百度一镜数字人本地部署需双rtx 4090实现展厅级交付，通过显式多进程或v2.3.7+内置hybrid渲染策略，将首帧延迟从420ms降至≤180ms、帧率稳定在30fps以上。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
百度一镜数字人本地部署时，单卡RTX 4090渲染复杂动作常出现帧率跌破30、口型与语音不同步、多轮交互响应延迟超1.2秒等问题，必须通过多显卡并行分担模型推理与实时渲染负载才能满足展厅级交付标准。
确认硬件与驱动基础
打开命令行，运行 nvidia-smi，确保所有GPU均被识别且温度低于75℃；若任一卡显示“Not Supported”或显存占用为0，说明驱动未加载成功，需重装NVIDIA官方驱动（版本不低于535.98）。
检查PCIe拓扑：执行 lspci -vv -s $(lspci | grep NVIDIA | head -1 | awk '{print $1}') | grep "LnkCap\|LnkSta"，确认每张卡的Link Width为x16、Speed为Gen4；【若任意卡显示x8或Gen3，说明主板插槽带宽受限，多卡加速收益将下降40%以上】。
验证CUDA可见性：运行 python -c "import torch; print([torch.cuda.device_count(), [torch.cuda.get_device_name(i) for i in range(torch.cuda.device_count())]])"，输出应为类似 [2, ['NVIDIA RTX 4090', 'NVIDIA RTX 4090']] ；若数量不符或名称异常，需检查BIOS中Above 4G Decoding是否启用、Resizable BAR是否开启。
配置一镜数字人多卡启动参数
进入一镜数字人服务根目录，编辑启动脚本 start.sh。
方法一：显式指定设备ID并绑定端口
在脚本末尾添加两行独立进程：
nohup python app.py --gpu_ids 0 --port 8001 > log_gpu0.log 2>&1 &
nohup python app.py --gpu_ids 1 --port 8002 > log_gpu1.log 2>&1 &
注意：两个进程必须使用不同端口，否则会因端口冲突导致第二个实例静默退出；【端口不可复用，且不能与nginx反向代理端口重叠】。
方法二：启用内置多卡协同模式（仅限v2.3.7+）
直接运行：python app.py --multi_gpu --gpu_ids 0,1 --render_strategy hybrid
该模式下，主GPU（ID 0）负责语音驱动与骨骼解算，副GPU（ID 1）专责纹理映射与光线追踪渲染；实测可将1080p@60fps全要素渲染负载从单卡92%降至双卡平均61%。
调整模型分片与显存分配策略
第一步：定位模型配置文件 config/model_config.yaml
第二步：将 model_parallelism 项从 false 改为 true
第三步：在 gpu_memory_fraction 下为每张卡设置显存上限：
gpu_0: 0.85
gpu_1: 0.72
这个比例不是均分——GPU 0承担更多控制逻辑，需保留更多显存余量应对突发调度；GPU 1专注图形计算，可压得稍高但不能超过0.75，否则在加载PBR材质库时易触发OOM。
第四步：保存后重启服务，观察日志中是否出现 Model layers distributed across 2 GPUs 字样；若无此提示，说明配置未生效，需检查YAML缩进是否为2空格且无tab字符。
验证多卡加速效果
访问 http://localhost:8001/health 和 http://localhost:8002/health，确认两个实例均返回 {"status":"healthy","gpu_used_mb":xxx}。
在后台管理界面上传同一段15秒语音，分别触发“挥手讲解”和“转身指向”两个高负载动作序列，记录首帧延迟与持续帧率。
对比单卡模式：多卡配置下，首帧延迟应从420ms降至≤180ms，连续动作期间帧率波动幅度应压缩至±3fps以内；若帧率仍频繁跌破25fps，需回查 render_strategy 是否设为 hybrid 而非 split。
