最近在关注国产 GPU 调度和 Kubernetes AI 资源模型的进展，正好 HAMi 发布了 v2.9，就借着这个版本聊聊我对 AI Infra 控制面演化的几个观察。
为什么现在聊这个话题
2025 年初 DeepSeek R1 发布的时候，很多人关注的是“只花了 560 万美元就训出了能打 OpenAI o1 的模型”。但我当时想的另一件事是：推理成本暴跌之后，GPU 利用率的问题会立刻暴露出来。
果然模型越来越好用，推理需求爆炸式增长，“一张卡跑一个模型”变得越来越奢侈。与此同时，NVIDIA H200 的出口闹剧也直接加速了国产算力的替代进程。先禁售，2025 年底特朗普又开绿灯加了 25% 关税，结果 2026 年 1 月中国海关实际放行数为零。政策层面明确要求 2026 年数据中心国产芯片使用率超过 40%。
现实就是这么骨感：你不但 GPU 不够，而且你得学会同时用好 NVIDIA、昇腾、寒武纪、海光这些完全不一样的东西。
所以 HAMi v2.9 这个版本，我觉得比表面看到的要重要一些。
GPU 不再是一张卡的事
Kubernetes 管理 GPU 的方式一直很粗糙：
resources:
limits:
nvidia.com/gpu: 1
这在 2019 年够用，毕竟当时的问题就是一个 Pod 要不要一张 GPU，是或否的问题。
但现在不行了。一个推理服务可能只需要 4GB 显存，一批小模型可以共享一张卡，训练任务要关心 GPU 拓扑和跨卡互联带宽，多租户还要隔离故障域。把 GPU 继续当整数资源管，就像用算盘做统计分析，不是不能用，是思维模型跟不上现实了。
HAMi v2.9 里最值得注意的特性是昇腾 910C 的 HAMi-core 模式。以前昇腾卡共享靠 SR-IOV 硬件虚拟化，粒度粗、不灵活。HAMi-core 换了个思路：用 LD_PRELOAD 在用户态拦截 ACL 调用，实现 MB 级显存隔离和百分比级算力限流。
说白了就是：不靠硬件切，靠软件管。
这跟当年 SDN 把网络控制面从硬件设备里抽出来的路径很像，GPU 切分正在从硬件能力变成集群控制面的能力。考虑到华为昇腾 910C 去年出货了 81 万张、占据国产芯片近半壁江山，这个能力的实际影响面不小。
DRA：Kubernetes 终于有了像样的设备资源模型
Kubernetes v1.34（2025 年 9 月）正式把 DRA（Dynamic Resource Allocation）推向 GA，Red Hat OpenShift 4.21 紧随其后也 GA 了。这不是小事。
Device Plugin 当年解决了“怎么把 GPU 接进 K8s”的问题，但没解决“怎么表达复杂 AI 资源需求”的问题。Device Plugin 只知道节点上有几块卡，不知道你要多少显存、什么拓扑、哪种隔离级别。
DRA 通过 ResourceClaim 和 DeviceClass 把设备资源的声明、分配和管理标准化了。HAMi-DRA 的做法比较务实：没有要求用户改用法，而是通过 Mutating Webhook 把现有 Device Plugin 风格的声明自动转换成 DRA 模型。旧系统不用改，新能力照样用。
我把它类比成当年 CSI 对存储的意义：不是消灭厂商差异，而是让 Kubernetes 能用统一方式消费不同厂商的存储能力。DRA 对 AI 加速器也类似，NVIDIA、昇腾、AMD、Vastai 这些卡永远不会完全一样，但调度层面应该有统一语言。
一条完整的控制面路径
如果跳出版本特性，把 HAMi-core、DRA、CDI、调度器放在一起看，它们其实对应 GPU 资源管理链路的不同层次：
- HAMi-core：设备内部怎么切、怎么隔离
- DRA：资源怎么声明、分配、绑定
- CDI：设备怎么标准化注入容器运行时
- 调度器/Webhook：怎么调度、准入、观测
把这些层次串起来，从上到下就是 Kubernetes 作为 GPU Control Plane 的完整链路：
这是一条完整的控制面路径。v2.9 里的 Volcano vGPU 升级到 v0.19 并增强 CDI 支持，看似是设备注入方式的小改进，实际上补齐了这条链路里的关键一环。
异构才是国内 AI Infra 的主战场
国内 AI 集群的现实是：你不可能只围绕一种 GPU 来建设基础设施。
企业环境里经常同时存在 NVIDIA、昇腾、燧原、寒武纪、海光、沐曦、昆仑芯、瀚博等设备，每种卡的驱动、运行时、虚拟化能力、监控方式都不一样。HAMi v2.9 新增瀚博半导体（Vastai）支持，累计覆盖十余种异构算力设备。训练和推理混部、在线和离线混部、国产和海外 GPU 混部、多团队多租户共用一个资源池，这种场景下，统一调度层比单卡性能重要得多。
几个判断
GPU 共享会从“省钱手段”变成默认需求。 推理场景爆发之后，不是所有 workload 都值得独占整张卡。整卡独占会越来越像一种奢侈的资源使用方式。
DRA 是方向，但迁移是渐进的。 Device Plugin 生态太大了，不会一夜消失。HAMi-DRA 的兼容层设计说明项目方也明白这一点。
异构调度会成为 AI Infra 的核心问题。 谁能把不同厂商设备抽象成统一调度语义，谁就占据控制面的关键位置。
Kubernetes 会被 AI workload 反向改造。 从调度语义到资源模型，AI 需要的表达能力远超传统 Web 服务。DRA、CDI、topology-aware scheduling 这些方向不是孤立演进，而是共同说明一件事：Kubernetes 正在从容器编排系统，向 AI 计算控制平面演化。
写在最后
HAMi v2.9 的意义不在于它支持了某个设备或某种切分方式，而在于它让一件事变得更清晰：下一代 AI 基础设施的竞争，不只是模型框架之争，也不只是 GPU 数量之争，而是控制面之争。
GPU 正在从节点上的外部设备，变成 Kubernetes 控制面里的原生资源。谁能定义 AI 时代的资源模型，谁就能定义 AI Infra 的长期边界。
