二手3060涨到1800，但学CUDA真不用急着买卡：把免费、二手、租卡、新购四条路算完账，只有两种卡千万别碰
最近想入坑 CUDA 的人，大概都被显卡行情刺了一下：8 月新卡结构性涨价，5060 Ti 16G 成了涨价冠军，大显存型号普遍跟涨；转头看二手市场，3060 12G 已经报到 1800 元上下，摊主还一副"爱买不买"的样子。知乎新华网知乎偏偏这时候又是秋招备战、转码学 AI Infra 的高峰，后台和评论区最多的问题就一个：学 CUDA，我到底要不要先掏钱买张卡？
我把免费平台、租卡、二手、新购四条路全算了一遍账。先说结论：学 CUDA 和"需要好显卡"之间，隔着一条很少有人说破的认知差——入门到进阶阶段，你需要的其实不是算力，而是"一张能跑 CUDA 的 N 卡的使用权"。这件事的最低成本，可以是 0 元。
先拆掉一个误区：练内核，T4 都够用
很多人默认"学 CUDA = 要买张像样的显卡"，其实是把两件事混在了一起：
一件是写和调 kernel——向量加、规约、softmax、SGEMM、FlashAttention 复刻，配合 Nsight Compute 做性能分析。这是 CUDA 学习的主线，吃的是编程模型理解和显存层次知识，不是绝对算力。一张 T4（16GB，Turing 架构）跑这些绰绰有余，免费的 Kaggle 给的就是这个级别。
另一件是跑大模型训练和推理——那才真正吃显存和算力，和"学 CUDA"是两个需求。
社区里高收藏的学习路线也印证这一点：PMPP 教材 + NVIDIA 官方 cuda-samples，从向量加法到手撕 GEMM，全程用不到高端卡。哔哩哔哩知乎所以预算决策的正确问法不是"买多好的卡"，而是"我每周需要多少小时的 N 卡，从哪拿最便宜"。
路径一：0 元免费算力，够一半人学完前半程
先盘免费的，因为大多数人低估了这条路的额度：
Kaggle Notebooks：手机验证后解锁，每周约 30 小时 GPU + 20~30 小时 TPU，可选双 T4（合计 32GB 显存）或 P100，单次会话最长 9 小时，配 20GB 持久化存储，不用绑信用卡。每周 30 小时是什么概念？按每天练 2 小时算，足够覆盖一个完整的入门到算子优化周期。知乎
Google Colab 免费版：登录 Gmail 即用，T4 16GB，单次最长 12 小时。坑要提前知道：闲置约 90 分钟会被回收，高峰期可能被分到 K80 老卡（慢约 4 倍），而且国内访问需要解决网络问题。
国内替代：百度 AI Studio（飞桨生态，中文教程多，对国内网络友好）、启智 OpenI（开源训练任务、国产算力，积分制，每天跑任务都能攒）、ModelScope 试跑。不想折腾网络环境的，优先看这两个。知乎
免费算力的正确用法，社区老手们总结得很一致：先用 CPU 把最小流程跑通再开 GPU；5 分钟短跑验证后再开正式实验；checkpoint 每 10~30 分钟存一次——免费 Notebook 随时会断，别指望它通宵陪你训练。
这条路的上限也很清楚：配额按周重置、卡型不完全可控、不适合连续长跑。适合"从零到能独立写算子"这前半程，不适合"天天挂实验"的后半程。
路径二：租卡，每周用量低于这个数就选它
免费额度不够时的第一补充是租，而不是买。国内行情参考：恒源云 4090 低至 1.32 元/小时，AutoDL 按量计费加闲时模式，"10 块钱跑几天"是常态；A100 80G 这种高端卡大约 15 元/小时，学 CUDA 用不到。学生认证、长期包月常有 5~6.5 折。知乎
给个简单的盈亏平衡算法：假设二手 3060 12G 按 1800 元算，租 4090 按 1.5 元/小时保守计，1800 ÷ 1.5 = 1200 小时。也就是说，累计用满约 1200 小时 GPU，买卡才追平租金——这还是完全不算二手卡残值的情况（学完转手还能回血一大半，实际平衡点更低）。换算下来：每周 GPU 用量长期超过 20 小时，再考虑买卡；低于这个数，租比买划算，而且永远不用操心驱动、环境和残值。
有篇把自建账算透的文章说过一句很清醒的话：一位用 6 张专业卡自建、账面比云省了 1.7 万美元的人，最后的建议反而是"大多数人应该用 Colab 或者租便宜的云 GPU"。知乎自建/买卡省钱的真正前提是 24×7 接近满载——显然不是学习场景。
路径三：真要买，二手窗口期还在，但有两种卡是雷
如果你确定每周能耗掉 20 小时以上（比如边学边准备面试刷题、或者想本地跑点小模型），那现在反而是个微妙的窗口：新卡结构性涨价，但二手市场没有全面跟涨，低价位 N 卡还能淘。知乎
值得看的梯队（以 Turing 架构为底线）：
500~800 元：GTX 1660/1660 Super（Turing，6GB），写内核够用，显存小了点
800~1500 元：RTX 2060/2070（8GB，Turing），均衡之选
1800 元上下：RTX 3060 12G，大显存是这个圈子的硬通货，学算子 + 跑 7B 级小模型都顾得上
第一种雷：被 CUDA 13 砍掉架构支持的老卡。 CUDA 13 起，Maxwell、Pascal、Volta 架构正式出局——对应到型号就是 GTX 900/10 系（1050 Ti、1080 Ti）、Tesla P100/P40、Titan V、V100 这些。英伟达二手市场上一堆便宜的 1050 Ti、P100，看着香，买回来意味着你被锁死在 CUDA 12.x：2026 年的新教程、新版本 PyTorch wheel、Tile 编程这类新特性都会逐步离你远去。学 CUDA 的人买一张"只能停在上一代工具链"的卡，等于入门就背上技术债。注意一个反直觉的细节：Kaggle 免费给你的 P100 不受这个影响，那是平台镜像配好的环境，白嫖没问题；自己买回家才是问题。
第二种雷：闲鱼赌卡和魔改卡。 二手高端卡"变量最大"，矿卡、4090 魔改 48G 这类没有官方质保、散热全靠自己盯的卡，是生产环境和老手的选择，不是学习者的选择。学习卡坏一周，你的学习节奏就断一周。
路径四：新购，只建议一种人
纯学 CUDA 买新卡，我只建议一种情况：你本来就打算装一台游戏/生产力主机，顺手选一张显存不小的 N 卡（比如 5060 Ti 16G 这种大显存型号），学 CUDA 只是它的副产品。单独为学 CUDA 花三四千买新卡，不如把这笔钱拆成"二手学习卡 + 两年租金"，剩下的钱够你报几门课、买几本书。
三个可以直接抄的动作
本周就去把免费额度激活：Kaggle 手机验证 + 国内平台注册，先用 CPU 跑通一个向量加法，再切 GPU 跑一遍——0 成本确认自己是不是真的想学。
用两周记录真实用量：很多人高估自己的学习强度。两周后看总时长，低于 20 小时/周就继续免费 + 租，超过再进二手市场。
盯三个信号再决定下一步：显卡行情（这轮结构性涨价是否蔓延到二手）、CUDA 13.x 的版本节奏（决定老卡淘汰速度）、免费平台配额政策（免费额度收紧是常态，别把学习计划押死在单一平台上）。
最后补一句：这轮行情里最不该做的事，就是被"涨价焦虑"推着下单。CUDA 的门槛从来不在显卡价格上——免费额度足够你走完入门期，等你真的写到需要一张自己的卡时，你对"需要什么卡"的判断力，也比现在清楚得多。
