摘要

  • Lambda 的按需页面为 B200 SXM6 实例印出了完整的规格行——每块 GPU 180 GB 显存、208 个 vCPU、2,900 GiB 内存、22 TiB SSD——单价为每 GPU 每小时 6.69 美元，检索日期为 2026 年 10 月 21 日。
  • 其可读的一手页面承诺 16x 至 512x 的加速卡集群可“即时”启动，提供自助预留入口，并显示“We're fully operational”，但在本次取得的全部文本中，没有一处写有每账户 GPU 配额、并发实例上限、区域级服务限制或预留提前期。

决定训练预算的算式散落在两类文件里，而只有一类是公开的。第一类是价目表，Lambda 在这一类上坦率得出奇。第二类文件说明同一件被标价的东西，单个客户实际能握住多少；这份文件在本次检索中未能以任何可读形式取得。于是买方只能拿一个看得见的数字，去对一条看不见的线。

价目表对售卖单位足够精确

按需页面做了价目表该做的事：列出所售加速卡型号、提供的规格形态与每 GPU 小时的价格，并且至少印出一整行规格——“NVIDIA B200 SXM6 180 GB 208 2900 GiB 22 TiB SSD $6.69”，其表头依次为每 GPU 显存、vCPU、内存、存储与每 GPU 小时价格（Lambda 按需 GPU 价目）。同一段摘录还把 1x、2x、4x、8x 四种形态与 H100、H200、B200 并列列出。

那一行里的每个字段描述的都是一个可售单位，既不模糊也不虚假。但“每块卡每小时的价钱”回答的是成本问题，不是许可问题。它没有说一个账户可以同时握住多少块卡，这个上限是否随账户年限或付款记录变化，也没有说不同地点是否不同。把小时、卡数与 6.69 美元相乘的人，算出的是账单，不是交付。

文档写的是范围，不是保证

开发者文档用自己的措辞描述集群产品：“Launch 16x to 512x NVIDIA H100 or B200 GPU clusters instantly, or start with a single-node instance. No long-term commitments.”文档还说明可选择 Managed Kubernetes、Preinstalled Kubernetes 或 Slurm（Lambda 开发者文档）。

两句话里装着三个分量不同的断言。“16x 至 512x”说的是可以申请的范围；“即时”说的是期望体验；“No long-term commitments”说的是合同形态，对不愿签年框的团队而言是实打实的卖点。三者都不涉及库存。服务商完全可以同时让这三句话成立，却让一份 512 卡的需求在调度器找空位时排队等候，因为这两句话里既没有可用容量的数量，也没有取得容量的期限。

预留通道确实存在，但停在门口

集群页面比价目表多走了一步，所以“直接预留就行了”这个显而易见的反驳，值得一个精确的回答。页面写道：“Self-service reservations directly from the Lambda Cloud dashboard. Short-term and long-term contracts with POC environments available upon request”（Lambda 1-Click 集群）。

自助预留是一项真实的供给工具。客户不必为进入队列而谈判，机制摆在产品里，而不是藏在销售对话中。但句子止于“available upon request”，排产所需的一切都在那次请求的另一侧：多少块卡、占用多久、提前几天预订、落在哪个地点，以及从哪一点起答案由“可以”变成“再等等”。两个客户可以在同一份公开价目上持有差别极大的交付包，却无法互相参照，因为使比较成立的那些条款是逐个谈定、且不公开的。

状态页度量的是故障，不是库存

2026 年 10 月 21 日，状态页显示：“We're fully operational”与“We're not aware of any issues affecting our systems”（Lambda 服务状态）。

严格读来，这句话说的是服务商已承诺运营的这项服务没有已知故障，并不涉及闲置的加速卡。两件事可以同时为真：服务健康，而一份大额需求正在等待。可用性监控度量的是已经接受的义务，而义务必须先存在才谈得上监控。闲置容量不是义务，所以页面全绿不构成余量存在的证据，页面告警也不会构成稀缺的证据。

基准层是投稿库，不是复现

MLCommons 把 MLPerf Inference: Datacenter 定义为衡量“how fast systems can process inputs and produce results using a trained model”的套件（MLCommons MLPerf Inference: Datacenter）。这个定义值得照字面理解：套件度量的是在已训练模型上处理输入的吞吐，而它的结果是投稿——运营方或厂商按共同规则自愿公开的配置。投稿结果说明的是一种配置，不是对某个具名服务商、某个具名规模、某个具名调度器下集群的独立复现，也不保证客户作业在经历数据搬运、网络争用与排队之后能取得什么。本文未取得针对 Lambda 集群吞吐或扩展性的任何第三方测量。

号码登记库数不出加速卡

BTW 名录里 Lambda, Inc. 的条目（BTW 名录中的 Lambda, Inc.）是一条登记足迹记录：它记载该实体在互联网号码体系中的成员身份与路由授权。号码登记库不枚举 GPU。问题不在于这份记录单薄，而在于单位不对。登记在册的网络运营者与正在运营的 AI 云是两个不同的断言，从前者走到后者所需的证据，任何登记库都不掌握，双向皆然。

边界，只陈述一次

2026 年 10 月 21 日，三份本可加强本文的文件未能返回可读文本：该实体成员句柄的 ARIN whois 记录、SEC EDGAR 的申报检索，以及 lambdalabs.com/gpu-cloud 页面。上文没有任何一处依赖它们，其不可得也不说明 Lambda 的容量状况。更高的集群上限与更长的加速卡型号清单，出现在价目页的模型生成摘要里，而非其逐字文本，本文一概不用。本文的结论限定于当日取得并读取的五份文件。

什么才真正能了结这个问题

有三类工具可以补上这道缺口，且彼此不可互换。

第一类是公开的配额表，或一份注明日期的限额申请政策，写明 GPU 与并发实例的数字上限，并说明上限是否随账户等级或区域变化。那会把交付范围变成买方可以据以排产的书面承诺。

第二类是量化的容量或预留披露：加速卡数量、合同期限、预订提前期与区域范围，公开发布而非逐个客户口头给出。那能确定一笔大额预留买到的是当下的容量，还是把容量排到未来，以及排到多远。

第三类是独立、可复现的测量研究，针对具名的实例形态与集群规模，公布方法与日期，用以检验公开宣称的性能在服务商自有配置之外是否成立。

三者之中最省事的一项，对买方也最有用。一家能把价格印到每 GPU 每小时美分位的公司，也能把上限印到每一块卡。在那之前，这种不对称会一直存在：价格是公开的、单位精确的、可比较的；许可是私下的、谈出来的。购买加速卡时间的人实际上在走两套采购流程，一套买钱，一套买许可，而只有前者能在网站上办完。