随着人工智能和云计算技术的迅猛发展，传统的计算模式和计费方式正在不断被创新替代。Fluid Compute作为一种面向现代应用的新型计算平台，因其高效的资源利用和灵活的并发处理能力，正逐步成为AI推理、代理服务器及多方协作平台（MCP）等场景的理想选择。近日，Fluid Compute推出的主动CPU计费模型，更是为用户带来了一场计算成本与效率的巨大变革。 早期的云计算仍旧依赖于对长时间运行服务器的管理，开发者需要预先配置资源，手动处理扩展和流量激增，导致常常出现资源浪费和成本高企的情况。随后，Serverless架构抽象了基础设施的复杂性，允许函数实例随请求自动伸缩，极大提升了灵活性与便捷性。但该模式的固有限制也逐渐显现。
单次请求对应单实例的设计带来了冷启动的性能瓶颈与资源重复消耗，同时许多实例存在大量空闲时段，仍然带来费用上的负担。 Fluid Compute突破了传统Serverless的单一实例限制，采用智能调度技术，将多个并发请求复用至同一底层计算资源，避免了频繁的冷启动和实例切换开销。此创新使得I/O绑定型的长时运行任务例如AI推理具备了更为高效的执行环境，提升了资源利用率并显著降低了成本。据数据显示，Fluid Compute已成为Vercel平台上AI计算的默认引擎，累计处理超过一万亿次调用，用户节省费用高达90%。 尽管Fluid Compute在并发与资源复用方面具备显著优势，但开发者社区反映，在调用等待外部资源响应的空闲时间，CPU资源依然被计费，导致部分成本并非真正用于执行计算。针对这一问题，主动CPU计费应运而生。
该计费模型通过只对代码实际占用CPU的时长计费，实现了计费的精细化与公平化，进一步提升了AI推理等高空闲率工作负载的性价比。 主动CPU计费的核心理念是基于“活跃CPU时间”计费，即仅在虚拟CPU（vCPU）执行代码的时间内收取费用，单位以毫秒计算。相较传统CPU按运行时长完整计费的方式，主动CPU计费有效剔除程序空闲等待阶段的费用支出。此外，Fluid Compute依然保留了相对低价的“预置内存”计费，用于覆盖函数保持运行状态所需的内存资源，这部分内存可被多并发调用复用，进一步降低成本。与此同时，函数调用次数依旧计费，但整体费用结构更贴近实际资源消费。 举例而言，假设一个标准机型在100%活跃CPU利用率下运行，使用主动CPU计费模型，成本约为每小时0.149美元。
而之前同等条件下，因冗余内存与空闲时间的电费，这一开销可高达0.31842美元。这样的节省对于AI推理及代理等长时任务尤为显著，极大降低云端运营负担。 Fluid Compute的这种设计理念契合了现代应用需求，尤其适配于人工智能应用如深度学习模型推断、实时数据分析、智能代理和多租户平台等。它支持主流标配的Node.js和Python运行时，能够让开发者将现有代码无缝迁移至此平台，从而享受无服务器架构的高扩展性而无需重新设计。 此外，Fluid Compute是Vercel生态系统的核心组成部分，支撑着函数计算和新近推出的Sandbox功能。整个堆栈在同一引擎上统一运行，保障性能、可观察性和安全策略的整体协同，配合主动CPU计费为企业用户提供高性能、低成本的综合解决方案。
目前，主动CPU计费已默认启用在所有Hobby、Pro以及新注册的Enterprise用户账号。部分老牌Enterprise账户则可依照定制计划升级享有该功能。企业客户可联系Vercel顾问团队，获取更多咨询与业务部署支持。 主动CPU计费不仅是Fluid Compute在功能与商业模式上的一次革新，也是云计算领域针对AI时代特殊计算场景资源管理的前瞻性布局。它以更科学的用量驱动计费方式，推动了云计算成本结构向合理化转变，让资源浪费得到最大限度的规避，让开发者专注于核心业务创新。 随着AI应用的不断普及和业务复杂度的提升，计算平台在续写性能和降低成本之间的挑战日益严峻。
Fluid Compute透过主动CPU计费以及其灵活高效的架构，展现了未来云计算平台发展的重要方向。企业和开发者选择这样的技术方案，将有效释放潜力，加速推动AI驱动的数字化转型。 综上所述，主动CPU计费使得Fluid Compute成为兼具性能和经济效益的强大计算平台。它不仅适合云原生开发者，也为AI研究人员和企业运营者提供了优化成本结构的利器。未来，随着更多创新技术的加入，Fluid Compute有望引领更加智能、高效的云计算新时代。
![Ocean-2: wave based power generation [video]](/images/1996FC2D-88A3-4EDE-9D8F-CE7086C3C6AD)
