POV（示意情境）：有人丟來一句「我們到底要用 GCP 還是 Azure」，你打開四個定價頁比了一個下午，最後發現你比的根本不是同一種東西。
倒數第三篇。第四到第六週，同一個 agent-api 寫了三份部署設定：Cloud Run（Day 23）、GKE Autopilot（Day 24）、AKS（Day 27），也講了 Azure Container Apps 的位置；這三篇的指令都還沒實跑，front matter 標了 verified: false。今天把它們放進同一張表。這裡只比 GCP 跟 Azure 兩家，AWS 我沒有實際用過，不列。這張表刻意不放任何價格數字：價格、配額、上限隨時會改，我不想留一張三個月後就過期的表；我想留的是每個服務的「性格」，性格不太會變。
這四個不是四個對手，是兩組跨雲的對應：
| 不想管叢集，跑容器就好 | 我要真正的 K8s | |
|---|---|---|
| GCP | Cloud Run | GKE（Autopilot / Standard） |
| Azure | Azure Container Apps（ACA） | AKS |
左欄是 request-driven、可以縮到零的世界（Day 21 講的性格）；右欄是 Pod、Deployment、Service 的世界（Day 05 的心智模型）。跨雲比較一律拿同一欄比：Cloud Run 對 ACA，GKE 對 AKS。拿 Cloud Run 去比 AKS，像拿計程車比租車行，不是不能比，是比完得不出結論。這兩家官方自己也各有一頁在講這件事，延伸閱讀放了。
| 面向 | Cloud Run | ACA | GKE | AKS |
|---|---|---|---|---|
| 1. 適合的 agent 性格 | request-driven、可縮到零的 API 或批次推論；官方說法是 event-driven app | 同左 | always-on bot、多 workload 共用資源、要自己控制排程；官方說法是複雜微服務、有狀態、需要客製底層 | 同左 |
| 2. 你要管什麼 | 容器加幾個旗標：port、min instances、concurrency、secret（Day 23） | 容器加 ingress 與 scale rule：minReplicas / maxReplicas |
Pod 的 requests / limits 起跳；Autopilot 不管節點，Standard 要管 node pool | Pod 起跳；Standard 要管 node pool，Automatic 模式把節點與擴縮預設幫你設好 |
| 3. 閒置時的成本結構 | 縮到零就幾乎不付；設了 min instances 就變常駐 | minReplicas: 0 同左 |
Autopilot 按 Pod 宣告的資源計費，Pod 不刪就一直付；Standard 節點開著就付 | 節點開著就付；Spot node pool 可以省，代價是會被回收 |
| 4. GPU | 有，我實際用的是 L4（Day 25） | 有 serverless GPU，要先申請 quota | Autopilot 可直接要 GPU，Standard 用 GPU node pool | GPU node pool |
| 5. 搬家成本（換雲） | 中：設定是平台專屬旗標，要重寫，但東西本身少 | 中：同左 | 低：YAML 可攜，只重做 registry / ingress / identity（Day 27） | 低：同左 |
價格一律以官方定價頁為準，四頁在這：Cloud Run、GKE、AKS、ACA。
表裡每一格都是我從官方文件整理的，不是實測結果，細節與變動一律以官方頁為準；面向 2 到 4 的出處放在這，方便你自己核對：Cloud Run 的 min instances 與 GPU、ACA 的 scale rule 與 serverless GPU、GKE 的 Autopilot 計費 與 Autopilot GPU、AKS 的 Spot node pool 與 GPU。面向 5 是 Day 27 逐行對照 YAML 的結果，不是實跑結論。
先選欄，再選雲。 先判斷你的 workload 是左欄還是右欄，判斷題還是 Day 21 那句：一段時間沒人碰，它該不該活著？ 答完再看你手上有哪家的 credit、你熟哪套生態。以我來說，手上有 GCP 的 redeem credit，Whisper backend 已經在 Cloud Run 上跑，左欄選 Cloud Run 不用想；右欄我目前沒有真正需要長期維運的 workload，所以還沒選。
面向 5 是保險。 怕被單一供應商綁住的話，右欄的搬家成本確實比較低：Day 27 把 GKE 與 AKS 的 YAML 逐行對照過（未實跑），Deployment 與 Service 只差 image 路徑，Ingress 多一行 class。左欄的開發體驗好，但設定全是各家自己的語法，換雲就重寫。這不是要你為了買保險硬上 K8s，是要你在選的時候知道自己拿什麼換什麼。
面向 3 決定你晚上睡不睡得著。 能縮到零的東西忘了關也不太燒錢；GKE Standard 與 AKS 這種節點型的，節點開著就在計費；Autopilot 雖然不算節點，Pod 留著一樣按宣告的資源付。Day 04 那台被壓到 swap 見底的開發機、Day 06 梳理的三種 workload，講的都是同一件事：先搞清楚系統閒著的時候在做什麼，再挑平台。
這個組合看起來很不厲害，但每一項都對得上 workload 的性格，成本結構我也講得出來。比起「全面導入 K8s」，我覺得這才是一個 AI 工程師比較成熟的答案。
明天講部署完之後的日常：升級、備份還原、故意讓它死一次、成本告警，AI 工程師的最小 SRE 清單。
跨雲比較一律拿同一欄比：Cloud Run 對 ACA、GKE 對 AKS；先選欄（你的 workload 要不要常駐），再選雲（你手上有誰的 credit、你熟誰）。
iThome鐵人賽
看影片追技術