小模型部署贵到肉疼，AWS 这刀切下去省三成！一块 GPU 硬切 7 份！AWS 让单卡塞进多个模型，成本直降 34%？

大白话以前在云上部署模型，最小单位是一整块 GPU，一张卡只能跑一个模型，利用率低得心疼。现在 AWS 的 SageMaker 推理服务支持把一块物理 GPU 切成最多 7 份，每份有独立的显存和算力，硬件层面隔离。你选好切分方案，后面的配置、调度、扩缩容 AWS 帮你管。注意账单还是按整块卡算，省钱靠的是把卡用满，不是单价变低。

对你意味着如果你在云上部署多个小模型、又嫌整卡太贵，这套方案值得算一笔账；但切分方案一旦定下就不能改，换方案等于重建端点。