Ai2 如何为 GPU 集群设计高影响力调度系统

Ai2 用 GPU 时间预算、分层公平分配和时间切片契约替换了原有的优先级调度器，把各研究项目该分多少 GPU 时间的争论从逐案运维协调变成透明的行政预算流程。其集群管理数千块 NVIDIA H100、B200 和 B300 GPU，规模从 88 到 1024 块不等，服务约 150 名内部研究员，而待处理请求对 GPU 的需求常年是可用量的 2-3 倍。