KU游官方最新网站★ღღ，建筑装饰五金★ღღ，KU游官方★ღღ，手动工具★ღღ，11 月 21 日★ღღ，华为正式发布了 AI 容器技术 ——Flex:ai★ღღ，同时酷游KU游官网★ღღ，华为联合上海交通大学★ღღ、西安交通大学与厦门大学共同宣布★ღღ，将此项产学合作成果向外界开源★ღღ，助力破解算力资源利用难题★ღღ。

　　华为公司副总裁★ღღ、数据存储产品线总裁周跃峰博士在发布会上表示★ღღ，当前★ღღ，AI 产业高速发展催生海量算力需求★ღღ，但全球算力资源利用率偏低的问题日益凸显★ღღ，「算力资源浪费」成为产业发展的关键桎梏★ღღ：小模型任务独占整卡导致资源闲置★ღღ，大模型任务单机算力不足难以支撑★ღღ，大量缺乏 GPU/NPU 的通用服务器更是处于算力「休眠」状态★ღღ，供需错配造成严重的资源浪费★ღღ。

　　本次发布并开源的 Flex:ai XPU 池化与调度软件基于 Kubernetes 容器编排平台构建★ღღ，通过对 GPU酷游KU游官网★ღღ、NPU 等智能算力资源的精细化管理与智能调度★ღღ，能够实现 AI 工作负载与算力资源的精准匹配★ღღ，大幅提升算力利用率★ღღ。

　　华为宣布将 Flex:ai 全面开源至「魔擎社区」★ღღ，与此前开源的 Nexent 智能体框架ribibiribibi★ღღ、DataMate 数据工程等工具共同构成了 ModelEngine 开源生态ribibi★ღღ。

　　据介绍★ღღ，Flex:ai 深度融合了上海交通大学★ღღ、西安交通大学★ღღ、厦门大学三大高校与华为的科研力量★ღღ，形成了三大核心技术突破★ღღ：

　　针对 AI 小模型训推场景中「一张卡跑一个任务」可能造成的资源浪费问题★ღღ，华为与上海交通大学联合研发XPU 池化框架★ღღ，可将单张 GPU 或 NPU 算力卡切分为多份虚拟算力单元★ღღ，切分粒度精准至 10%酷游KU游官网★ღღ。

　　这一技术实现了单卡同时承载多个 AI 工作负载★ღღ，且通过弹性灵活的资源隔离技术★ღღ，可实现算力单元的按需切分★ღღ，「用多少★ღღ，切多少」★ღღ，使此类场景下的整体算力平均利用率提升 30%★ღღ，提高了单卡服务能力★ღღ，与此同时★ღღ，虚拟化性能损耗控制在 5% 以内★ღღ。

　　针对大量通用服务器因缺乏智能计算单元而无法服务于 AI 工作负载的问题★ღღ，华为与厦门大学联合研发跨节点拉远虚拟化技术ribibi★ღღ。该技术将集群内各节点的空闲 XPU 算力聚合形成「共享算力池」★ღღ，一方面为高算力需求的 AI 工作负载提供充足资源支撑★ღღ；另一方面★ღღ，可让不具备智能计算能力的通用服务器通过高速网络★ღღ，可将 AI 工作负载转发到远端「资源池」中的 GPU/NPU 算力卡中执行★ღღ，从而促进通用算力与智能算力资源融合★ღღ。

　　据介绍★ღღ，厦门大学设计的上下文分离技术打破了 XPU 的服务范围限制★ღღ，可以使集群外部碎片减少 74%★ღღ，提升了 67% 高优作业吞吐量★ღღ。

　　面对算力集群中多品牌★ღღ、多规格异构算力资源难以统一调度的痛点★ღღ，华为与西安交通大学共同打造Hi Scheduler 智能调度器★ღღ。该调度器可自动感知集群负载与资源状态酷游KU游官网★ღღ，结合 AI 工作负载的优先级★ღღ、算力需求等多维参数★ღღ，对本地及远端的虚拟化 GPU★ღღ、NPU 资源进行全局最优调度★ღღ，实现 AI 工作负载分时复用资源★ღღ。即便在负载频繁波动的场景下★ღღ，也能保障 AI 工作负载的平稳运行★ღღ，让每一份算力都「物尽其用」★ღღ。

　　随着 AI 对算力需求的不断增长★ღღ，资源管理效率正在逐渐成为新的瓶颈★ღღ。去年 7 月★ღღ，英伟达以 7 亿美元完成了对以色列 AI 初创公司 Run:ai 的收购ribibi★ღღ，受到了业界的关注★ღღ，也引发了人们对于未来算力利用方式的讨论★ღღ。Run:ai 的技术核心在于通过动态调度★ღღ、GPU 池化和分片等技术优化 AI 计算资源的使用效率★ღღ。据报道★ღღ，其平台能够将 GPU 资源利用率从不足 25% 提升至 80% 以上★ღღ。

　　开源的 Flex:ai 被视为对 Run:ai 等解决方案的正面回应酷游KU游官网★ღღ。上海交通大学戚正伟教授指出★ღღ：「Flex:ai 的异构兼容性更优于 Run:ai★ღღ，其开放架构将推动国产算力生态标准化★ღღ。」

　　通过 Flex:ai 全面开源开放★ღღ，华为及各方希望汇聚全球创新力量★ღღ，共同推动异构算力虚拟化与 AI 应用平台对接的标准构建★ღღ，形成算力高效利用的标准化解决方案★ღღ。

　　从「万卡集群」到「一卡多用」★ღღ，Flex:ai 正试图重新定义 AI 时代算力的使用方式★ღღ。它的开源开放ribibi★ღღ，将进一步推动国产算力的大规模应用ribibi★ღღ。