「30 秒开跑」是 Runwhere.AI 的核心承诺。很多人第一次听到这个数字都会怀疑，毕竟在大家的经验里，装环境动辄一两个小时；这篇文章就来讲清楚这 30 秒里到底发生了什么，以及传统方式的时间都耗在了哪里。
传统方式为什么慢
传统流程是「拿到裸机 → 手动配环境」，每一次都要从零开始：SSH 进节点、装 CUDA 驱动（可能失败）、创建 conda 环境、pip install（可能冲突）、同步代码，最后是漫长的环境问题调试——一两个小时就这么没了。即使写脚本把所有手动步骤自动化，网络下载的时间也省不掉，因为 PyTorch 加上 CUDA 的安装包超过 3GB，光下载就要十几分钟到半小时。
Runwhere.AI 的做法：声明式环境 + 预置镜像
我们的思路是，环境不应该每次手工搭建，而应该像代码一样被声明和复现。提交任务时，你可以用四种方式描述环境：conda 的 environment.yml、requirements.txt、直接指定 Docker 镜像，或者使用平台预置的框架镜像——后者覆盖了 PyTorch 2.x、TensorFlow、JAX、vLLM 等「框架 × CUDA × Python」的常用组合。对大多数任务来说，预置框架镜像是最省事的选择：常见组合已经预先构建好，你只需要在其上安装项目特有的少量依赖，而这通常就几个包，秒级就能完成。
第二次提交，更快
同一份环境声明首次构建之后，结果会被平台缓存下来，下次提交相同环境时直接复用缓存、跳过全部安装步骤，所以对频繁迭代的项目——改两行代码就重新提交——第二次起的启动速度会明显快于第一次。再配合增量代码同步（runwhere sync 只传输变更的文件），「改代码 → 重新提交 → 看到新日志」的整个循环可以压缩到一分钟以内。
一个诚实的时间预期
当然，30 秒指的是典型路径，也就是预置镜像命中加增量同步的情况。如果第一次使用自定义镜像，需要完整拉取镜像，会慢一些；依赖特别多、需要现场编译的环境同理。但即便是最冷的冷启动，也不会退回「手动配环境一两个小时」的老路，因为整个过程是全自动的，你不需要守在终端前干等。
想亲身体验，最快的路径是文档站的 runwhere 快速开始：安装、登录、写一份最小 YAML，sync + submit，然后掐个表，看第一条日志多久出来。