不可以，因為谷歌是海外的，大陸網監已經限制登陸海外的服務器了
完全免費的除開google云、亞馬遜云、微軟云這類要關聯使用的也不強烈推薦，最先完全免費的非常少，此外你認為天地有免費午餐嗎，全是會被招數的，更何況完全免費的云主機不太好用，速度比較慢得要死了、特性非常差，因此 真心實意不建議客戶應用完全免費的云主機。實際上如今的云主機早已十分劃算了，最劃算的算作英國云主機，一般也就幾美金，特性和速率上全是非常非常好的，無論你是學員、程序猿、出口外貿、公司客戶全是有很多理想化云主機挑選的，大家也數次在云主機挑選這個問題上做了深層次的討論。
云服務器從較大的方位能夠分成中國海外，可是中國的云主機一般來說價錢都較為貴，并且中國云主機限定比較多，如果是網站建站，還必須辦理備案等辦理手續申請辦理，較為的不便。相較為起來國外云主機就單純性得多，海外云主機一般在應用上沒有很大限定，自然也不會規定你辦理備案，大部分要是選購成功了就可以立刻應用了，相比中國云主機要便捷許多 ，所以我一般提議選購國外云主機，尤其是普通用戶。
在挑選海外云主機前，你最先要搞清楚你的應用主要用途是啥，例如你是外貿網站建設還是郵件服務器這些，每一種主要用途很有可能相匹配的云主機都不一樣，全世界并不會有一臺合適全部業務流程的云主機，因此在挑選云主機前，務必要確立自身的主要用途總體目標，這一點是十分重要的。
但也必須充分考慮路線網絡帶寬難題，從總體上講，美國由于互聯網服務發展，因此網絡帶寬是較大的，價錢也是最劃算的，因此如果你是簡單瀏覽，那么大家一般會提議大伙兒挑選國內云主機，由于其性價比高。
事后想來，芯片驗證工程師Lynda覺得進騰訊有點“草率”了。
作為一個在半導體行業工作過多年的資深工程師，Lynda第一次看到騰訊發布芯片崗位需求時，略感到一絲驚訝。2019年1月她帶著好奇加入這家互聯網大廠，準備擼起袖子，大干一場。
面試時，主導芯片設計工作的Henry給她打過一劑預防針：“我們是從零開始做芯片。”Lynda試圖代入鵝廠一貫的低調來理解這句話，但隨即便在第一天上班時被跟同事的對話震到了：
-“我們的仿真工具呢？” -“沒有，還在談。”
-“驗證環境怎么說？” -“還……沒有。”
-“那……驗證流程呢？-“這個……也沒有。“
對于一個芯片驗證工程師來說，仿真工具、驗證環境、驗證流程就是必備的生產力工具。Lynda想全程參與芯片研發業務，倒不怕從頭開始，只不過沒想到連這些必備品都能 “三無”。
當一家互聯網公司投身半導體時，工具的欠缺還不是最緊要的。“造芯”不僅是業務的簡單延伸，它往往意味著更復雜的產業鏈、更耗時的人才沉淀、以及更迥異的生態文化和技術理念。
比如芯片研發不像軟件開發尚可后期不斷改bug，設計問題沒被前期驗證發現，一旦流片就只能淪為一塊“磚頭”。而Lynda所擔任的驗證工程師，就是防止前期努力打水漂的守門員。
這個崗位的重要性不言而喻，設計工程師與驗證工程師的比例在很多芯片公司會達到1：3。但Lynda入職后環顧四周，發現不僅自己只有一個并肩作戰的同事，連驗證的代碼也一行都沒有。
這時候，Lynda才開始明白Henry口中的“從零開始”意味著什么，以及她面臨著怎樣一場艱難的戰役。
01
雄關如鐵，出師未捷
謝明所在的云架構平臺部，站在騰訊各類前端應用的身后，是騰訊海量業務數據沖刷的前線，有效支撐了QQ、郵箱、買粉絲、微云、流媒體視頻等一個又一個的國民級應用。
2013年，QQ相冊已經發展成騰訊最大的一個存儲類業務。讓用戶訪問相冊的速度更快、體驗更順滑，成了一個很急迫的需求。轉化成相應的技術問題，就是圖片能否更快地轉碼？能否在不損畫質的情況下壓縮？能否以更低的成本存儲？
他們反復地追問。
團隊深刻地明白底層技術創新對上層應用的放大價值。軟件架構上固然要永遠不停歇地進行自我超越，但他們敏銳地察覺到，只有在硬件上也作出創新，才能實現更深層次的突破。
問題是：一個做軟件出身的團隊，怎么去做硬件？
一圈研究之后，他們決定先拿FPGA（可編程陣列邏輯）試水。跟我們平時電腦和手機里的通用芯片相比，FPGA是一種專用集成電路（ASIC），能夠實現靈活的“半定制”開發。
FPGA相比起芯片容錯率高，但在吞吐率、延遲、功耗和靈活性等維度上都很平衡。尤其是在處理海量數據時，FPGA相比GPU具有超低延時的顯著優勢，很適合用在特定的業務場景。
事實驗證了這種判斷。2015年，團隊集中力量研發的圖片編碼FPGA，取得了比CPU編碼和軟件編碼更高的壓縮率和更低的延時，也幫助QQ相冊很大程度上降低了存儲成本。他們看到了在FPGA方向 探索 和深入的可能性。
2016年前后，由Alpha Go引爆的AI熱潮更把FPGA拉入了主流視野。團隊通過FPGA對深度學習模型的CNN算法進行加速后，處理性能達到通用CPU的4倍，而單位成本僅為1/3。
FPGA效果雖好，但技術門檻比較高，“如果把FPGA云化，是不是一個能夠擴大應用的解決路徑？”
從效果上來說，在FPGA云服務器上進行FPGA硬件編程的企業，確實能將性能提升至通用CPU服務器的30倍以上，而只需支付相當于通用CPU約40%的費用。以一家著名的基因檢測公司為例，傳統用CPU需要檢測一周的基因序列，FPGA可以壓縮到數小時完成。
然而云化后的FPGA，沒能如預期般迅速席卷整個行業。
一方面，FPGA畢竟是一種“半定制”的電路，許多企業還是無法獨立勝任FPGA開發，需要更加上層的服務；另一方面，通用芯片成本的迅速下降，也讓FPGA的性價比優勢逐漸喪失。
云端商業化的受挫潑來一盆冷水，把團隊的熱情從巔峰一下子打到了谷底，同時也把兩個問題赤裸裸地拋到整個團隊的眼前：FPGA對業務的價值究竟有多大？FPGA還能繼續做嗎？
受此打擊，團隊在2018年也近乎分崩離析，人員開始集中式地離開。騰訊在“造芯”上的第一次 探索 ，畫上了一個遺憾的逗號。
02
柳暗花明，“蓬萊”問世
在FPGA云服務器受挫后，騰訊需要重新思考硬件之路要怎么走下去。
在團隊幾乎解散的2018年，中國芯片行業迎來暖春：中美貿易摩擦給全民普及了芯片的重要性，科創板的設立為半導體企業上市開啟大門，而國家資金的進場更是讓大江南北一片熱火朝天。
但是，對于互聯網公司來說，做芯片跟做云計算、數據庫、存儲系統等一樣，需要有具體的業務場景支撐，不能“為了做而做”。在經歷過一場不算成功的 探索 后，騰訊要等待下一個真實需求帶來的機會。
時間進入2019年。那是人工智能規模化應用的元年，內外部業務都提出了對AI芯片的強烈訴求。AI芯片，要不要做？
這個問題被提出來的時候，騰訊的管理層有過反對的聲音，擔心技術人員只是頭腦發熱，只是為了追逐熱點。但同時，管理層也給了足夠的灰度，沒有明令禁止小團隊級別的 探索 。
以小規模、低成本、特定應用場景的方式先行試水，成了大家的共識。
云架構平臺部將第一款芯片敲定AI推理方向，取名“蓬萊”，希望這款芯片能像中國古代神話里的海外仙山一樣，穩固地立于洶涌波濤之上。
這支硬件突圍小分隊，也被正式命名為“蓬萊實驗室”。
有了FPGA 探索 時積攢的經驗，蓬萊實驗室對硬件編程語言已經相當熟練，也在標準接口、總線等方面積累了一些平臺化的設計。然而，兩者的研發要求，不可同日而語。
如果說做FPGA是搭現成的積木，那么做芯片就是直接從伐木開始來著手來制造積木。FPGA出了問題可以重新編程，而芯片只有一次流片機會，一旦出錯，所有的努力便付諸東流。
此外， FPGA的資源是現成固定的，芯片的資源卻是由自己定義的。一個字，就是要“摳”：用最小的資源做最大的事。
芯片架構工程師Rick用“裝修”改“重建”來形容整個蓬萊項目。一開始，團隊以為能把之前FPGA的技術較為簡單地轉成芯片。做著做著發現，以為終歸只是以為——FPGA架構在芯片中能直接復用的并不多，團隊只能把原來的架構整個拆掉，重寫的代碼量高達85%。
像DDR存儲器這樣的重中之重，芯片廠商通常會有專門的驗證人員負責，而剛起步的蓬萊實驗室沒這個條件，只能靠搶時間把功課補回來。Lynda后來回憶道：“我恨不得一天有48個小時”。