价格文档账号

在 GPU 租用平台渲染

在 RunPod、Vast.ai 或 AutoDL 按需租用 RTX 4090 算力节点，用一条命令接入工作区。

为什么选择按需租用 GPU

对于个人创作者或中小型制作组，本地电脑算力有限，购置多台高性能工作站成本高昂。

传统的商业商业渲染农场往往按单帧或积分计费，溢价严重且难以实时监控进度。而通过现代 GPU 算力平台（如 RunPod、Vast.ai 或 AutoDL），你可以按需租用单卡或多卡 RTX 4090 / 3090 实例，按秒或按小时付费，渲染完成后立即释放，整体算力成本通常只有传统农场的 20%~30%。

配合 danio 的一键接入命令与断点容错调度，云端实例就像办公室隔壁的渲染机一样自动领活、分担渲染。

算力与显卡选型建议

Blender Cycles 渲染极度依赖 CUDA / OptiX 光追核心与时钟主频。在租借算力前，建议参考官方 Blender Open Data 性能跑分榜单：

  • 极速渲染首选（RTX 5090 / RTX 4090）：在 Blender Open Data 评测榜 中稳居第一梯队。RTX 5090（32 GB 显存）与 RTX 4090（24 GB 显存）拥有极高的光追吞吐效率，渲染耗时仅为普通显卡的零头，且租用单价亲民（通常 $0.35~$0.89 / 小时），性价比无可匹敌。
  • 超大场景首选（RTX 6000 Ada / RTX Pro 6000）：对于包含大量高精度建筑资产、海量 8K 贴图或未烘焙体积缓存的特大型制作，推荐选用具备 48 GB 显存的专业级工作站卡（如 RTX 6000 Ada / Pro 6000 系列），彻底避免因显存不足导致的 CUDA Out of Memory 报错中断。
  • 高性价比备选（RTX 3090）：具备 24 GB 充足显存，租金低廉（$0.20$0.30 / 小时），非常适合中长镜头和夜间大批量渲染。
  • 避坑提示：尽量避免租用老旧计算卡（如 P40/T4 等）或纯 CPU 实例，由于缺乏现代 RT Core，渲染速度往往落后数倍以上。

平台推荐与特点对比

平台地区优势与特点推荐机型与价格参考
RunPod (含推广链接)海外• 界面极其友好，支持 Web Terminal 和一键 SSH
• 按秒精准计费，无出网流量费 (0 Egress)
• 提供高可靠 Secure 机房与超高性价比 Community 机房		RTX 4090
Community: ~$0.74/hr
Secure: ~$1.10/hr
Vast.ai (含推广链接)海外• 全球最大去中心化算力集市，单价最低
• 支持竞价中断实例（Interruptible），进一步节省 30%-50%
• 配合 danio 租约超时重分机制，偶发被回收不丢任务进度		RTX 4090: ~$0.35 – $0.55/hr
RTX 3090: ~$0.20 – $0.30/hr
AutoDL国内• 国内直连，微信/支付宝扫码即付
• 实例启动快，网络延迟极低		RTX 4090: ~¥1.8 – ¥2.5/小时

你需要的前提准备

  1. S3 对象存储工作区：云端服务器无法访问内网 SMB 共享目录，工作区必须使用 S3 存储。强烈推荐使用 Cloudflare R2，完全免出网流量费，避免节点并发拉取贴图产生高额账单。
  2. 主机对外具有 HTTPS 地址：云端节点必须能通过公网连接你的主机（如 https://danio.yourdomain.com），见设备不在一处。
  3. 工作区具备 Linux 版 Blender：大多数算力平台运行 Linux（Ubuntu）。在主机的 工作区详情 → 资源包 中导入一份 Linux 平台的 Blender 压缩包（见资源包），节点加入后会自动下载就绪。

步骤 1：在主机生成接入命令

在 danio 主机上打开 设备 → 添加设备：

  1. 名称 填统一前缀，如 cloud-gpu。
  2. 权限 保持为 无：云端临时节点只需要接收渲染并交回成片片段，无需赋予查看其他项目或管理工作区的权限。
  3. 打开 多台共用：一条命令可以多台机器同时使用，加入时自动分配编号为 cloud-gpu-01、cloud-gpu-02……
  4. 渲染 保持勾选打开。
  5. 下载 danio 选择 从官方源（云主机通过 GitHub 镜像拉取，速度快且不占用你主机的上行带宽）。
  6. 配置本地高速缓存（关键）：打开 追加设置，填入云主机的本地高速数据盘路径：
    • RunPod: /workspace/cache
    • Vast.ai: /root/cache
    • AutoDL: /root/autodl-tmp/cache（切勿放在 /root/autodl-fs 网络盘上）
  7. 点 生成令牌，系统选 Linux，复制生成的整条命令。

步骤 2：在云端平台上启动与接入

在 RunPod 部署

  1. 登录 RunPod 控制台（含推广链接），在 Pods 页面点击 Deploy。
  2. 选择显卡类型（如 1x RTX 4090），在选项中选择 Community Cloud（高性价比）或 Secure Cloud。
  3. 模板选择标准镜像（如 runpod/pytorch:2.4.0-py3.11-cuda12.4.1-devel-ubuntu22.04 或标准 Ubuntu 镜像）。
  4. 调整 Container Disk 大小（建议调至 50 GB 以上，用于存放解包缓存与工作目录）。
  5. 启动 Pod。进入 Running 状态后，点击 Connect → Start Web Terminal 打开网页终端。
  6. 粘贴刚才在 danio 主机复制的接入命令并回车。
  7. 安装脚本会自动装配依赖、注册节点并在后台启动 danio serve。

在 Vast.ai 部署

  1. 登录 Vast.ai 控制台（含推广链接），进入 Search 筛选页面。
  2. 筛选 GPU 为 RTX 4090，建议勾选 Datacenter（数据中心验证）。
  3. 设置 Disk Space 为 50 GB 以上。
  4. 镜像模板（Template）选择官方 nvidia/cuda:12.4.1-runtime-ubuntu22.04。
  5. 点击 Rent 租用。在 Instances 列表中等待实例加载完毕。
  6. 点击该实例的 SSH 按钮，复制 SSH 登录命令到本地终端执行连接。
  7. 登录成功后，粘贴 danio 接入命令运行。

在 AutoDL 部署

  1. 登录 AutoDL 控制台，选择「算力市场」，租用 RTX 4090 实例。
  2. 基础镜像选择 Ubuntu 22.04，CUDA 12.x。
  3. 实例开机后进入「JupyterLab」或者使用 SSH 终端。
  4. 粘贴接入命令执行。danio 会自动使用 /root/autodl-tmp 本地数据盘。

步骤 3：验证与开始渲染

接入成功后，回到主机的 设备 列表：

  • 新服务器会显示为 cloud-gpu-01，状态为 在线。
  • 点开设备详情，:ui能力 中会显示识别出的 Cycles 设备为 OptiX，显卡名称为 NVIDIA GeForce RTX 4090。
  • 如果工作区任务队列中有排队的任务，该节点会立即自动进入 准备中（拉取 Blender 资源包与所需贴图），随后转为 渲染中。
云端节点只按需拉取其当前被分配的镜头条目（基于 HTTP Range），渲染完毕后自动将压制好的成片片段上传回 S3 对象存储，并实时向主机回传预览小图。

容错与突发中断保障

租用云端按需或竞价实例时，偶尔会遭遇网络波动或机器被服务商收回：

  • 2 分钟租约超时保护：danio 为每个分配的镜头段赋予 2 分钟动态租约。若某台服务器突发离线中断，租约过期后主机自动把该镜头段移交给其他健康设备，任务不会卡死。
  • 已渲染帧保护：在任务详情中点开正在渲染的段，随时可以使用 收回此段…，勾选“保留已渲染帧”，系统会把该机器上已连续渲染出的帧当场压制为片段保存，只将剩余未完成的帧重新派发给其他机器。

渲染完成后的清理与释放

渲染出来的原始中间帧保存在临时实例本地，实例一旦释放即会销毁。压制好的最终成片和片段完整保存在 S3 存储中，不受释放影响。如果你的项目需要归档原始图片序列，提交前请在 项目 中将 输出格式 设为 序列打包（.tar）。

当所有镜头渲染完成且成片拼接成功后：

  1. 在算力平台（RunPod / Vast.ai）控制台对实例执行 Terminate / Destroy，停止计费。
  2. 回到 danio 主机 设备 页，进入离线服务器的详情卡片。
  3. 在最下方先点击 拉黑，随后按住 移除设备 2 秒，清理设备列表。

把办公室的电脑加进来

同事的电脑在局域网里找到工作区，申请加入，按需要提交或渲染。

配置 Cloudflare R2 存储

为工作区配置 Cloudflare R2 对象存储：免出网流量费，完美兼容 S3 API，适合跨地域与云端渲染。