不重建 Docker：给 Python 函数加个装饰器，直接在本地 IDE 里把代码丢上 GPU 云热重载迭代
GPU Cloud Deployment Without Leaving Your IDE — Audry Hsu, RunPod · Audry Hsu
全片 20 分钟·真正值得盯屏约 7 分钟·3 个必看点
- 0:00 – 5:31听
从闲置矿卡到 1.2 亿 ARR
RunPod 创业故事（2022 年失败挖矿项目的闲置 GPU + Reddit 免费换反馈起家）与四条产品线全景：Pods、Serverless、Clusters、Hub，现覆盖 10 国 30 多个数据中心。
四条产品线对应四种使用形态：独占 GPU、弹性函数、多节点训练、一键部署预审核模型
纯口头叙述加常规介绍页，无关键画面，可当播客听▶ 跳到 0:00讲者 · Audry Hsu - 5:43 – 9:01听
Flash 的切分哲学
指出 GPU 开发真实瓶颈是基础设施而非模型（CUDA/PyTorch 版本对齐、每次改动都要走完整镜像循环），引出 Flash：给 async 函数加 endpoint 装饰器，函数体上云执行，其余代码留在本地。
本地与云端的切分粒度是单个函数，无需预先搭建任何云端基础设施
以概念讲解为主，画面信息量低；末尾 502 秒 flash run 启动本地 FastAPI 服务器可瞥一眼终端▶ 跳到 5:43讲者 · Audry Hsu - 9:06 – 12:17看
现场演示：装饰器配置与首次请求
逐项讲解 endpoint 装饰器的声明式参数（端点名、GPU 族、最大 worker 与常驻 worker 数），并向本地端点发请求，在终端实时看到云上任务被接收、创建、排队。
部署配置全部收敛在装饰器参数里，扩缩容行为由声明式配置决定
视觉时刻密集（626 秒终端实时观测、668 秒装饰器参数、719 秒 prompt 传参翻车），代码与终端画面是理解机制的关键▶ 跳到 9:06讲者 · Audry Hsu - 12:21 – 16:18看
热切换模型与三模型编排管线
演示热文件重载：把 SDXL Turbo 换成 Dreamshaper 并调推理步数后直接重发请求；随后串起 Qwen3 扩写 prompt、Dreamshaper 生图、Nano Banana 2 合成的三段式管线。
真实 AI 应用的复杂度在多模型 orchestration，开源、自部署与商业模型可在同一管线混合编排
全片价值最高的演示段，776 秒热切换与 903 秒管线串联都需看代码改动和生成结果对比才能体会▶ 跳到 12:21讲者 · Audry Hsu - 16:24 – 19:43略
计费数字与 Pods/Serverless 选型
给出 Serverless 按实际运行时长计费的数字（H100 约每秒 0.00116 美元）及其相对 Pods 的溢价逻辑；建议实验阶段用 Pods，数百 worker 跨数据中心的波动负载才用 Serverless。中间穿插 Qwen3 prompt 工程前后效果对比。
Serverless 的溢价买的是自动扩缩容；实验期先用按秒计费的 Pods 更划算
以幻灯片数字和口头建议为主，快进扫过定价页即可；1110 秒 prompt 扩写前后的生图对比值得停一下▶ 跳到 16:24讲者 · Audry Hsu - 19:46 – 20:01听
收尾：本地起步即可
总结 Flash 的定位：从本地环境直接起步，开源与私有模型皆可部署。
上手路径是先在本地装 Flash 跑通一个函数，再考虑生产形态
15 秒口头收尾，无画面依赖▶ 跳到 19:46讲者 · Audry Hsu