真正懂显卡的人，都选了什么显卡？

谢邀

自用的RTX 6000 Ada Lovelace 48G

购买于2023年初(耗资6800刀大洋奖学金)，于2026年中咸鱼出售（出售价格4.1W)，生涯费用800刀，平均一年200。

在我这服役的期间，这张卡一共贡献了：

• 一篇CVPR
• 一篇SIGGRAPH (共一作)
• 一个UE5毕业游戏项目 （本科专业CS Games）
• 长达四年的4K120 游戏体验

正好从本科入学用到本科毕业

首先要反驳一种观点，就是“在任何条件下，租用远程GPU服务器一定比自购卡性价比更高”

• 对于H200等高端卡，以及需要多卡集群进行训练时，在学校不提供集群的情况下，租用确实有远高于自有的性价比。一般的个人很难在一张卡的生命周期内将其达到100%的利用率，甚至很难cover电费。
• 但是，显卡不是消费品，而是"资产"（和你买的房子一样）。并不是说花费几千刀买卡就会让这几千刀消失。通过计算显卡折旧的速度和市场行情（特别是现在AI泡沫之下），购买显卡甚至可以作为资产投资的一种方式。(如果你在四年前MSRP买到了4090，有极大的概率你会发现用了四年卖掉甚至赚了，因为改48G的事情)
• 对于4090，5090，RTX (Pro) 6000 等显卡，如果你的使用场景涉及到实时渲染相关的研究，或工作流（例如3D建模，游戏开发等），自有卡会实打实的提高你的工作效率。大部分租用GPU的服务器不支持GUI界面，而云电脑的体验只能说完全不可用。对于吃饭的家伙事来说，显卡是生产工具，可以帮你赚到更多的钱。

所以也能得出我自用RTX 6000 Ada 的原因

• 研究方向和实时渲染相关
• 模型训练消耗显存30G, 48G可以有效降低offloading的频率使得训练效率大幅提升
• 实验室集群不提供GUI界面，而且排队排的非常慢
• 同时有游戏开发需求(专业课作业和毕业项目)

目前我已经工作，显计划升级成RTX Pro 6000 (还在等待中，主要原因是研发需要Blackwell新增的神经渲染相关硬件加速)。同时运行本地的Coding Agenr 来处理UE5等超大型代码库。

结论：清楚自己的需求，同时将显卡当成资产而不是消费，在计算购买显卡时考虑生命周期成本而非仅仅单卡售价。

再补充一点：

我的观点仅限于特定使用需求下，显卡存在的资产价值使得购买对应的旗舰/工作站显卡优于使用云服务。本回答不构成投资建议。如果您的使用需求不需要4090，根据你的使用场景来买即可。将显卡作为纯粹资产投资/期货可行，但是本人不推荐也不会这么做