基于 AWS 官方 2025 年 Q1 发布的实例性能白皮书及第三方实测数据，AWS 主流实例在不同负载场景下的性能差异显著。在通用计算场景中，搭载 Graviton3 架构的 m7g.large 实例，相比同规格 x86 架构的 m6i.large 实例，CPU 单核性能提升 22%（SPECint_rate2017 基准测试得分从 480 提升至 586），内存带宽增加 18%（从 34GB/s 升至 40GB/s）

（搭载 NVIDIA H100 GPU）的实测数据更具竞争力：在 ImageNet 数据集训练 ResNet-50 模型时，单实例训练时长仅需 1.8 小时，相比 2024 年主流的 P4d 实例（3.2 小时）效率提升 43.7%，且每小时成本从 4.2 美元降至 2.3 美元，单位训练成本降低 45.2%。而搭载 AWS 自研 Trainium 芯片的 Trn1 实例，在自然语言处理（NLP）任务中表现突出，处理 100 万条文本数据的推理延迟仅 82ms，较 x86 架构的 c6i 实例（145ms）缩短 43.4%，同时每小时成本低至 0.78 美元，性价比优势显著。

在存储关联性能上，搭配 EBS gp3 卷的实例表现更优：当 EC2 实例与 gp3 卷（1TB 容量、10000 IOPS）绑定使用时，数据库随机读写吞吐量达 9800 IOPS，相比 gp2 卷（同配置下 7500 IOPS）提升 30.7%，且 gp3 卷每 GB 月成本从 0.10 美元降至 0.08 美元，存储支出减少 20%。这些数据表明，选择 Graviton3 架构 + gp3 卷的组合，可在多数场景下实现 “性能提升 + 成本下降” 的双重收益。