阅读时间 4 分钟AceCAST

WRF GPU 与 CPU 成本对比:逐行列出的演算

一项 2023年公开发表的基准测试,加上两个 Azure 目录价,逐行演算:一台 GPU 虚拟机与一台 CPU 虚拟机相比、与十六台相比各要花多少钱,以及这些算式没有计入什么。

堆叠柱状图:以秒为单位的总耗时,分为初始化、输入输出和计算,分别对应在两个、四个和八个 Azure HBv3 CPU 节点上运行的 WRF,以及在一个 NDm A100 v4 GPU 节点上运行的 AceCAST。GPU 的柱最短。

首次发布于 2026年11月11日 · 更新于 2026年11月16日

如果您在运行 WRF,即由 NCAR 维护的天气研究与预报模式,总会有人问:换成 GPU 会不会更便宜?本文把 WRF 的 GPU 与 CPU 成本问题摊开来算。它使用一项公开发表的基准测试和两个公开的云服务目录价,并列出每一步算式,方便您用自己的数字重算一遍。

关于范围的说明:该基准测试测的是 AceCAST 2.1 和 3.0.1,都是较早的版本。

输入:一项基准测试和两个目录价

基准测试。2023年4月28日,NVIDIA Technical Blog 发表了Microsoft and TempoQuest Accelerate Wind Energy Forecasts with AceCAST。这些运行是在 Microsoft Azure 上完成的。WRF 运行在 Standard HB120rs_v3 型 CPU 虚拟机(VM)上,每台有 120 个 AMD EPYC Milan-X 核心。AceCAST(在 NVIDIA GPU 上运行 WRF)运行在一台配有 8 块 NVIDIA A100 GPU 的 Standard_ND96amsr_A100_v4 虚拟机上。文章报告:

  • “与单节点上基于 CPU 的 WRF 相比,AceCAST 在单节点上实现了约 9 倍的加速。”
  • “需要 18 个 CPU 节点才能达到与一个 GPU 节点相近的性能。”
  • 对于文章作者认定的最优配置,即 16 台 CPU 虚拟机上的 WRF 对 1 台 GPU 虚拟机上的 AceCAST:“与基于 CPU 的 WRF 相比,AceCAST 快 7%,成本低 75%。”

价格。Azure 目录价取自 Azure Retail Prices API,East US 区域、Linux、即用即付,日期为 2026年11月11日:

  • 一台 CPU 虚拟机(Standard_HB120rs_v3):每小时 $3.60。
  • 一台 GPU 虚拟机(Standard_ND96amsr_A100_v4):每小时 $32.77。

2023年的 Azure 研究报告称,AceCAST 2.1 相对一个 CPU 节点的速度约为 9×,性能与 18 个 CPU 节点相近;我们的成本示例采用的是同一研究中另行进行的 AceCAST 3.0.1 与 16 个 CPU 节点的对比。一个 GPU 节点包含八块 GPU。

逐行演算

一次运行的成本等于每小时价格乘以运行所用的小时数。速度之所以影响成本,是因为运行得越快,计费的小时数就越少。

对比项CPU 侧GPU 侧结果
每小时价格,各一台虚拟机$3.60$32.7732.77 ÷ 3.60 = 9.10。GPU 虚拟机每小时的价格约为 CPU 虚拟机的 9.1 倍。
同一预报,各一台虚拟机,GPU 的速度约为 CPU 的 9 倍。示例:在 CPU 虚拟机上需要 9 小时的作业。9 小时 × $3.60 = $32.401 小时 × $32.77 = $32.7732.77 ÷ 32.40 = 1.011。GPU 运行贵约 1%,实际上相当于持平,而运行时间约为原来的九分之一。
速度相近,按每小时计:18 台 CPU 虚拟机对 1 台 GPU 虚拟机18 × $3.60 = $64.80$32.77(64.80 − 32.77) ÷ 64.80 = 0.494。GPU 侧的成本约低 49%。
按每小时计:16 台 CPU 虚拟机对 1 台 GPU 虚拟机16 × $3.60 = $57.60$32.77(57.60 − 32.77) ÷ 57.60 = 0.431。GPU 侧每小时的成本约低 43%。
同一预报,GPU 速度为 1.07 倍:16 台 CPU 虚拟机对 1 台 GPU 虚拟机。示例:在这些 CPU 虚拟机上需要 1 小时的作业。1 小时 × $57.60 = $57.60(1 ÷ 1.07) 小时 × $32.77 = $30.63(57.60 − 30.63) ÷ 57.60 = 0.468。计算成本低 47%,未计入 AceCAST 许可证费用。

有两点值得注意。两侧各用一台虚拟机时,价格比(约 9.1)和速度比(约 9)相互抵消:您花的钱大致相同,等待的时间约为九分之一。另外,按基准测试自己的数字,要追平一台 GPU 虚拟机需要 18 台 CPU 虚拟机,而不是 9 台,可见增加 CPU 虚拟机并没有让运行速度同比例提升。规模更大的几组对比中的节省正是由此而来。

公布的速度是 CPU 的 1.07 倍,因此 GPU 运行需要 1 ÷ 1.07 = 0.934579 小时,显示为 0.935 GPU 节点小时。成本按未取整的数值计算。

为什么这不是基准测试里的 75%

作者报告的是成本降低 75%。按此处所示的目录价计算,计算成本约低 47%,未计入 AceCAST 许可证费用。原先的成本依据在这里没有复现;仅凭云价格的变化并不能解释这一差异。

47% 是演算示例,不是实测值:它是 AceCAST 2.1 和 3.0.1 在 2023年的速度比乘以 2026年的价格得出的。您自己的工作负载会有它自己的数字。

同一篇文章还报告:“在内层区域的计算和通信时间上,AceCAST 的速度是 WRF 的 16.8 倍。”这描述的是一次运行中的一部分,而不是您被计费的全部耗时,因此上面的算式没有使用它。

这些算式假设了什么,又略去了什么

假设:

  • 采用 Azure 单一区域、Linux、即用即付的目录价,时间为 2026年11月。其他区域和其他云的价格有所不同。
  • 整台虚拟机只在运行期间计费,两侧都没有空闲或排队时间。
  • 这些速度比仅用于这几个固定的历史示例。它们是 2023年在作者的算例上测得的,并不能预测您自己的工作负载。
  • “快 7%”指速度为 CPU 的 1.07 倍。

未计入:

  • 软件许可。AceCAST 是需要许可证的软件,其许可证价格未计入这些算式。
  • 存储,用于输入数据和模式输出。
  • 数据传输,包括传入和传出云端。
  • 人员时间,用于搭建、运行和维护任一系统。
  • 预留或竞价(spot)定价,它可能改变对比中任何一侧的结果。
  • 您自己的模拟区域和物理方案。网格规模、嵌套、物理选项和输出频率都会改变一次运行在每类硬件上的耗时。

唯一能给出定论的数字,是您自己的算例在两类硬件上的实测耗时。

下一步

在成本估算器的固定基准测试示例中修改每小时价格和每月运行次数,或者咨询托管运行,为您自己的算例计时。

您的预报

您自己也有预报方面的问题?

告诉我们它要服务于哪项决策。填写一份简短的表单即可联系到团队,我们会审阅每一条来信。