生产落地

平台责任

DGX 是整机系统责任、HGX 是 OEM 平台设计、MGX 是模块化参考架构、云 GPU 是服务契约：四个标签对应四种“谁为故障负责”的答案，而功耗、散热与可维护性本身就是算力特性。

容量经济

买还是租是一条利用率曲线，不是价格表：核心变量是每单位有用完成工作的成本（把启动、排队、传输、失败、工程与闲置时间全部计入），再警惕“总体很忙、GPU 却在碎片中等待”的利用率悬崖。

生产架构

先写工作负载契约再写 YAML；把异构机群按世代、内存档位、互连与生命周期切成产品化的节点池；用控制、计算、数据、网络、可观测五个平面与命名空间契约把多租户治理落到对象上。

NVIDIA × CNCF

为什么靠专有软件筑护城河的 NVIDIA 在系统性开源其 K8s 基础设施：KAI Scheduler、DRA Driver 捐赠、Grove、GPU Operator、NVCF，以及 KAI 的成组调度、分层队列与 NUMA 感知放置如何补上默认调度器的三个缺口。

端到端实战

一台全新 Ubuntu 24.04 + H100 节点，从装 containerd、加入集群，到部署 GPU Operator、观察自举顺序、跑通验证 Pod、配置 NUMA 感知调度，最后提交一个 PyTorch 训练作业并用 DCGM 监控，七步走完前面各部分的全部机制。

安全与生命周期

GPU 工作负载携带模型权重与凭据，特权 DaemonSet 需要更高级别的信任审查；可靠性是可预见的恢复而非从不报错；一份带签名性质的版本矩阵，让每次升级只动一个维度。

实施顺序

阶段 0–5 的落地路线：定义工作负载 → 验证单节点 → 验证单服务器 → 验证 Kubernetes → 验证多节点 → 生产化，附一份六项验收清单：生产始于恢复路径被演练之时。