---
title: "競價型訓練（Spot Instance Training）"
slug: spot-instance-training
language: zh-TW
source: https://aiterms.tw/terms/spot-instance-training
updated_at: 2026-04-29
tags: [模型訓練, 最佳化, 機器學習, 深度學習, MLOps]
ipas_term: false
---

# 競價型訓練（Spot Instance Training）

> **你有沒有看過雲端算力很便宜，卻又怕它突然被收回？**
>
> 你可以把它想成使用閒置的雲端資源來訓練模型，價格低很多，但平台可能隨時要回去。
>
> 它重要的地方在於，大型訓練很燒錢，若任務能容忍中斷，這種方式常能把成本壓下來。
>
> 你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。

### 容易混淆

> **競價型訓練 vs 隨需型訓練**
>
> 競價型訓練：便宜，但可能被中斷。
>
> 隨需型訓練：較貴，但穩定可用。
>
> 最關鍵的區別：一個省錢換風險，一個付錢換穩定。

### 記住這句就好

> 願意接受中斷，就能用更便宜的算力訓練。

### 實際案例

> 大模型預訓練會把 checkpoint 存好，資源被回收後再接著跑，這樣能降低整體成本。
>
> 研究團隊做大量實驗時，常把非即時任務排到競價型資源上跑。

### 算法與應用

> 核心不是模型架構，而是 checkpoint、容錯、排程和資源監控，讓中斷後可以快速恢復。
>
> 只要任務能接受波動，這種訓練方式通常比長期租用固定資源更省。

### 情境判斷

> **Q1（直覺題）：** 你的訓練工作可以中斷後再續跑，這種資源有吸引力嗎？
>
> → 有，因為它最強的地方就是便宜。
>
> **Q2（判斷題）：** 如果你正在做一個完全不能停的關鍵訓練，還適合用它嗎？
>
> → 不適合。看情況，穩定性要求高時，通常要改用更可靠的雲端方案。

### 常見問題

> **Q：競價型訓練一定比較省嗎？**
> 多數情況會，但前提是你能接受中斷，還要把恢復機制做好。
>
> **Q：被收回後資料會不見嗎？**
> 不會只要你有定期存 checkpoint，重新啟動後可以接著訓練。
>
> **Q：什麼工作最適合用它？**
> 可以容忍中斷、又需要大量算力的訓練或實驗任務最適合。

### 相關術語

> - **自動擴展**：理解雲端資源怎麼隨流量調整，會更容易看懂這類訓練排程。
> - **GPU**：大量訓練通常離不開它，先懂硬體才能看懂成本差異。
> - **分散式訓練**：當模型太大時，常會和競價型資源一起搭配使用。

---

來源：https://aiterms.tw/terms/spot-instance-training
快查頁：https://aiterms.tw/terms/spot-instance-training
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-spot-instance-training