونيو 2025، مدفوعة بتوسع العرض ومنافسة الأسواق. انخفضت أسعار A100 أكثر مع تقادم GPU. من المتوقع أن تستمر الأسعار في الانخفاض تدريجياً مع زيادة NVIDIA وAMD للإنتاج، رغم أن GPU الجيل الجديد (B200, Rubin) ستحظى بأسعار متميزة عند الإطلاق. للسياق السوقي الأوسع، راجع تحليل سوق OpenAI-NVIDIA.