基础认知与问题定义

GPU 异构生态导引

系统梳理 AI 训练与推理领域 GPU 厂商生态，涵盖国产 GPU 分层图谱、海外主流与新兴加速器、主流芯片在 Kubernetes 中的支持现状，并附结构化生态图谱，帮助读者建立异构 GPU 生态与技术路线的清晰认知。

GPU 资源治理为什么难

定义 GPU 共享、隔离、治理的根因：显存、拓扑、干扰与尾延迟，以及训练与推理的资源形态差异。

GPU 资源控制面地图

给出控制面与数据平面的分工地图，后续所有项目、机制与实验都将回到这张图上归类与对齐。

K8s 设备资源模型

理解 Kubernetes 对 GPU 这类设备资源的表达能力与天然限制，并明确调度、分配与隔离的责任边界。

GPU 评估决策轴

给出可直接用于选型评审的决策矩阵：粒度、隔离、性能干扰、可观测、运维复杂度、兼容性与异构扩展。