校园集群排满了，隔壁的 RTX 还空着。

通过 MTCode GPU Server 和 MTCode RemoteGPU 在远程 GPU 上运行 Python 项目——沙箱隔离、端到端加密，可在 VS Code 或 MTCode Studio 中使用，无需 SSH、公网 IP 或防火墙配置。

🛡 隐私 — 应用数据端到端加密，且不通过 MTCode 基础设施中继。

⚡ 极简 — 无需公网 IP、域名、VPN 或端口转发。

🚀 性能 — 点对点直连数据路径，没有中继跳转。

面临的问题

GPU 访问常常是课程、研究项目和实验中的瓶颈。校园或研究团队的共享集群经常资源紧张：名额有限，队列可能排上数小时，而硬件更新周期往往跟不上需求增长。

与此同时，学生、研究人员、同事、朋友或相邻实验室可能已经拥有高端游戏电脑、实验室工作站或小型 GPU 服务器，足以运行许多机器学习工作负载。问题并不总是缺少算力，而是如何安全、受控地访问这些算力。

传统 SSH 访问会让用户获得对整台电脑的广泛访问权限，这并不适合包含私人文件、凭据、浏览器数据、未发表研究或无关项目的机器。对于实验室、协作者、同学或研究团队之间的临时 GPU 共享来说，SSH 也不够方便。

MTCode GPU Server 正是为这一空白场景而设计：在配备 GPU 的电脑上提供受控的 Python 执行环境，而无需向用户开放 shell 访问权限。它可支持个人 GPU 共享、实验室间协作、短期借用，或有限时间的租用式访问，同时将执行限制在受管理的沙盒环境中。

🛡️

MTCode GPU Server 会在受限制的沙盒环境中运行用户的 Python 工作负载，并提供受控的文件访问、资源限制，以及对系统级操作的阻止。

⚡

MTCode RemoteGPU 让用户可以上传项目、启动在线运行、实时查看日志、提交离线任务并下载输出结果——整个过程都可以在 VS Code 或 MTCode Studio 中完成。

🌐

GPU 服务器保持私有。MTCode DirectLink 负责身份认证、授权和连接建立，而任务数据会通过端到端加密的点对点通道，在客户端和 GPU 服务器之间直接传输。