第四范式 2025 年 10 月 30 日 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。知识点预置

什么是 Kubernetes？

可理解为数据中心的 " 调度总管 "，负责分配计算资源

什么是 DRA？

像 " 灵活发牌手 "，允许将一块 GPU 按需切分，动态分配给多个任务

什么是 HAMi-Core？

由范式智能主导的开源项目，是容器内 GPU 的 " 资源控制器 "，实现显存与算力的精细管控

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。

我们相信：算力的自由调度与高效利用，是推动 AI 普惠化的重要基石。我们将持续致力于 AI 基础设施的智能化与标准化，帮助更多企业以更低的成本、更高的效率，释放 AI 的真正价值。