方法指南 · 真实案例可核对

AI 科研如何连接自己的服务器：SSH 远程计算实践

大型科研任务不应强行塞进网页容器。更合理的方式是数据继续留在自己的服务器上，让 Agent 使用受限 SSH 身份提交任务、查看日志并取回必要成果。

这篇指南适合谁：适合需要处理大文件、组学、影像、仿真或 GPU 任务，并希望保留自有计算环境的用户。

为什么使用远程计算

FASTQ、单细胞、空间组学、医学影像、深度学习和工程仿真通常需要大量存储、内存、CPU 或 GPU。远程计算避免重复上传大数据，也能复用已经配置好的 Conda、容器、调度器与许可证。

为每个项目创建独立系统账户或专用 SSH Key，只授权特定工作目录和必要命令。先运行只读检查和小型 smoke test，再提交正式任务。不要提供 root 密钥，也不要把长期凭据写进对话。

首次连接可执行 hostname、磁盘和 Python 版本检查，再生成一个小文件验证 Artifacts 回传。正式任务应采用配置文件、固定版本和任务目录，长任务交给 tmux、systemd-run 或集群调度器，避免浏览器断开导致中止。

把方法放进真实任务

远程计算与科研协作 · 真实运行

普通用户从项目专用 SSH 密钥开始，按当前界面完成 Add host、Test、New job、Logs 和 Artifacts，并获得可直接使用的轻量测试任务。

生物与组学 · 真实运行

使用整理后的80基因×24样本表达矩阵，完成QC、PCA、批次调整、多重检验、火山图和热图。

计算机科学 · 真实运行

用多随机种子、配对比较、置信区间和误差分类审计模型改进是否可靠。

常见问题

需要把 root 密钥交给 AI 吗？

不需要，也不建议。应使用项目专用的低权限账户和可撤销密钥。

网页关闭后远程任务会停止吗？

取决于启动方式。长任务应使用集群调度器、tmux 或受控后台服务，不能依赖浏览器会话持续在线。

哪些任务更适合远程服务器？

大型组学、影像、深度学习、工程仿真、GPU 任务以及依赖专用软件环境的分析。