现在越来越多的企业和个人选择用阿里云作为自己或者企业上云的第一选择，对于很多阿里云新客户来说却不知道在哪里查看阿里云服务器价格表，因很多用户需要知道具体价格作为公司预算参考，那么阿里云服务器价格收费标准是多少呢？
简单来说：阿里云服务器价格主要分为三部分：即实例配置价格+磁盘价格+网络宽带价格。下面开始详细介绍阿里云服务器ECS的价格表。
服务器 ECS 有两种计费方式：包年包月、按量收费。此处列出了两种计费方式的价格表，其中实例的价格包括购买 CPU 以及内存的价格。我们默认以企业级、非Windows、专有网络、支持I/O优化为例，地域不同价格也会有所不同。
一.实例配置价格表
| 规格族 | 实例ID | vCPU | 内存(GB) | 按量(小时) | 月价(月付) |
| 通用型 (g5) | ecs.g5.large | 2 | 8 | 0.988 | 300.0 |
| 通用型 (g5) | ecs.g5.xlarge | 4 | 16 | 1.976 | 600.0 |
| 通用型 (g5) | ecs.g5.2xlarge | 8 | 32 | 3.963 | 1200.0 |
| 通用型 (g5) | ecs.g5.4xlarge | 16 | 64 | 7.914 | 2400.0 |
| 通用型 (g5) | ecs.g5.6xlarge | 24 | 96 | 11.875 | 3600.0 |
| 通用型 (g5) | ecs.g5.8xlarge | 32 | 128 | 15.837 | 4800.0 |
| 通用型 (g5) | ecs.g5.16xlarge | 64 | 256 | 31.663 | 9600.0 |
| 计算型 (c5) | ecs.c5.large | 2 | 4 | 0.902 | 273.0 |
| 计算型 (c5) | ecs.c5.xlarge | 4 | 8 | 1.805 | 546.0 |
| 计算型 (c5) | ecs.c5.2xlarge | 8 | 16 | 3.602 | 1092.0 |
| 计算型 (c5) | ecs.c5.4xlarge | 16 | 32 | 7.201 | 2184.0 |
| 计算型 (c5) | ecs.c5.6xlarge | 24 | 48 | 10.811 | 3276.0 |
| 计算型 (c5) | ecs.c5.8xlarge | 32 | 64 | 14.41 | 4368.0 |
| 计算型 (c5) | ecs.c5.16xlarge | 64 | 128 | 28.813 | 8736.0 |
| 内存型 (r5) | ecs.r5.large | 2 | 16 | 1.263 | 384.0 |
| 内存型 (r5) | ecs.r5.xlarge | 4 | 32 | 2.536 | 768.0 |
| 内存型 (r5) | ecs.r5.2xlarge | 8 | 64 | 5.064 | 1536.0 |
| 内存型 (r5) | ecs.r5.4xlarge | 16 | 128 | 10.135 | 3072.0 |
| 内存型 (r5) | ecs.r5.6xlarge | 24 | 192 | 15.2 | 4608.0 |
| 内存型 (r5) | ecs.r5.8xlarge | 32 | 256 | 20.263 | 6144.0 |
| 内存型 (r5) | ecs.r5.16xlarge | 64 | 512 | 40.538 | 12288.0 |
| 内存型 (r5) | ecs.r5.22xlarge | 88 | 704 | 55.736 | 16896.0 |
| 计算型 (sn1) | ecs.sn1.medium | 2 | 4 | 0.684 | 196.84 |
| 计算型 (sn1) | ecs.sn1.large | 4 | 8 | 1.368 | 393.3 |
| 计算型 (sn1) | ecs.sn1.xlarge | 8 | 16 | 2.736 | 787.55 |
| 计算型 (sn1) | ecs.sn1.3xlarge | 16 | 32 | 5.462 | 1575.1 |
| 计算型 (sn1) | ecs.sn1.7xlarge | 32 | 64 | 10.934 | 3149.25 |
| 通用型 (sn2) | ecs.sn2.medium | 2 | 8 | 0.846 | 244.15 |
| 通用型 (sn2) | ecs.sn2.large | 4 | 16 | 1.701 | 489.25 |
| 通用型 (sn2) | ecs.sn2.xlarge | 8 | 32 | 3.4 | 978.5 |
| 通用型 (sn2) | ecs.sn2.3xlarge | 16 | 64 | 6.793 | 1956.05 |
| 通用型 (sn2) | ecs.sn2.7xlarge | 32 | 128 | 13.584 | 3912.1 |
| 通用型 (sn2) | ecs.sn2.13xlarge | 56 | 224 | 23.779 | 6846.65 |
| 计算网络增强型 (sn1ne) | ecs.sn1ne.large | 2 | 4 | 0.808 | 232.75 |
| 计算网络增强型 (sn1ne) | ecs.sn1ne.xlarge | 4 | 8 | 1.614 | 465.5 |
| 计算网络增强型 (sn1ne) | ecs.sn1ne.2xlarge | 8 | 16 | 3.229 | 930.05 |
| 计算网络增强型 (sn1ne) | ecs.sn1ne.4xlarge | 16 | 32 | 6.459 | 1860.1 |
| 计算网络增强型 (sn1ne) | ecs.sn1ne.8xlarge | 32 | 64 | 12.919 | 3720.2 |
| 通用网络增强型 (sn2ne) | ecs.sn2ne.large | 2 | 8 | 0.892 | 256.5 |
| 通用网络增强型 (sn2ne) | ecs.sn2ne.xlarge | 4 | 16 | 1.785 | 513.0 |
| 通用网络增强型 (sn2ne) | ecs.sn2ne.2xlarge | 8 | 32 | 3.563 | 1026.0 |
| 通用网络增强型 (sn2ne) | ecs.sn2ne.4xlarge | 16 | 64 | 7.124 | 2052.0 |
| 通用网络增强型 (sn2ne) | ecs.sn2ne.8xlarge | 32 | 128 | 14.249 | 4104.0 |
| 通用网络增强型 (sn2ne) | ecs.sn2ne.14xlarge | 56 | 224 | 24.938 | 7182.0 |
| 内存型 (se1) | ecs.se1.large | 2 | 16 | 1.082 | 312.55 |
| 内存型 (se1) | ecs.se1.xlarge | 4 | 32 | 2.176 | 626.05 |
| 内存型 (se1) | ecs.se1.2xlarge | 8 | 64 | 4.35 | 1252.1 |
| 内存型 (se1) | ecs.se1.4xlarge | 16 | 128 | 8.693 | 2503.25 |
| 内存型 (se1) | ecs.se1.8xlarge | 32 | 256 | 17.384 | 5006.5 |
| 内存型 (se1) | ecs.se1.14xlarge | 56 | 480 | 30.429 | 8761.85 |
| 内存网络增强型 (se1ne) | ecs.se1ne.large | 2 | 16 | 1.139 | 328.7 |
| 内存网络增强型 (se1ne) | ecs.se1ne.xlarge | 4 | 32 | 2.279 | 656.45 |
| 内存网络增强型 (se1ne) | ecs.se1ne.2xlarge | 8 | 64 | 4.559 | 1312.9 |
| 内存网络增强型 (se1ne) | ecs.se1ne.4xlarge | 16 | 128 | 9.119 | 2626.75 |
| 内存网络增强型 (se1ne) | ecs.se1ne.8xlarge | 32 | 256 | 18.239 | 5253.5 |
| 内存网络增强型 (se1ne) | ecs.se1ne.14xlarge | 56 | 480 | 31.919 | 9193.15 |
| 高主频计算型 (c4) | ecs.c4.xlarge | 4 | 8 | 1.842 | 532.0 |
| 高主频计算型 (c4) | ecs.c4.2xlarge | 8 | 16 | 3.696 | 1064.0 |
| 高主频计算型 (c4) | ecs.c4.4xlarge | 16 | 32 | 7.39 | 2127.05 |
| 高主频通用型 (cm4) | ecs.cm4.xlarge | 4 | 16 | 2.032 | 586.15 |
| 高主频通用型 (cm4) | ecs.cm4.2xlarge | 8 | 32 | 4.076 | 1173.25 |
| 高主频通用型 (cm4) | ecs.cm4.4xlarge | 16 | 64 | 8.15 | 2346.5 |
| 高主频通用型 (cm4) | ecs.cm4.6xlarge | 24 | 96 | 12.216 | 3518.8 |
| 高主频内存型 (ce4) | ecs.ce4.xlarge | 4 | 32 | 2.602 | 750.5 |
| 本地SSD型 (i1) | ecs.i1.xlarge | 4 | 16 | 1.929 | 554.8 |
| 本地SSD型 (i1) | ecs.i1.2xlarge | 8 | 32 | 3.856 | 1109.6 |
| 本地SSD型 (i1) | ecs.i1.4xlarge | 16 | 64 | 7.705 | 2219.2 |
| 本地SSD型 (i1) | ecs.i1-c5d1.4xlarge | 16 | 64 | 9.993 | 2877.55 |
| 本地SSD型 (i1) | ecs.i1.8xlarge | 32 | 128 | 15.419 | 4439.35 |
| 本地SSD型 (i1) | ecs.i1-c10d1.8xlarge | 32 | 128 | 16.787 | 4833.6 |
| 本地SSD型 (i1) | ecs.i1.14xlarge | 56 | 224 | 26.971 | 7768.15 |
| 本地SSD型 (i2) | ecs.i2.xlarge | 4 | 32 | 3.324 | 1008.0 |
| 本地SSD型 (i2) | ecs.i2.2xlarge | 8 | 64 | 6.649 | 2016.0 |
| 本地SSD型 (i2) | ecs.i2.4xlarge | 16 | 128 | 13.299 | 4032.0 |
| 本地SSD型 (i2) | ecs.i2.8xlarge | 32 | 256 | 26.599 | 8064.0 |
| 本地SSD型 (i2) | ecs.i2.16xlarge | 64 | 512 | 53.199 | 16128.0 |
| 大数据型 (d1) | ecs.d1.2xlarge | 8 | 32 | 5.444 | 1567.5 |
| 大数据型 (d1) | ecs.d1.4xlarge | 16 | 64 | 10.886 | 3134.05 |
| 大数据型 (d1) | ecs.d1.6xlarge | 24 | 96 | 16.32 | 4701.55 |
| 大数据型 (d1) | ecs.d1.8xlarge | 32 | 128 | 21.765 | 6269.05 |
| 大数据型 (d1) | ecs.d1.14xlarge | 56 | 224 | 38.094 | 10970.6 |
| 大数据网络增强型 (d1ne) | ecs.d1ne.2xlarge | 8 | 32 | 6.345 | 1828.75 |
| 大数据网络增强型 (d1ne) | ecs.d1ne.4xlarge | 16 | 64 | 12.702 | 3657.5 |
| 大数据网络增强型 (d1ne) | ecs.d1ne.6xlarge | 24 | 96 | 19.048 | 5486.25 |
| 大数据网络增强型 (d1ne) | ecs.d1ne.8xlarge | 32 | 128 | 25.402 | 7315.0 |
| 大数据网络增强型 (d1ne) | ecs.d1ne.14xlarge | 56 | 224 | 44.451 | 12801.25 |
| GPU计算型 (gn5) | ecs.gn5-c4g1.xlarge | 4 | 30 | 14.288 | 4114.45 |
| GPU计算型 (gn5) | ecs.gn5-c8g1.2xlarge | 8 | 60 | 17.205 | 4954.25 |
| GPU计算型 (gn5) | ecs.gn5-c4g1.2xlarge | 8 | 60 | 28.576 | 8228.9 |
| GPU计算型 (gn5) | ecs.gn5-c8g1.4xlarge | 16 | 120 | 34.409 | 9908.5 |
| GPU计算型 (gn4) | ecs.gn4-c4g1.xlarge | 4 | 30 | 9.301 | 2679.95 |
| GPU计算型 (gn4) | ecs.gn4-c8g1.2xlarge | 8 | 30 | 10.612 | 3057.1 |
| GPU计算型 (gn4) | ecs.gn4-c4g1.2xlarge | 8 | 60 | 18.611 | 5358.95 |
| GPU计算型 (gn4) | ecs.gn4-c8g1.4xlarge | 16 | 60 | 21.222 | 6113.25 |
| GPU计算型 (gn4) | ecs.gn4.8xlarge | 32 | 48 | 11.343 | 3268.0 |
| GPU计算型 (gn4) | ecs.gn4.14xlarge | 56 | 96 | 25.527 | 7352.05 |
| GPU可视化计算型 (ga1) | ecs.ga1.xlarge | 4 | 10 | 1.88 | 541.5 |
| GPU可视化计算型 (ga1) | ecs.ga1.2xlarge | 8 | 20 | 3.761 | 1082.05 |
| GPU可视化计算型 (ga1) | ecs.ga1.4xlarge | 16 | 40 | 7.515 | 2164.1 |
| GPU可视化计算型 (ga1) | ecs.ga1.8xlarge | 32 | 80 | 15.028 | 4328.2 |
| GPU可视化计算型 (ga1) | ecs.ga1.14xlarge | 56 | 160 | 33.401 | 9618.75 |
二.磁盘价格表
| 计费项 | 类型 | 规格 | 按量价格 | 包周价格 |
| 系统盘（40 GB起售价） | 普通云盘 | 40GB | 0.017 元/40GB/小时 | 2.69 元/40GB/周 |
| 系统盘（40 GB起售价） | 高效云盘 | 40GB | 0.02 元/40GB/小时 | 3.13 元/40GB/周 |
| 系统盘（40 GB起售价） | SSD云盘 | 40GB | 0.056 元/40GB/小时 | 8.96 元/40GB/周 |
| 系统盘（40 GB起售价） | 本地云盘 | 40GB | 0.017 元/40GB/小时 | 3.36 元/40GB/周 |
| 系统盘（40 GB起售价） | 本地SSD云盘 | 40GB | 0.132 元/40GB/小时 | 8.96 元/40GB/周 |
| 系统盘（线性计费） | 普通云盘 | 1GB | 0.00042 元/1GB/小时 | 0.07 元/1GB/周 |
| 系统盘（线性计费） | 高效云盘 | 1GB | 0.00049 元/1GB/小时 | 0.07 元/1GB/周 |
| 系统盘（线性计费） | SSD云盘 | 1GB | 0.0014 元/1GB/小时 | 0.22 元/1GB/周 |
| 系统盘（线性计费） | 本地云盘 | 1GB | 0.00042 元/1GB/小时 | 0.08 元/1GB/周 |
| 系统盘（线性计费） | 本地SSD云盘 | 1GB | 0.0033 元/1GB/小时 | 0.22 元/1GB/周 |
| 数据盘（线性计费） | 普通云盘 | 1GB | 0.00042 元/1GB/小时 | 0.07 元/1GB/周 |
| 数据盘（线性计费） | 高效云盘 | 1GB | 0.00049 元/1GB/小时 | 0.07 元/1GB/周 |
| 数据盘（线性计费） | SSD云盘 | 1GB | 0.0014 元/1GB/小时 | 0.22 元/1GB/周 |
| 数据盘（线性计费） | 本地云盘 | 1GB | 0.00042 元/1GB/小时 | 0.08 元/1GB/周 |
| 数据盘（线性计费） | 本地SSD云盘 | 1GB | 0.0033 元/1GB/小时 | 0.22 元/1GB/周 |
三.网络带宽价格表
| 计费方式 | 规格 |
| 包月，按固定带宽阶梯计费 | 1Mbps |
| 包月，按固定带宽阶梯计费 | 2Mbps |
| 包月，按固定带宽阶梯计费 | 3Mbps |
| 包月，按固定带宽阶梯计费 | 4Mbps |
| 包月，按固定带宽阶梯计费 | 5Mbps |
| 包月，按固定带宽阶梯计费 | 6Mbps及以上，n为带宽值 |
| 按量，按固定带宽阶梯计费 | 1－5 Mbps |
| 按量，按固定带宽阶梯计费 | 6Mbps及以上 |
| 按使用量线性计费 | 1GB |
以上就是阿里云服务器主要的价格构成部分，相信大家已经有个初步的预算价格了。不过很多用户还是会觉得阿里云虽好，但是价格预算下来也不便宜。
其实阿里云每个月都会推出一些企业上云实惠活动，例如普惠上云活动,企业级客户上云5折优惠等，大家可以随时关注官网最新推出的活动即可。
活动地址：
https://promotion.aliyun.com/ntms/act/enterprise-discount.html?spm=5176.11533457.1089570.16.15da77e3tl4IvB&userCode=se6p9xeg
另外阿里云目前还推出了优惠代金券：全民上云活动。不管个人还是企业客户均可以领取1000元代金券大礼包，大家也可以通过领取代金券方式优惠上云，
官网领取地址：
https://promotion.aliyun.com/ntms/yunparter/invite.html?userCode=se6p9xeg
点击领取即可。
