远程调试云端算力的成本，本质上是在用你的睡眠时间和电费账单，去赌一个概率性的产出。GPU 实例启动失败第三次了，控制台报错是资源不足，我盯着计费面板上那串已经产生但毫无成果的数字，胃里一阵发紧。这不是第一次，但每次看到那个数字跳动，都像有人用钝刀子割我的预付金。
焦虑是有具体价格的。A100 按小时计费，从你点击“启动”那一刻就开始跑表，不管你的代码是不是卡在依赖安装还是环境配置。我花了二十分钟才意识到，我用的一个冷门视觉库，其默认安装脚本会试图编译一些早就过时的 CUDA 扩展，直接卡死。这二十分钟，四十多块钱就烧没了，换来的只是一个终端里的无响应光标。你得把这种浪费训练成条件反射：准备一个绝对干净的基础镜像，把所有可能用到的依赖、版本号、甚至系统路径，像手术器械一样提前摆好。每一次启动，都必须是能直接开跑的。这背后的时间成本转移到了本地，但至少本地的时间不直接换算成美元。
真正的孤独感在等待训练结果时达到顶峰。脚本跑起来了，Loss 曲线开始缓慢下降，这时候你什么也做不了。你不能关电脑，因为需要盯着防止意外；你也没法深度投入另一件事，因为心里总悬着那个远程的进程。我起来冲了杯蛋白粉——2021年断尾求生后养成的习惯，身体跟不上，脑子再快也白搭——然后就在房间里踱步。窗外的城市早就睡了，但 AWS 的 us-east-1 区域正灯火通明，成千上万个和我一样的实例在寂静中吞吐着矩阵运算。这种联结感是虚幻的，你支付的每一秒算力，都在提醒你此刻的孤立无援。没有团队可以分摊压力，没有运维帮你盯着告警，每一个决策的代价，无论是技术选型错误还是参数设置失误，都百分百由你自己的时间和金钱承担。
亢奋来自于一些极其细微的胜利。比如，我通过修改数据加载器的 num_workers 参数，并把数据预处理尽可能移到 CPU 上提前完成，让 GPU 利用率从 40% 提到了接近 70%。这意味着同样的训练目标，总时间可能缩短三分之一。省下的每一分钟都是真金白银。又比如，我写了个简单的监控脚本，用 Telegram Bot 给我手机发通知，而不是傻乎乎地一直 VNC 连着桌面看日志。这些技巧琐碎、不值一提，甚至有些寒酸，但正是它们构成了生存的底板。在这个阶段，宏大的愿景是毒药，对每一个 API 调用、每一兆流量、每一分钟实例生命的偏执控制，才是氧气。
成本控制到最后，控制的其实是自己的心魔。你会忍不住想，“万一这次跑完，模型效果就是质变呢？” 这种念头是预算的吸血鬼。我给自己定了死规矩：任何实验，必须有假设、有评估指标、有明确的停止点（比如 Loss 连续 5 个 epoch 不降）。用理性给自己套上缰绳，防止在深夜的亢奋里滑向无底洞。当最终那个验证集准确率终于突破了我设定的阈值，我做的第一件事不是欢呼，而是立刻给实例做快照，然后毫不犹豫地终止它。节省下来的每一秒钟，都是下一次探索的弹药。
骨骼就是在这些枯燥、焦虑、与机器博弈的深夜里重塑的。过去的技能，无论是画原型还是写业务逻辑，在这里轻飘飘的没有重量。新的骨骼密度很大，它由对底层算力的敬畏、对成本指标的敏感、以及对“所有自动化都可能在下一秒崩溃”的清醒认知构成。这感觉不像进化，更像是在废墟上，用更坚硬的材料，把自己重新拼装一遍。
