# 租用 NVIDIA B300 与 HGX B300 服务器，每月 US$5,190 起 > B300 按月租用：独享一张 288 GB B300，US$5,190/月（按全天候满载计算，约合每 GPU 小时 US$7.11）；或租用一台 8 卡 HGX B300 服务器，US$39,900/月。使用加密货币支付。 来源：https://fullgpu.com/zh/gpus/nvidia-b300 更新日期：2026-10-23 发布方：FullGPU (https://fullgpu.com/) **简而言之：** FullGPU 按月出租 NVIDIA B300：一张独享的 B300（288 GB HBM3e），每月 US$5,190，满载使用时约合每 GPU 小时 US$7.11；或一台 8 卡 NVIDIA HGX B300 服务器（8 × 288 GB HBM3e），每月 US$39,900，约合每 GPU 小时 US$6.83。两种配置均为库存有限，付款后 10 分钟内交付。费用从以美元计价的余额中支付，余额可用 Bitcoin、Ethereum、Monero、USDT（TRC-20）或 Solana 充值；无开通费，套餐可在任何一次月度续费前取消。 ## FullGPU 的 B300 配置与月价 | 配置 | 类型 | 显存 | CPU | 内存 | 存储 | 网络 | 每月价格（美元） | 每 GPU 小时 | 供货情况 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | [NVIDIA B300](https://fullgpu.com/zh/gpus/nvidia-b300) | 单卡 | 288 GB HBM3e | 28 vCPU | 384 GB | 3.5 TB NVMe | 25 Gbps | US$5,190 | US$7.11 | 库存有限，付款后10 分钟内交付 | | [8× NVIDIA HGX B300](https://fullgpu.com/zh/gpus/nvidia-b300) | 8 卡服务器 | 8 × 288 GB HBM3e | 2× Xeon 6776P · 128 核 | 4 TB DDR5 | 8× 3.84 TB NVMe | 8× 800G ConnectX-8 | US$39,900 | US$6.83 | 库存有限，付款后10 分钟内交付 | 每 GPU 小时 = 月价 ÷ GPU 数量 ÷ 730 小时，仅用于与按小时计费的方案对比：所有套餐均按固定月价计费。 ## NVIDIA B300 规格（厂商公布） | 规格项 | 参数值 | 备注 | | --- | --- | --- | | 架构 | Blackwell Ultra | NVIDIA | | 显存 | 288 GB HBM3e | NVIDIA 标称每台 HGX B300 服务器约有 2.1 TB 可用显存（每 GPU ≈270 GB）。 | | 显存带宽 | 8 TB/s | | | FP4 | 13,500 TFLOPS | 稀疏算力 18,000 TFLOPS | | FP8 | 4,500 TFLOPS | 稀疏算力 9,000 TFLOPS | | BF16 / FP16 | 2,250 TFLOPS | 稀疏算力 4,500 TFLOPS | | GPU 互联 | NVLink 5 · 1.8 TB/s | 每 GPU | | 外形规格 | SXM 模组 · HGX B300 | | | 最大功耗 | 1,100 W | 据报道 | ## B300 最擅长什么 - **大模型训练:** 8 张通过 NVLink 5 互联的 GPU 共有 2.3 TB HBM3e，一台服务器即可容纳 70B 模型的完整训练状态。 - **长上下文推理:** 每张 GPU 288 GB 显存，装下 BF16 精度的 70B 级权重后，仍可容纳大容量 KV 缓存。 - **单节点运行 600B+ 模型:** FP8 精度的 671B 混合专家模型可装入一台 HGX B300 服务器，显存仍有富余。 - **FP4 推理服务:** NVIDIA 标称每张 B300 的 FP4 稠密算力为 13.5 PFLOPS，B200 为 9 PFLOPS。 ## 何时选择其他 GPU 更合适 - [租用 NVIDIA B200 与 HGX B200 服务器，每月 US$4,590 起](https://fullgpu.com/zh/gpus/nvidia-b200): 如果每张 GPU 180 GB 显存已经够用，且您不需要 FP4，B200 的厂商标称 FP8 和 BF16 算力与 B300 相同，价格却更低。 - [租用 NVIDIA H200 与 HGX H200 服务器，每月 US$3,090 起](https://fullgpu.com/zh/gpus/nvidia-h200): 对于 FP8 精度的 70B 模型，一张每月 US$3,090 的 H200 就能装下权重，并为 KV 缓存留出空间。 - [GB300 NVL72 租用，每 GPU·月 US$7,990 起](https://fullgpu.com/zh/gpus/nvidia-gb300-nvl72): 当单个任务需要同一 NVLink 域内超过 8 张 GPU，并且您可以承诺 12 个月或更长的租期时。 ## 概览 如果您想租用 NVIDIA B300 算力，又不想签一年期合同，我们提供两种选择：搭载单张 B300 的独享虚拟机，每月 US$5,190；或搭载 8 张 GPU 的 NVIDIA HGX B300 裸金属服务器，每月 US$39,900。无论哪种，每张 GPU 都是由您独享的完整物理 GPU，按月预付计费，最短期限为一个月。B300 库存有限；本页的配置卡片会显示目前有哪些配置可用。 ## B300 是什么，与 B200 相比有哪些变化 B300 是 NVIDIA 的 Blackwell Ultra GPU，是 Blackwell B200 的升级版。最主要的变化在于显存：每张 GPU 288 GB HBM3e，而 B200 的可用显存为 180 GB，容量多出 60%，带宽则相近，约为 8 TB/s。一块 HGX B300 基板搭载 8 张 B300，一台服务器即拥有约 2.3 TB HBM3e。 第二个变化是 FP4。NVIDIA 标称每张 B300 的 FP4 稠密算力为 13.5 PFLOPS，B200 为 9 PFLOPS；而 NVIDIA 为两者公布的 FP8 稠密算力（4.5 PFLOPS）和 BF16 稠密算力（2.25 PFLOPS）完全相同。GPU 之间仍通过第五代 NVLink 互联，每张 GPU 1.8 TB/s。简而言之，B300 物有所值的情形是：额外的显存能为您省下 GPU，或者您以 FP4 精度做推理或训练。如果两者都不符合，B200 能以更低的月价提供相同的厂商标称 FP8 和 BF16 算力。我们的 [B200 与 B300 对比](https://fullgpu.com/zh/compare/b200-vs-b300)介绍了更多细节，[FP8 与 FP4 精度指南](https://fullgpu.com/zh/blog/fp8-fp4-precision-explained)则说明了在什么情况下降低精度对您的模型是安全的。 ## B300 的适用负载与显存估算 显存通常是决定性因素，所以先算一笔账。权重约为参数量 × 每个参数的字节数（BF16 为 2，FP8 为 1，FP4 为 0.5）。再加上 KV 缓存（它随上下文长度和并发请求数增长），并为激活值和运行时开销预留 10–30% 的余量。 ### 推理 - **BF16 精度的 70B 模型：**权重约 140 GB。扣除余量后，一张 B300 仍有约 100 GB 或更多空间可用于 KV 缓存，因此可以用 BF16 精度提供长上下文推理服务。而在单张 141 GB 的 H200 上，同一模型无法在保留可用余量的情况下装下。 - **FP8 精度的 70B 模型：**约 70 GB，GPU 的大部分显存都可以留给 KV 缓存和高并发。 - **FP8 精度的 671B 混合专家（MoE）模型，如 DeepSeek-V3：**权重约 671 GB。仅权重就至少需要 3 张 B300；装入一台 HGX B300 服务器后，还剩远超 1 TB 的空间留给 KV 缓存。8 张 80 GB 的 GPU 则根本装不下这些权重。我们的 [DeepSeek 硬件需求](https://fullgpu.com/zh/blog/deepseek-hardware-requirements)指南介绍了其他精度下的情况。 ### 微调与训练 使用 Adam 优化器做全参数微调时，不计激活值，每个参数大约需要 16–20 字节。对 70B 模型来说，这约为 1.1–1.4 TB；用 FSDP 或 DeepSpeed ZeRO-3 将状态分片到全部 8 张 GPU 上后，一台 HGX B300 服务器的 2.3 TB 即可容纳，还剩约 0.9–1.2 TB 留给激活值。在单张 B300 上，可以在 BF16 精度下对 70B 模型做 LoRA：约 140 GB 的冻结权重，加上小型适配器和激活值，仍远低于 288 GB。 对于预训练，关键是让 GPU 连续数周保持忙碌。按月租用的服务器会在整个训练期间把您的数据、检查点和环境保存在本地 NVMe 上（8 块 3.84 TB 硬盘，约 30 TB），而且不会被抢占。如需为其他模型做这样的估算，请使用我们的[显存计算器](https://fullgpu.com/zh/tools/vram-calculator)。 ## 单卡 B300，还是 8 卡 HGX B300 服务器？ 如果一个模型能装进 288 GB，并且您通过增加相互独立的副本来扩展（推理副本、LoRA 训练、评测任务），请选择单卡 B300。该套餐包含 28 个 vCPU、384 GB 内存、3.5 TB NVMe 存储和一个 25 Gbps 网络端口。 如果单个任务必须跨多张 GPU 运行，请选择 HGX B300 服务器。8 张 GPU 位于同一个 NVLink 域内，每张 GPU 的互联带宽为 1.8 TB/s，这正是张量并行和分片训练所需要的；如果把同一个模型拆分到多台机器上，每一层都要等待慢得多的网络链路。服务器另配两颗 Xeon 6776P 处理器（共 128 核）、用于数据加载和 CPU 卸载的 4 TB DDR5 内存，以及 8 块用于多节点任务的 800G ConnectX-8 网卡。 一旦需要 8 张 GPU，成本也指向同一个结论：8 个单卡 B300 套餐每月合计 US$41,520，而一台 HGX B300 服务器为 US$39,900。7 个以内的单卡套餐比这台服务器便宜，但它们是彼此独立的机器，之间没有 NVLink。如果一个节点还不够，机架级的 [GB300 NVL72](https://fullgpu.com/zh/gpus/nvidia-gb300-nvl72) 将 72 张 Blackwell Ultra GPU 置于同一个 NVLink 域中。 ## B300 服务器上的软件 您可以用自己的密钥通过 SSH 获得 root 权限，系统为 Ubuntu 22.04 或 24.04，预装 NVIDIA 驱动、CUDA、Docker 和 NVIDIA Container Toolkit。Debian 或 Rocky Linux 可应要求提供。常见的选择是用 PyTorch 做训练，用 vLLM、SGLang 或 TensorRT-LLM 提供推理服务，通常都在容器中运行，因此您在别处已经使用的环境可以打包成镜像迁移过来。在 HGX B300 上的第一次会话大致如下： ``` nvidia-smi # eight GPUs, driver and CUDA versions nvidia-smi topo -m # how the GPUs are connected (NVLink) docker run --gpus all --ipc=host -p 127.0.0.1:8000:8000 \ vllm/vllm-openai:latest \ --model --tensor-parallel-size 8 ``` 将推理端点绑定到 localhost，再通过 SSH 隧道访问，可以在您加上自己的鉴权机制之前，避免它暴露在公网上。在围绕 FP4 规划部署规模之前，请确认您的框架版本和模型检查点在 Blackwell Ultra 上支持 FP4。如需在全部 8 张 GPU 上训练，请参阅[使用 NCCL 进行多 GPU 训练](https://fullgpu.com/zh/docs/multi-gpu-nccl)。 ## NVIDIA B300 价格：每月与每 GPU 小时 - **HGX B300，8 卡:** 每月 US$39,900，约合每 GPU 小时 US$6.83 - **单卡 B300:** 每月 US$5,190，约合每 GPU 小时 US$7.11 每 GPU 小时价格是用月价除以 GPU 数量，再除以 730 小时得出的，因此它假设 GPU 全天候运转。要与按小时计费比较，请用我们的月价除以您在别处需支付的小时单价：结果就是每月使用小时数的临界值，超过这个值，固定月价就更省钱。例如，如果按小时租用 B300 的价格是我们折算单价的 1.5 倍，单卡套餐在使用约 487 小时（即当月的三分之二）后就更划算。如果只是两天的实验，按小时计费更合适；如果服务器在一个月的大部分时间里都在训练或提供推理服务，则按月计费更合适。我们的[按月与按小时计费对比](https://fullgpu.com/zh/compare/monthly-vs-hourly-gpu-pricing)分析了更多情形。 价格包含服务器本身、8 卡服务器每月 50 TB 出站流量（单卡为 20 TB），额度内不收取出站流量费；另含一个公网 IPv4 地址和一个 IPv6 /64 网段、DDoS 防护、工程师 7×24 小时支持，以及附带服务赔偿额度的 99.9% 月度可用性 SLA（服务等级协议）。不收取开通费。价格以美元计，不含增值税及其他税费（如适用）。拥有运行中的服务器后，您可以提交工单，咨询 6–12 个月租期或多台服务器的批量价格。 ## 订购流程 1. 在[部署页面](https://fullgpu.com/zh/deploy)选择您需要的配置，设置操作系统镜像、可选的预装软件和登录方式（root 密码或 SSH 密钥），并免费创建账户或登录，全部在同一表单中完成。 2. 您用预付余额支付首月费用；余额通过加密货币（BTC、ETH、XMR、TRON 网络上的 USDT 或 SOL）充值，每笔 US$100 至 US$10,000，每满 US$100 可获得 +5% 赠送额度，US$1,000 起最高 +50%。如果余额不足，可在同一表单中充值：订单会保留 3 小时，充值到账后即自动完成支付。银行卡支付即将推出。 3. SSH root 权限会在付款后 10 分钟内开通，IP 地址和 SSH 登录信息显示在您的控制台中。 如果已付款的服务器未能在当天交付，您可以取消订单，全额退款至余额。续费每月自动从余额中扣除，每笔付款都会开具账单。大多数订单只需要账户和已充值的余额；大额订单（例如多台 8 卡服务器）可能需要先完成身份验证。下单前如需选型，请使用[显存计算器](https://fullgpu.com/zh/tools/vram-calculator)以及本页链接的各篇指南。 ## 常见问题 ### 租用 NVIDIA B300 需要多少钱？ 单卡 B300 每月 US$5,190，8 卡 HGX B300 服务器每月 US$39,900，满负荷使用时分别约合每 GPU 小时 US$7.11 和 US$6.83。价格固定，以美元计，不收取开通费。 ### B300 现在有货吗？ B300 库存有限，本页的配置卡片显示当前库存情况。服务器在付款后 10 分钟内交付；如果已付款的服务器未能在当天交付，您可以取消订单，全额退款至余额。 ### 一张 B300 能装下 70B 模型吗？ 能。在 BF16 精度下，权重约占 288 GB 中的 140 GB，扣除余量后仍有约 100 GB 或更多留给 KV 缓存；在 FP8 精度下，权重约占 70 GB。 ### 单卡 B300 套餐会与他人共享吗？ 不会。这是一台整卡直通的独享虚拟机，不切分 GPU，不划分 MIG 分区，也不分时共享。HGX B300 则是裸金属服务器。 ### 应该租用 B300 还是 B200？ 如果您需要每张 GPU 超过 180 GB 显存，或计划使用 FP4，请选择 B300。否则，B200 的厂商标称 FP8 和 BF16 算力与 B300 相同，月价更低，而且有现货。 ### 最短租用期限是多久？ 一个月。套餐会自动从余额续费，每次续费前都会发送邮件提醒；任何月份均可在控制台免费取消，服务器会一直运行到已付费月份结束。 ## 相关页面 - [B200 与 B300 对比：Blackwell Ultra 值得升级吗？](https://fullgpu.com/zh/compare/b200-vs-b300): B200 与 B300 对比：HBM3e 显存 180 GB 对比 288 GB，FP4 算力提升，网络 400G 对比 800G。了解各自能装下什么、每 GB 成本，以及什么情况下 B200 就已够用。 - [8 卡 GPU 服务器租用：裸金属 NVIDIA HGX 与 AMD Instinct](https://fullgpu.com/zh/products/8-gpu-servers): 裸金属 8 卡 GPU 服务器租用：可选 NVIDIA HGX B300、B200、H200、H100，AMD MI355X 或 8× RTX PRO 6000。每月含 50 TB 流量，按月租用，付款后 10 分钟内交付。 - [大模型训练 GPU 服务器：独享 8 卡节点](https://fullgpu.com/zh/solutions/llm-training): 大模型训练 GPU 服务器：HGX B300、B200 和 H200 裸金属节点，GPU 之间通过 NVLink 互联，并配备 400–800G 网络，按月租用。下单前，先看看显存该怎么算。 - [大模型推理 GPU 服务器：7×24 小时运行，价格固定](https://fullgpu.com/zh/solutions/inference): 大模型推理 GPU 服务器，可运行 vLLM、SGLang 或 TensorRT-LLM：本文介绍 KV 缓存估算以及 FP8 与 FP4 的选择，价格含每月 20–50 TB 流量。查看完整的选型计算。 - [使用 vLLM 部署 LLM 推理服务](https://fullgpu.com/zh/docs/pytorch-vllm): 在您的 GPU 服务器上用 vLLM 部署 LLM 推理服务：用 uv 配置 Python 环境，安装 PyTorch 和 vLLM，测试兼容 OpenAI 的 API，再将其作为系统服务长期运行。 - [GPU 成本计算器：按月与按小时租用 GPU 对比](https://fullgpu.com/zh/tools/gpu-cost-calculator): 使用这款 GPU 成本计算器，比较按小时租用和按月租用 GPU 的费用：查看每月总费用、盈亏平衡所需的小时数，以及在做出决定之前应当计入的各项额外成本。