工作负载实践

vLLM

从并发、KV cache 与显存形态解释推理为何放大共享问题，并给出可治理的部署与验收思路。

PyTorch

训练更依赖稳定吞吐与通信拓扑，讨论抢占、弹性与 checkpoint 如何影响调度器与数据平面策略。

Ray 与拓扑

多卡/多节点场景下，GPU 调度从资源数量升级为拓扑与通信主导，需关注资源表达与可用性验收。

Hands-on 总览

定义实验对照组与统一指标：无 MIG（可共享但不可控）、MIG（强隔离）、HAMi（细粒度可治理）。