函数计算FC这两个东西有啥差别，意思是我上传的lora和基础模型都必须放在性能型里的吗？

上传的代码和依赖项可以放在性能型实例里运行，但并不是必须放在性能型实例里。用户可以选择不同的计算资源类型，根据自己的应用场景和需求选择适合自己的计算资源类型。例如，对于轻量级的应用程序，可以选择使用低性能的实例类型，从而节省成本。

函数计算（Function Compute）和Lora是两个不同的概念，它们在应用场景和功能上有所区别。

1. 函数计算（Function Compute）：是一种无服务器计算服务，它允许您运行代码片段并响应事件触发。您可以将您的代码打包成函数上传到函数计算平台，并在需要时以事件驱动的方式自动触发执行。函数计算适用于处理短暂、高并发的任务，如数据转换、图像处理、消息推送等。

2. Lora（Low Power Wide Area Network）：是一种低功耗广域网技术，专为长距离、低功耗的物联网设备通信而设计。Lora网络具有较长的通信范围和较低的功耗，适用于远程传感器、智能城市、农业监测等物联网应用场景。

对于您提到的“上传的lora和基础模型”，如果指的是将Lora设备数据上传到函数计算中进行处理，或者使用基础模型进行数据分析和推理，以下是可能的方案：

1. 使用函数计算处理Lora数据：您可以编写一个函数，将Lora设备上传的数据作为事件输入，在函数中进行数据处理、解析和存储等操作。这样，您可以利用函数计算的弹性和高并发特性来处理大量的数据。

2. 基于函数计算的基础模型推理：如果您有一个基础模型需要进行推理操作，可以将这个模型打包成函数，并通过函数计算平台来提供在线推理服务。您可以通过调用函数来实现对输入数据的模型预测和分析处理。

至于选择性能型还是容量型，通常应根据您的具体需求和应用场景来确定。如果您的应用需要较高的并发量和低延迟，可能更适合选择性能型。但如果您的应用对资源需求不高且关注成本效益，则容量型可能更适合。

建议您参考阿里云函数计算的定价和功能说明，以及Lora网络相关的技术文档，进一步了解如何在函数计算中集成Lora设备和基础模型，以满足您的特定需求。

性能的差别，同一个模型，放在容量型里，要比放在性能型里，从模型加载速度的角度看，要慢一倍。
所以，优先推荐使用通用NAS-性能型，此回答整理自钉群"【答疑群】人人都是创作家，Serverless 部署 AIGC 场景"