Ai2 如何用 GPU 时间预算与分层公平分配改造集群调度

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转为透明的预算流程。其集群管理数千块 NVIDIA H100、B200 和 B300，规模 88 至 1024 GPU，服务约 150 名内部研究员，需求常年是可用算力的 2-3 倍。旧调度器曾导致 GPU 占坑和优先级通胀，最终 100% 工作负载都标为 HIGH。