范式智能推动GPU动态调度新进展 助力云原生AI基础设施更高效

继上月发布"虚拟显存"技术引发行业对GPU资源灵活分配的关注后，范式智能近日再次发布GPU动态调度新进展——基于Kubernetes动态资源分配(DRA)的GPU动态调度能力，实现对GPU算力与显存的一体化精细调度。该技术不仅是对用户关于"算力能否像显存一样动态切分"疑问的深入回应，更标志着GPU资源管理从容量扩展迈向多维资源协同调度的新阶段。

随着Kubernetes v1.34的正式发布，其核心特性——动态资源分配(DRA)已稳定启用，标志着云原生资源调度进入更智能、更灵活的时代。

在这一背景下，范式智能基于长期在AI基础设施领域的积累，率先完成了HAMi-Core与DRA的深度适配，并推出GPU动态资源驱动(DRA Driver)，让GPU像CPU一样被灵活共享与调度，推动云原生算力管理体系不断完善与升级，为人工智能算力管理带来新的可能。

让GPU更灵活 让算力更高效

在AI任务中，GPU是模型训练和推理的"引擎"，但长期以来，传统使用方式常导致GPU资源浪费：要么"使用不满"，要么"独占浪费"。

HAMi-Core结合DRA能力，实现了GPU的动态切分与多任务并行。简单来说，不同的任务可以同时使用同一块GPU，各自占用合适的算力与显存，就像多个应用共享CPU一样高效。

这带来了两大改变：

1.任务分发调度：同一个GPU节点上，由原来的串行分配变为并行调度，显著提升整体效率

如果用发牌来比喻这一变化，就是从"一人发完再发下一人"到"同时发牌给所有玩家"

过去：GPU节点上的任务必须串行执行，就像发牌员一张一张发，前一个任务不结束，后一个只能等待

现在：GPU可同时为多个任务"发牌"，实现真正的并行调度，任务等待时间大幅缩短，集群吞吐效率显著提升

2.任务申请资源：可以根据需求选择不同配置的GPU，更精细、更灵活

还是用打牌来理解这个变化，就是选牌方式从"固定套餐"到"自由组合"

过去：申请GPU像点套餐，只能选固定规格，比如申请三张数值相同的"10"牌，不管任务需要多强的算力，都只能用这一档配置

现在：用户可以"自选组合"，根据任务需求自由搭配不同性能等级的GPU，就像同时选择"5、9、A"等不同数字的牌——量体裁衣，既精准匹配计算需求，又避免资源浪费

这种能力的提升，让GPU的调度更智能、利用更充分。在大规模集群场景下，系统复杂度明显降低，性能提升体现在调度效率和任务处理速度上，为企业带来更流畅的算力体验和更高的运维效率。

推动云原生AI基础设施的进化

HAMi-Core 作为由范式智能主导贡献的开源项目，致力于提升GPU在容器化和云原生环境下的利用率。此次适配工作让HAMi-Core与Kubernetes的动态资源调度能力实现了结合，让算力资源的申请、分配和释放都能通过标准化方式自动完成，大幅降低了使用门槛。

这一成果不仅体现了范式智能在AI基础设施层面的技术深耕，也展示了其对开源生态的持续投入。

开源共建 释放更大的创新力

目前范式智能已将该演示项目开源至GitHub(Project-HAMi/k8s-dra-driver)，并将与HAMi社区持续推进相关特性和生态建设，欢迎更多开发者和企业参与共建，共同推动 GPU 调度技术走向更智能、更开放的未来。