租算力这件事，报价单上的数字只是冰山一角。真正决定项目成败的，往往是签约前没问清楚的那些细节。下面六个维度，是多年实战中总结出的考察清单，供选型时逐项核对——只讲方法论，不涉及具体厂商推荐。

**一、算力型号的真实性**

"同款 GPU"不等于"同等算力"。要确认：GPU 具体型号与显存版本（如 H800 与 H20 的算力、显存带宽差异巨大）、是整卡独占还是 vGPU 切分、是否存在超售。验证方法：要求提供 nvidia-smi 输出截图或试用机实测，跑一个标准 benchmark（如 MLPerf 推理或自研模型的固定 batch 测试）对比理论值，差距超过 15% 就要追问原因。

**二、网络配置：RDMA 与 IB 是否真实可用**

多卡训练的性能，一半看网络。要问清：节点间是普通 TCP/IP 还是 RDMA over InfiniBand / RoCE、带宽是 200Gb/s 还是 400Gb/s、是否跨机架（跨 ToR 交换机的集合通信延迟会明显上升）。验证方法：跑 NCCL all-reduce 带宽测试（nccl-tests），观察带宽利用率与多节点扩展线性度。

**三、计费粒度与隐藏成本**

按量、包月、预留三种模式各有利弊，关键看细节：按量计费的最小粒度是按秒、按分钟还是按小时；是否收取存储、公网流量、IP 费用；关机状态是否继续计费（很多厂商关机仍收磁盘费）；抢占式实例的折扣比例与回收通知时长。建议把"跑满一个月"的总拥有成本算出来再比较，而不是只看 GPU 小时单价。

**四、弹性与抢占策略**

突发扩容时拿不到卡，比贵更致命。要确认：扩容申请的响应 SLA、是否有排队机制、抢占式实例的回收提前通知时间、被回收后 checkpoint 恢复的配套工具。训练任务尤其要评估：中断一次的重试成本，是否在可接受范围。

**五、技术支持响应**

出问题时找谁、多快能解决，直接决定停机时长。考察点：专属支持通道、P0 故障响应 SLA、是否提供 NCCL/驱动/CUDA 调优支持、工单实际处理时效。建议在试用期故意提一个有技术含量的问题，看对方的响应质量和速度。

**六、合规与数据安全**

容易被忽视但越来越重要：数据中心的物理位置与数据主权要求、是否支持私有网络与专线接入、数据删除的可验证性、是否通过等保或 ISO 27001 等认证、合同中的数据归属与保密条款。涉及客户数据或未公开模型权重的项目，这一条应当前置。

**一个实用的选型流程**

建议按"小规模试用 → benchmark 验证 → 成本建模 → 商务谈判"四步走：先拿少量卡跑真实负载两周，把上面六个维度的实测数据填进对比表，再谈价格。记住：买的是"有效算力交付能力"，不是 GPU 小时数。你在选型时踩过最大的坑是什么？欢迎分享。