Ai2 如何为 GPU 集群设计高影响力调度机制

Ai2 的 AI 基础设施团队用 GPU 时间预算、层级公平份额分配和时间切片合约，取代基于优先级的调度器，以便优先支持高影响力研究并保持集群高占用。上线 30 天后，团队获得了应得 GPU 时数的 98%，集群占用率维持在 98%；debug workload 的 p90 排队时间从 2 小时降至 30 秒，需要人工介入的维修减少了 74%。