用途：在 Lambda Labs GPU 云上运行机器学习训练与推理工作负载，提供按需实例和 1-Click Clusters。适合需要完整 SSH 访问的专用 GPU 实例、数小时至数天的长训练任务、跨会话持久存储、16-512 GPU 多节点集群，以及预装 ML 栈的场景。若需无服务器自动扩缩容可考虑 Modal，多云编排与成本优化可考虑 SkyPilot，更便宜的竞价实例可考虑 RunPod，GPU 市场最低价可考虑 Vast.ai。
主要能力：GPU 型号包括 B200、H100、GH200、A100、A10、A6000、V100；Lambda Stack 预装 Ubuntu 22.04、NVIDIA 驱动、CUDA 12.x、cuDNN 8.x、NCCL、PyTorch、TensorFlow、JAX、JupyterLab；持久化文件系统挂载于 /lambda/nfs/<FILESYSTEM_NAME>；1-Click Clusters 提供 16-512 张 H100 或 B200 的 Slurm 集群与 InfiniBand；按分钟计费，无出网费用；覆盖 12+ 区域。
使用方式：在 https://lambda.ai 注册并添加支付方式，从控制台生成 API 密钥，启动实例前必须添加 SSH 密钥。控制台地址为 https://cloud.lambda.ai/instances，启动后等待 3-15 分钟，用 ssh ubuntu@<INSTANCE-IP> 连接。Python API 安装命令为 pip install lambda-cloud-client，可列出实例类型、启动、列出与终止实例、管理 SSH 密钥。也可用 curl 调用 API，例如列出实例类型：curl -u $LAMBDA_API_KEY: https://cloud.lambdalabs.com/api/v1/instance-types | jq。多 GPU 单节点训练可用 torchrun --nproc_per_node=8 train_ddp.py；集群多节点训练使用 srun 配合 torchrun。JupyterLab 可从控制台 Cloud IDE 启动，或手动运行 jupyter lab --ip=0.0.0.0 --port=8888 并通过 SSH 隧道访问。
限制与注意事项：文件系统必须在实例启动时附加，且区域需与实例一致；实例无自动停止，需手动终止以避免闲置费用；默认仅开放 22 端口，其他端口需在控制台配置；实例间同区域带宽最高 200 Gbps，出网最高 20 Gbps；终止实例后本地数据会丢失，需使用持久化文件系统。具体价格、可用区域与库存以官方页面为准，资料中未提供的内容暂未说明。