术语表 · GPU 与算力

炼丹

Model Training (slang)

又写作

liandan炼丹炉调参炼

要点

什么是炼丹？

炼丹是中文机器学习圈对训练模型的戏称，取自结果难以预测、只能反复调参试出来的过程；「炼丹炉」指用来训练的机器，「丹」指训练出来的模型权重。

这个词几乎只出现在社区和聊天里，正式文档不会这么写。知道它，主要是为了看懂论坛上的经验帖——那里的信息密度通常比产品页高得多，而「4090 炼丹炉」这类说法一句话就把预算、显存和用途讲清楚了。

它对应的真实开销结构值得说明：花掉卡时的不是最后成功的那一次训练，而是前面几十次失败的尝试。按小时计费之下，跑完就关机、把数据集与权重放在单独的数据盘上，比纠结选哪张卡更能省钱。

常见误解

「炼丹」听起来像玄学，但可复现性是可以争取的：固定随机种子、记录每次的超参数与数据版本、定期存检查点。省掉这些步骤时，失败的那几十次就真的白花了。

论坛上的一句话，信息量比产品页大

「4090 炼丹炉一台，24G 显存跑 LoRA 够用，全参微调 70B 就别想了。」——一句话同时说清了卡、显存、能做什么和不能做什么，这是这个市场典型的表达方式。

本站相关页面

和「炼丹」一起看 5 条

微调指在已经预训练好的模型上用自己的数据继续训练，使它适应特定任务、格式或语气，是中小团队最现实的定制方式——从零训练一个大模型的成本，与租几张卡跑几个小时不在一个数量级。

LoRA（低秩适配）是一种参数高效微调方法：冻结原模型权重，只训练一组新增的低秩矩阵，显存占用与产出文件都远小于全参数微调，是消费级显卡上最常用的微调方式。

显存是显卡上独立于系统内存的高速存储，模型权重、激活值与缓存都必须放进显存，因此显存容量决定一块 GPU 能不能跑某个模型——放不下就完全跑不起来，而算力不足只是跑得慢。

CUDA 是 NVIDIA 的并行计算平台与编程接口，PyTorch、TensorFlow 等框架的 GPU 加速全部经由它实现，因此实践中「这台机器能不能跑我的代码」等于「驱动、CUDA 版本与框架编译版本是否对得上」。

按小时计费是 GPU 算力租用的通行方式：从预付余额中按实例运行的小时数扣费，关机即停止计算算力费用，与 VPS 的月付按整月结算完全不是一回事。