一句话定义：Google Colab（Google Colaboratory）是 Google 提供的云端 Jupyter Notebook 环境，打开浏览器就能写 Python、跑深度学习，免费档还会分你一块 GPU。
它到底是什么
可以把它想成共享自习室里的公用电脑。你不用买显卡、不用装驱动、不用配 CUDA，登录 Google 账号就能新建一个 .ipynb，!nvidia-smi 一跑，果然有卡。这对刚入门的人极其友好：跑通第一个微调脚本的成本，从“先攒一台机器”降到“打开一个网页”。
但“公用”两个字是关键。免费档的真实限制集中在三处：
一、算力不专属，显存是硬性限制。 免费档给到的是共享的、偏旧的 GPU，显存十几 GB 量级，具体型号和额度随时可能调整，以官方页面为准。这意味着你能跑通 7B 量级模型的推理或轻量微调（靠量化、LoRA 这类省显存的手段），但想全量微调大模型基本会被 OOM（Out of Memory）直接打回。更麻烦的是，这块卡不保证一直是同一块：重新连接后可能换型号、换显存，昨天能跑的 batch size 今天未必能跑。
二、会话有时长，闲置会断连。 免费档的运行时（runtime）不能无限开着，单次会话到点会被回收，闲置一段时间也会自动断开，浏览器一关、网一断，训练就停在半路。所以它适合“几十分钟到几小时能出结果”的实验，不适合跑通宵的大任务。付费档（Colab Pro / Pro+）在这方面宽松一些，但同样不是无限。
三、数据不持久，这是最容易踩的坑。 Notebook 默认工作目录 /content 是临时的，运行时一回收，里面所有文件、装好的包、下载的模型权重全部清空。真正持久的只有挂载上来的 Google Drive（/content/drive），或者你自己同步到外部存储。很多人第一次用，训练到一半断线，回头发现 checkpoint 全没了，就是因为把结果写在了 /content 里。
| 本地 Notebook | Colab 免费档 | 租云 GPU | |
|---|---|---|---|
| 环境配置 | 自己装 | 基本免配置 | 自己装 |
| 显存 | 看你的卡 | 共享、偏小、会变 | 按需选，贵 |
| 能否长跑 | 随便 | 有会话上限、会断 | 只要付费就能长跑 |
| 数据持久性 | 本地磁盘 | 仅 Drive 持久 | 需自己配存储 |
和相邻概念的区别：Colab 不是“免费云服务器”，它是“带 GPU 的临时笔记本”。想长期挂着服务、跑几天的训练，该选正规云主机或托管训练平台；只想快速验证一个想法、跟着教程跑一遍模型，Colab 的性价比几乎无敌。
对从业者的意义：Colab 最适合三类事——教学和分享（一个链接就能让别人复现你的代码）、快速试验（换模型、调参数、看数据长什么样）、以及在没 GPU 的笔记本上应急。用好它的诀窍只有一条：把 Colab 当成一台随时会关机的公用电脑。代码从 Drive 或 GitHub 拉，中间结果及时存回 Drive，训练写成可断点续跑的脚本，长任务别指望它。记住这三点，免费额度就够用了。