RunPod 是一个以 GPU 为核心的基础设施平台，定位为面向 AI 开发者的云。用户无需自行采购和运维硬件，即可按小时或按秒租用云端 GPU、网络与存储资源，在同一个账户内完成实验、训练、微调、部署与扩展，而不必在不同平台之间迁移。
用途：平台用于在云端运行 AI 训练、推理和批量计算任务。官方将其流程概括为三步：Build（训练模型、微调、处理数据，使用自己的容器、框架和代码）、Deploy（编写 handler 并推送到 Serverless，获得带自动扩缩、空闲零成本的实时推理端点）、Scale（在约 250 毫秒内从 0 扩展到数百个并发 worker）。
主要能力：
- 快速启动：官方称可在数秒内（不足一分钟，另有页面称不足 30 秒）启动完整配置的 GPU 环境。
- GPU 覆盖：支持 30 多种 GPU 型号，资料中列举 B200、RTX 4090、H100 80GB HBM3、H100 NVL、A100、L40S 等，按需使用，无需合约或最低承诺。
- 全球部署：可在全球 31 个区域运行工作负载，强调低延迟与全球可靠性。
- Serverless：自动扩缩的 GPU 端点，空闲时缩容至零，不产生空闲费用；内置任务队列，无需自行搭建编排系统；官方称 FlashBoot 将冷启动降至 200 毫秒以内。
- 自动扩缩：Serverless 从 0 到数千个计算 worker，按用量付费。
- 实时日志与监控：提供实时日志、监控与指标，无需自定义框架。
- 企业级可用性：RunPod 处理故障转移；企业协议提供 99.99% 可用性 SLA、专用容量与定制条款。
- 持久网络存储：支持完整 AI 流水线，官方称无出口费用。
- Global Volumes：Serverless 端点可附加 Global Volume（测试版），模型权重存储一次即可在任意数据中心被 worker 读取。
- 安全与合规：宣称通过独立审计的 SOC 2 Type II，符合 HIPAA 与 GDPR，可通过 Trust Center 获取 SOC 2 报告、BAA 与 DPA；Secure Cloud 提供网络隔离环境。官方提示覆盖范围可能因区域与部署模式而异。
- AI 智能体支持：Serverless 端点用于快速推理工具调用，Pods 用于需要持续运行的有状态智能体，网络卷用于跨 worker 共享内存与模型权重；另有 Runpod skills 包，供 Claude Code、Cursor 等编码智能体直接部署和管理 Runpod 资源。
三种主要基础设施产品：
- Serverless：自动扩缩的 GPU 端点，空闲缩容至零。
- Pods：用于持久计算与开发的 GPU 实例，分为 Reserved（有保障）与 Spot（可中断、价格更低）。
- Clusters：面向训练与大批量推理的多 GPU 分布式计算，支持 200 个以上同时使用的 GPU 与 InfiniBand。 官方称多数团队会按工作负载阶段组合使用三者：生产推理用 Serverless，开发与智能体托管用 Pods，训练运行用 Clusters。
使用方式：用户注册账户后，可通过平台界面在数秒内启动 GPU Pod，或编写 handler 推送到 Serverless 生成推理端点。官方资料提及在 Runpod 上使用 Axolotl 进行首次 LLM 微调的指南，流程包括准备聊天日志（合成或真实）、数据准备、使用单个 GPU pod，并可用 SillyTavern、KoboldCpp 或 text-generation-webui 与微调后的模型对话；该指南测试了 27B Qwen 模型和 128B Mistral Medium 3.5 两个基础模型，并提供 Troubleshooting 章节。
适用场景：AI 模型训练与微调、生产环境推理、批量推理、AI 智能体托管、需要多 GPU 分布式训练的项目，以及有合规要求、需要网络隔离的团队。官方引用客户案例称可在 Runpod 上处理每秒 1,000 次以上推理请求，并以低于主流云厂商近一半的成本运行；另有客户称迁移后服务器成本从每天数千美元降至数百美元，基础设施账单节省约 90%。
限制与暂未提供的信息：资料未给出具体收费价格、各 GPU 型号的小时单价、免费额度或试用政策；也未提供完整的使用教程、API 文档细节与各区域的可用性差异。部分性能与成本数据来自官方或客户陈述，实际表现可能因工作负载、区域与部署模式而异。具体合规认证覆盖范围需查阅其法律与合规页面确认。
