术语解构系列·超分比
文中价格与产品信息查证时间：2026年7月3日。云厂商产品线与活动价变动频繁，请以官网当日信息为准。
同样是“2核2G”，凭什么差几倍？
打开云厂商的售卖页，你会看到一个奇怪的现象：同样标着“2核2G”的云主机，阿里云经济型e实例曾长期卖99元一年（新老同享、续费不涨价的官方活动价），而同配置的企业级独享实例，一年要贵出好几倍。
配置表上找不到区别，底层CPU甚至可能是同一颗，差别藏在一个产品页上永远不会明说的数字里——超分比。
今天这篇讲清楚四件事：超分比是什么，它怎么把“账面算力”和“有效算力”变成两回事，怎么验证你自己的云主机被超分了多少，以及为什么这套玩了二十年的商业魔法，到了GPU时代突然失灵了。
一、超分比：云厂商的印钞旋钮
超分比（overcommitratio）=卖出去的vCPU总数÷物理机的逻辑核总数。
拿一台具体的机器算账。一台双路AMDEPYC9654的服务器：
- 物理核：96×2=192核
- 开超线程后：384个逻辑核
- 成本：EPYC9654发布时官方定价11,805美元/颗（约8.4万元），两颗芯片按官方标价就是17万元。不过Genoa如今已是两代前的平台，渠道价早已跳水——2026年7月查询，京东上双路9654的整机（基础配置塔式，192核384线程）券后约5.3万元。云厂商用的是ODM定制机型加大批量采购，再配上虚拟化所需的TB级内存，单台成本大致在10万元这个量级（估算）
如果按1：1售卖，这台机器最多卖384个vCPU。
如果按1：4超分，同一台机器可以卖出1536个vCPU——售卖容量直接翻四倍，硬件成本一分没多花。
这就是99元云主机能存在的全部原因。它不是硬件更差，而是这个旋钮被拧得更大。
一个容易踩的细节：1:1也不是你想的1:1
注意分母是超线程后的逻辑核，不是物理核。厂商说“独享不超分”，通常指的是1vCPU独占1个超线程。而同一个物理核的两个超线程共享执行单元，单线程极限性能大约只有独占整个物理核的60%~70%。
也就是说，“标称核数”和“实际算力”之间，从CPU时代起就隔着两层折扣：先打超线程的折，再打超分的折。
有意思的是，这层折扣如今也开始被当成卖点消除：阿里云2026年最新一代企业级实例（如搭载AMDTurin的g9a）在官方文档里明确写着“采用物理核设计，计算性能稳定”——1vCPU=1物理核，连超线程的折扣都不打了。确定性本身，正在成为溢价商品。
二、为什么敢超卖？——因为你根本用不满
超分的底气来自一个统计事实：绝大多数虚机的CPU利用率长期在5%~20%之间。
Web服务在等请求，数据库在等磁盘IO，开发机在等程序员敲键盘。宿主机的调度器（KVM场景下就是Linux的CFS）把每个vCPU当作一个普通线程做时间片轮转——只要不是所有租户同时要CPU，谁也感觉不到谁。
这叫统计复用。打个比方：一家餐厅只有100个座位，却卖出了300张预约券。只要客人分散到店，一切正常，翻台率还高得漂亮；可一旦300人同时进门，座位立刻不够，排队就开始了。
整个云计算的低价入门产品线，都建立在“客人不会同时进门”这个赌注上。
各家云厂商把这个赌注做成了显式的产品分层（以下产品线信息查证于2026年7月3日各厂商官网文档）：
| 层级 | 典型产品 | 机制 |
|---|---|---|
| 独享/企业级 | 阿里云企业级实例（g/c/r系列）、腾讯云CVM标准型（S9/SA9等）、AWSM/C/R系列 | 1vCPU绑定1超线程，性能稳定，有性能SLA；阿里云最新g9a更进一步采用物理核设计 |
| 共享型 | 阿里云共享型实例、经济型e实例 | 官方文档原话大意：vCPU被随机分配到任意空闲超线程上，不同实例会争抢物理CPU，高负载时性能波动——有可用性SLA，但无性能SLA |
| 突发性能型 | AWSt系列、阿里云t系列、腾讯云蜂驰型BF1 | CPU积分/基准算力机制：基线可能只有单核算力的10%~40%，平时攒积分，突发时消耗，耗尽被压回基线 |
阿里云是把机制写得最坦白的一家——共享型文档里“争抢”“无性能SLA”这些词都是白纸黑字。腾讯云则没有公开叫“共享型”的在售CVM产品线，它把这个价位段交给了两个产品：轻量应用服务器（Lighthouse，不承诺具体CPU型号、随机分配、按套餐+流量包售卖）和蜂驰型BF1（把“基准算力/最高算力”直接写进规格）。包装不同，拧的是同一个旋钮。
突发性能实例是其中最诚实的形态：它把超分风险直接产品化了——规则全部写在明面上，基线多少、积分怎么攒怎么花，童叟无欺。
三、账面算力≠有效算力
有了超分比这个概念，就可以把平时被混着说的“算力”拆成三层：
物理算力：硬件真实具备的计算能力——多少颗CPU、多少核心、什么主频、什么架构。这是分母，是不会说谎的那一层。
账面算力：虚拟化之后对外分配出去的vCPU总量。因为有超分，账面算力可以远大于物理算力——100核的物理机，账面上可以“变出”400核。
有效算力：业务高峰期，你仍然能稳定拿到的那部分。这才是你真正买到手的东西。
超分比决定的，正是从账面到有效之间的兑现率。
回到前面的例子：同样一台“8核”云主机，底层超分2：1的平台上，这8个vCPU大概率随叫随到；底层超分8：1的平台上，你买到的其实不是8核算力，而是共享池里的8个排队入口——低峰期看不出区别，高峰期开始抽号。
云主机卖的是规格，你需要的是可兑现的算力。这句话记住，后面讲到GPU和智算中心时还会用到。
四、动手环节：看看你的云主机被超分了多少
先说一个很多人遇到过的困惑：“我这台机器CPU才用了40%，为什么业务还是慢？”
原因往往不在虚机内部，而在虚机外部——你的vCPU已经就绪、想跑，但宿主机没把物理CPU分给你。这段等待，从虚机内部的CPU使用率上是看不到的。
Linux里专门有个指标记录它。在你的云主机上跑：
| |
看最后一列st（stealtime）——“被偷走的时间”：
- st长期为0：基本是独享，或者邻居们都很安静
- st经常出现5%~10%甚至更高：宿主机上有“吵闹邻居”在和你抢核
如果你用的是VMware私有云，宿主机侧对应的指标叫CPUReadyTime，含义相同：vCPU就绪了，在等物理核翻牌。
两个旁证：一是用sysbench在深夜和工作日下午各跑一次分，波动明显就说明高峰期有争抢；二是别只看规格压测，跑一段真实业务——接口QPS、数据库查询耗时、一次完整编译的时间——不同时段各来一遍，兑现率高不高，数字不会撒谎。
99元的云主机，你应该要知道自己买的是什么。
五、如果你自己管资源池
超分比不只是买云主机时的避坑知识。如果你在管私有云、IDC资源池，它是一道经营平衡题：超分太低，服务器利用率上不去，成本浪费；超分太高，账面漂亮，高峰期体验崩盘。
行业里的常见做法是分池设置，不同业务给不同的旋钮位置：
| 资源池类型 | 常见超分比 | 逻辑 |
|---|---|---|
| 核心生产池（数据库、交易、计费） | 1：1~2：1 | 稳定优先，要的是有效算力 |
| 普通生产池（Web、中间件、办公系统） | 2：1~4：1 | 利用率和性能的平衡点 |
| 测试开发池 | 4：1~8：1 | 容忍波动，换利用率 |
| 桌面云/教学环境 | 6：1~12：1 | 看并发峰值定，人不会同时敲键盘 |
| AI推理/高性能计算 | 1：1或不超分 | 持续满载，没有空闲可赌 |
这张表的最后一行，正好引出下半篇的主角。
六、到了GPU时代，魔法失灵了
现在把镜头切到算力这边。
你有没有想过一个问题：CPU可以拆成vCPU论“个”卖，为什么H100从来都是整卡、整台（8卡）、甚至整个集群起租？为什么没有“0.25张H100”这种商品？——因为超分成立的三个前提，在GPU训练场景下全部崩塌：
前提一：利用率有波谷→崩塌。训练任务的GPU利用率长期压在90%以上，一跑就是几天几周。统计复用赌的是“客人不会同时进门”，而训练负载是一个客人进门就把整个餐厅包了，而且不走。没有波谷，就没有可以复用的空闲时间片。
前提二：争抢的后果可以优雅降级→崩塌。CPU争抢的后果是排队变慢，可以忍。而GPU的硬约束是显存：一张H100就80GBHBM，模型和激活值放不下就是直接OOM崩掉，没有“慢一点”这个选项。显存没法像CPU时间片那样切了轮着用。
前提三：资源是独立的→崩塌。训练是8卡通过NVLink组成一个整体，再通过RDMA网络和其他节点做All-Reduce。任何一张卡被别的租户干扰，整个集群的同步都要等它——这就是为什么训练集群不仅不能超分，连网络都要做成1：1无收敛。
所以GPU训练算力的商品形态退回了“整租”：按卡·小时计价，本质上和租一台挖掘机没有区别。算力在训练场景下，是不可超分的商品——账面即有效，兑现率必须是100%，做不到就是训练事故。
七、但推理，让超分借尸还魂了
故事到这里还没完。训练不能超分，推理可以。
推理负载和Web服务很像：有波峰波谷（白天问答多、深夜没人用），单次请求占用时间短，对延迟的容忍度也分三六九等。统计复用的前提又回来了——客人重新变成了散客。
于是GPU侧长出了一整套“切分与超分”的工具：
- MIG（Multi-InstanceGPU）：A100/H100可以在硬件层切成最多7个实例，每份显存和算力物理隔离——这是“诚实的切分”，相当于1：1，只是粒度变小了
- Time-slicing/MPS：多个推理任务分时共享同一张卡——这就是真“超分”，和CPU的时间片轮转一个思路，代价同样是延迟抖动
- ServerlessGPU：按请求计费，底层就是极高超分比的GPU池子，厂商赌的还是那句话——大家不会同时来
你会发现历史在押韵：推理算力的售卖，正在重演CPU云主机走过的路——先整卡卖，再切分卖，最后超分卖，价格一路下探，兑现率一路让渡。
八、回到那个“P”字
上一篇我们拆过智算中心的“1P算力”是怎么算出来的。现在可以把两个概念接上了。
智算中心报的P数，是物理算力乘出来的账面数字——所有卡、满血跑、理论峰值。而你实际租到手的有效算力，要连乘三层折扣：
有效算力≈标称P数×你分到的份额×MFU
所以下次谈算力租赁，除了问单价，还要问清楚三件事：
- 独占还是切分？是整卡/整机独占，还是MIG切分，还是time-slicing共享？——这决定“你分到的份额”
- 网络什么规格？是无收敛RDMA，还是普通以太网凑数？——训练场景这条直接决定MFU
- 有没有性能SLA？记住阿里云共享型文档里那句坦白话——“有可用性SLA，无性能SLA”。算力租赁同样要问：承诺的是“开着机”，还是“跑得快”？
问完这三个问题，报价单上的账面数字，才开始向有效算力靠拢。
写在最后
超分比这个概念，本质是成本和性能确定性之间的定价旋钮，它衡量的是账面算力到有效算力的兑现率：
- CPU时代，旋钮拧的是时间片，赌的是“你用不满”
- GPU训练时代，负载焊死在90%+，旋钮拧不动了，算力退回整租
- GPU推理时代，波峰波谷回来了，旋钮又开始转——MIG、time-slicing、serverless，历史重新押韵
真正有价值的算力，要满足三个词：可持续、可调度、可兑现。
过去我们看云服务器，习惯问“几核几G”；以后看任何算力——云主机也好，智算中心也好——都值得多问一句：
这些核，到了高峰期还能不能真正跑起来？
本文属于「术语解构」系列。上一篇：《1P算力到底是多少》。文中价格与产品信息查证于2026年7月3日。