核心难点：供给而非技术
GPU 租赁平台最先需要解决的问题不是如何调度，而是为什么别人愿意把 GPU 挂到你的平台。供方需要确认：
- 平台真的有租用需求，不会长期空跑
- 收益能覆盖电费和硬件损耗
- 提现流程可靠
- 机器不会被用于挖矿或违法用途
Agent 节点管理（主流方案）
Agent 是一个安装在供方机器上的后台进程，负责：
采集信息
├── GPU 型号 / 显存 / 温度
├── CPU 利用率
├── 内存 / 硬盘
├── 公网 IP / 带宽
├── 在线状态
└── CUDA 版本 / 驱动版本
上报到平台服务器
↓
控制台展示节点列表
↓
用户下单 → Agent 收到任务 → 启动容器Agent 还需要支持：开机自启、掉线重连、心跳保活、远程执行命令。
容器调度（Docker Worker）
大多数 GPU Marketplace 用 Docker 而非虚拟机：
# 接单后自动执行
docker pull nvidia/cuda:12.0-base
docker run \
--gpus all \
-p 30000:22 \
-d nvidia/cuda:12.0-base sleep infinity
# 租户通过 SSH 接入
ssh user@node-ip -p 30000也可以直接暴露 Jupyter 或 ComfyUI 等界面，省去 SSH 配置。
Docker vs 虚拟机
| 方案 | 优点 | 缺点 |
|---|---|---|
| Docker | 启动快、开销小 | 隔离性略弱 |
| KVM/QEMU | 安全隔离好 | GPU 透传（PCI passthrough）配置复杂 |
生产环境主流选 Docker，只有对安全隔离有严格要求的场景才考虑虚拟机。
闲置 GPU 共享（家用机）
Agent 可以实现智能避让：
def should_accept_task():
gpu_util = get_gpu_utilization() # nvidia-smi
cpu_util = get_cpu_utilization()
user_active = is_user_active() # 检测鼠标 / 键盘活动
return gpu_util < 10 and cpu_util < 10 and not user_active用户回来玩游戏时 Agent 自动暂停任务、释放 GPU。
计费与分润
用户支付租金
↓
平台抽成（通常 10~30%）
↓
供方获得剩余收益平台抽成比例需要在”吸引供方”和”平台可持续”之间平衡。
冷启动策略
新平台面临先有鸡还是先有蛋的问题，推荐分阶段：
- 先签稳定供方：找渲染农场、AI 创业团队、网吧（高配置机器）合作，保证第一批节点稳定在线
- 建控制台：展示节点状态、GPU 利用率、收益统计
- 实现任务调度：支持自动分配节点、启动 Docker 容器
- 最后开放市场：加入公开租用、计费、支付、评分系统
每个阶段独立验证价值，避免同时解决供给、需求、调度、支付四个难题。