在Azure上跑AI负载，第一反应往往是"给我来一块H100"。但真正该先回答的问题不是选哪张卡，而是：你到底需不需要自己的GPU。

这是Azure AI landing zone系列的第二篇。作者把上GPU之前该核对的事项列了一遍，从计费模式到配额机制，再到成本护栏，覆盖的是一条完整的决策链，而不是单一型号的选型建议。

先分清四种算力路径

要不要自建GPU，取决于你选哪条路。文章给出的选项包括：Foundry的按token付费、PTU、托管计算，以及自建虚拟机或AKS。这四种模式的差别在于，你把成本和运维责任放在哪一端。

按token付费和PTU属于托管侧，自建VM或AKS则意味着你要自己管硬件和调度。选之前先想清楚负载是持续稳定还是波峰波谷，这直接决定哪种模式更划算。

配额不是申请就有

Azure的GPU配额按vCPU家族管理，不是笼统的一个"GPU额度"。文章提到可以用三条命令核对现状：az vm list-usage、az quota和az vm list-skus。

这三条命令分别对应不同层面的信息：用量、配额上限、以及各区域可用的SKU。先查清楚再提需求，比直接开口要H100更有效率。文章同时梳理了当前Azure的GPU VM家族，以及哪些型号已经退役——退役型号意味着即使配额够，也拿不到机器。

折扣机制各自保什么

Spot、容量预留、预留实例和节省计划，这四种机制经常被混为一谈，但它们实际保障的东西并不相同。文章逐一说明了各自到底保证了什么，这一点在预算测算时容易被忽略。

成本护栏方面，文章给出的做法是用Azure Policy做策略约束，按标签设置预算，以及停掉闲置的GPU。闲置GPU是AI负载里最常见的浪费来源，停掉它不需要任何技术判断，只需要一条规则。

另有一条时间点值得记下：区域VM价格上调将在2027年2月1日生效。做长期成本模型时，这个日期之后的单价不能按现价算。

配套的Bicep示例包含策略和预算两部分，可以直接拿来改。整套流程的逻辑很清晰：先确认是否需要自建，再查配额和可用型号，然后用折扣机制和护栏控制成本，最后把未来的涨价因素算进去。