ERNIE-Image RunPod 云端 GPU 部署完全指南：零本地硬件的 AI 文生图工作流

摘要：没有本地 GPU？不想购买昂贵的 RTX 4090？RunPod 云端 GPU 平台提供了成本效益极高的 ERNIE-Image 部署方案。本文从账户注册到 ComfyUI 配置，从 GPU 选择到成本优化，全面介绍如何在 RunPod 上部署 ERNIE-Image Base 和 Turbo 模型，实现按需付费的 AI 文生图工作流。

为什么选择 RunPod 部署 ERNIE-Image？

ERNIE-Image 的 8B 参数模型在本地运行时面临硬件门槛：BF16 精度需要约 29.5GB 显存，超过了大多数消费级 GPU（如 RTX 3090 的 24GB 或 RTX 4070 的 12GB）。虽然量化版本（GGUF、NVFP4）可以在较低显存下运行，但云端部署提供了以下优势：

RunPod 的核心优势

按需付费：只在 GPU 运行时计费，暂停/停止后不产生费用
GPU 选择灵活：从 RTX 3090（24GB, ~$0.37/小时）到 A100（80GB, ~$2.09/小时）到 H100（80GB, ~$3.89/小时）
预配置模板：ComfyUI 官方模板一键部署，无需手动配置环境
社区云更便宜：共享 GPU 市场提供更具竞争力的价格
Serverless 选项：无服务器端点模式，按请求付费，适合间歇性使用

成本估算

GPU	显存	社区云价格/小时	月使用 100 小时费用
RTX 3090	24GB	~$0.37	~$37
RTX 4090	24GB	~$0.49	~$49
A40	48GB	~$0.69	~$69
A100 80GB	80GB	~$2.09	~$209
H100	80GB	~$3.89	~$389

💡 省钱技巧：对于 ERNIE-Image Turbo 量化版本，RTX 3090 社区云（~$0.37/小时）是最具性价比的选择。

第一步：注册 RunPod 账户

访问 runpod.io 注册账户
完成邮箱验证
充值最低 $5 即可开始使用社区云 GPU
推荐使用信用卡或加密货币充值

第二步：选择 GPU 并部署 Pod

GPU 选择指南

需求场景	推荐 GPU	理由
预算最低 + Turbo 量化版	RTX 3090 社区云	24GB 显存，~$0.37/小时
BF16 精度 Base 模型	A40 (48GB)	48GB 显存，运行 BF16 有余
极速推理 + 批量生成	H100	最强推理速度，但成本高
均衡选择	RTX 4090	24GB 显存，速度优于 3090

部署步骤

登录 RunPod 控制台，进入 "Pods" 页面
点击 "Deploy a Pod"
选择 GPU：
- 左侧筛选器设置最小 VRAM（建议 24GB+）
- 选择 Community Cloud（更便宜）或 Secure Cloud
选择模板：
- 搜索 "ComfyUI"
- 选择官方模板 runpod/comfyui:latest（最稳定）
- 或选择社区维护的 ComfyUI 模板
配置存储：
- Container Disk: 至少 50GB（存放模型）
- Network Volume: 可选，用于持久化存储
命名 Pod 并点击 "Deploy Pod"

等待初始化

Pod 初始化需要 1-3 分钟
在 "Logs" 标签页查看进度
端口 8188 显示绿色 "Ready" 表示就绪
点击 "ComfyUI" 链接打开工作空间

第三步：下载 ERNIE-Image 模型

模型文件列表

ERNIE-Image 需要以下文件：

文件类型	文件名	大小	来源
Base 模型	`ernie-image.safetensors`	~16GB	Comfy-Org/ERNIE-Image
Turbo 模型	`ernie-image-turbo.safetensors`	~8GB	Comfy-Org/ERNIE-Image
PE 模型	`ernie-image-pe.safetensors`	~6GB	Comfy-Org/ERNIE-Image
VAE	`flux2-vae.safetensors`	~2GB	Comfy-Org/ERNIE-Image

下载方法

方法一：通过 JupyterLab 下载（推荐）

在 Pod 页面点击 "JupyterLab" 打开终端
导航到模型目录：
```
cd /runpod-volume/models/checkpoints
```

使用 HuggingFace CLI 下载：

huggingface-cli download Comfy-Org/ERNIE-Image --local-dir .

方法二：通过 ComfyUI Manager 安装

在 ComfyUI 界面点击 "Manager"
搜索 "ERNIE-Image"
点击安装按钮自动下载

方法三：使用自动化脚本

使用 deploy.promptingpixels.com 生成一键安装命令：

选择 ERNIE-Image 模型
设置目标平台为 "RunPod"
复制生成的命令
在 RunPod 终端中执行（替换 API Token）

第四步：配置 ComfyUI 工作流

ERNIE-Image Base 工作流

Base 模型（50 步）用于高质量输出：

[Load Checkpoint: ernie-image.safetensors]
    ↓
[CLIP Text Encode] → 输入提示词
    ↓
[ERNIE-Image Diffusion Model] → 50 steps, CFG 7.0
    ↓
[VAE Decode: flux2-vae.safetensors]
    ↓
[Save Image] → 1024x1024 输出

ERNIE-Image Turbo 工作流

Turbo 模型（8 步）用于快速迭代：

[Load Checkpoint: ernie-image-turbo.safetensors]
    ↓
[CLIP Text Encode] → 输入提示词
    ↓
[ERNIE-Image-Turbo Diffusion Model] → 8 steps, CFG 1.0-2.0
    ↓
[VAE Decode: flux2-vae.safetensors]
    ↓
[Save Image] → 1024x1024 输出

带 PE（Prompt Enhancer）的工作流

[Load PE Checkpoint: ernie-image-pe.safetensors]
    ↓
[PE CLIP Text Encode] → 简短提示词
    ↓
[PE Output] → 扩展后的结构化提示词
    ↓
[Main Model CLIP Text Encode] → 接收 PE 输出
    ↓
[Diffusion Model] → 生成图像
    ↓
[VAE Decode] → [Save Image]

第五步：批量生成与 API 集成

ComfyUI 批量提示词生成

使用 ComfyUI 的 "Prompt Multi Batch" 节点实现批量不同提示词生成：

创建包含多个提示词的文本文件
使用 "Load Text" 节点读取
连接到 "Prompt Multi Batch" 节点
每个提示词独立生成，输出到不同文件夹

RunPod Serverless API 端点

对于更自动化的工作流，可以使用 RunPod Serverless 部署 API 端点：

创建 Serverless 端点：
- 在 RunPod 控制台选择 "Serverless"
- 创建新的 Endpoint
- 配置 Docker 镜像和 GPU

Python API 调用：

import requests
ENDPOINT_ID = "your-endpoint-id"

API_KEY = "your-api-key"
response = requests.post(

f"https://api.runpod.io/v1/endpoint/{ENDPOINT_ID}/run&quot;,

headers={"Authorization": f"Bearer {API_KEY}"},

json={

"input": {

"prompt": "a beautiful sunset over the ocean",

"steps": 8,

"cfg": 1.5

}

}

)
job_id = response.json()["id"]
检查状态并获取结果

成本优化：
- 设置最小/最大 worker 数量
- 配置空闲超时自动缩减
- 使用 Spot GPU 进一步降低成本

第六步：成本管理与优化

费用控制策略

暂停 vs 停止：
- Pause（暂停）：保留状态，收取少量存储费（~$0.003/GB/天）
- Stop & Terminate：完全停止，零费用
- 短暂离开 → Pause；长时间不用 → Terminate
GPU 选择优化：
- 实验阶段：RTX 3090 社区云（~$0.37/小时）
- 批量生产：A40 或 A100（更高的吞吐量/小时）
- 偶尔使用：Serverless（按请求付费）
模型选择优化：
- Turbo 量化版（FP8/GGUF）→ 24GB GPU 即可
- Base BF16 → 需要 48GB+ GPU
- 根据质量需求选择模型版本

实际成本案例

场景：每周生成 100 张产品图

GPU: RTX 3090 社区云（$0.37/小时）
每张图 ~2 分钟（Turbo 模式）
总运行时间: ~3.3 小时/周
月费用: ~$49
平均每张图: ~$0.12

场景：偶尔生成设计概念图（每月 20 张）

GPU: Serverless RTX 3090（按请求付费）
月费用: ~$10-15
平均每张图: ~$0.50-0.75

第七步：文件管理与输出

获取生成的图像

方法一：FileBrowser

默认凭据: Username: admin / Password: adminadmin12
路径: runpod-volume > ComfyUI > output
右键下载图像

方法二：JupyterLab

通过左侧边栏访问相同目录
支持批量选择和下载

方法三：SFTP

使用 FileZilla 或 WinSCP 连接
配置在 Pod 页面的 "Connections" 中获取

数据持久化

Container Disk：Pod 终止后数据丢失
Network Volume：跨 Pod 持久化存储
建议在 Pod 创建时挂载 Network Volume 保存模型和输出

常见问题与故障排除

问题	原因与解决方案
OOM（显存不足）	VRAM 不足 → 升级 GPU 或量化模型
模型加载失败	模型文件位置错误 → 确认放在 checkpoints 目录
端口 8188 连接失败	等待初始化完成或重启 Pod
Cloudflare Bad Gateway	等待 60 秒后刷新
磁盘空间不足	Pod 创建时增加 volume 大小
ComfyUI 崩溃	终端执行 `kill -9 <pid>` 并重启

总结

RunPod 为 ERNIE-Image 提供了灵活、经济的云端部署方案。核心要点：

RTX 3090 社区云是最具性价比的入门选择（~$0.37/小时）
ComfyUI 官方模板提供最稳定的部署体验
Turbo 量化模型可以在 24GB 显存 GPU 上运行
暂停/停止策略有效控制成本
Network Volume 确保模型和输出持久化

无论你是否拥有本地 GPU，RunPod 都能让你在几分钟内启动 ERNIE-Image 工作流，按实际使用时间付费。

ERNIE-Image RunPod 云端 GPU 部署完全指南：零本地硬件的 AI 文生图工作流

Table of Contents

ERNIE-Image RunPod 云端 GPU 部署完全指南：零本地硬件的 AI 文生图工作流

为什么选择 RunPod 部署 ERNIE-Image？

RunPod 的核心优势

成本估算

第一步：注册 RunPod 账户

第二步：选择 GPU 并部署 Pod

GPU 选择指南

部署步骤

等待初始化

第三步：下载 ERNIE-Image 模型

模型文件列表

下载方法

第四步：配置 ComfyUI 工作流

ERNIE-Image Base 工作流

ERNIE-Image Turbo 工作流

带 PE（Prompt Enhancer）的工作流

第五步：批量生成与 API 集成

ComfyUI 批量提示词生成

RunPod Serverless API 端点

检查状态并获取结果

第六步：成本管理与优化

费用控制策略

实际成本案例

第七步：文件管理与输出

获取生成的图像

数据持久化

常见问题与故障排除

总结

参考资料