AWS 最具性价比的两项成本优化机制——Graviton 自研芯片与 Spot 竞价实例——可以叠加使用，且互不冲突，这是许多用户在选型时容易忽略的关键点。理解这套组合拳的逻辑，能让云账单在同等性能下直降四到六成。
Graviton 是 AWS 基于 ARM 架构自研的处理器，目前已经迭代到第七代。它的核心优势在于同规格下比 x86 实例便宜 10% 到 20%，同时性能往往还有小幅提升。根据官方数据，T4g 相比 T3 的性价比提升可达 40%。对于 Linux 工作负载，迁移成本极低——大多数编译型语言和容器化应用只需重新编译即可，运行时几乎没有兼容性问题。这意味着，只要你的业务跑在 Linux 上，Graviton 就是一个“免费”的性能升级，而且不需要任何承诺或预付款，按需价就直接享受折扣。
Spot 实例则是另一层杠杆。它的价格随供需实时浮动，通常为按需价的 30% 到 40%，极端情况下可以低至一折。代价是实例可能被 AWS 在需要时以两分钟通知回收。因此 Spot 最适合无状态、可重试、可中断的工作负载，比如 CI/CD 流水线、批处理任务、爬虫、大数据分析以及 AI 推理的回退层。
真正值得关注的不是单项优惠，而是它们的叠加效果。一台 Graviton 实例本身就比 x86 便宜 15%，如果再以 Spot 方式购买，价格再打三折，最终成本可以降到同规格 x86 按需价的四分之一左右。更重要的是，这个组合还可以进一步叠加节省计划（Savings Plans）或预留实例——如果你对 Spot 的稳定性有顾虑，可以用一年期节省计划锁定 Graviton 按需价的七折，同时把可中断的任务切到 Spot 上，形成“基线用折扣锁价、弹性用 Spot 兜底”的双层架构。
实际操作中，需要留意几个细节。首先，Graviton 实例的命名以 g 结尾，比如 m7g、c7g、r7g，而 x86 实例以 i（Intel）或 a（AMD）结尾，选型时注意区分。其次，Spot 实例虽然便宜，但回收风险客观存在，建议搭配 Auto Scaling 的混合策略（Mixed Instances Policy），让按需实例兜底，Spot 实例优先使用。最后，节省计划可以覆盖 Spot 和 Graviton 吗？不能直接覆盖 Spot，但可以覆盖 Graviton 按需实例，并且节省计划与 Spot 可以分别作用于同一个 Auto Scaling 组的不同实例，实现全局最优。
这套组合的本质是把负载形态与购买方式精确匹配：稳定负载用承诺折扣锁价，波动负载交给按量计费，可中断负载全量上 Spot，而所有负载只要适合 ARM 架构就优先选 Graviton。三个杠杆同时拉满，才是 AWS 成本优化的真正上限。