算力资源与调度

芯片与集群规模

问：对昇腾芯片的管理调度能力如何？涵盖哪些型号？已落地的最大项目规模多大？是否有明确的适配路线图？

答：支持华为昇腾 Ascend 910 系列中的 910B / 910C，并适配 vLLM-Ascend / MindIE；有规划适配Ascend 950和超节点。

问：是否有超节点相关计划？支持哪些超节点管理调度能力？

答：有（需协调资源）。

问：支持的最大集群规模（卡数）是多少？月级长稳调度的保障能力如何？

答：单集群120卡（非极限，既可在集群内扩节点，也可新建集群纳管）。AGIOne主要针对推理场景，至少 3 管理节点 HA、故障自愈、资源充足时自动在新节点拉起模型、失败自动回滚资源、健康检查、硬件30 秒粒度监控、调度层 1 分钟粒度监控，以及调用链路可观测。

资源规格与资源池

问：是否支持CPU、GPU、NPU等多种异构资源规格？能否让AI开发者无需运维底层物理资源？

答：支持异构 GPU / NPU 统一管理，并由管理员统一配置资源规格，包括 NVIDIA Hopper / Ada / Ampere，以及 Ascend 910B / 910C等。可让AI开发者无需运维底层物理资源。

问：是否支持逻辑分区？资源切分的最小粒度是多少？

答：可支持逻辑层面的资源分区和权限隔离。资源切分的最小粒度是独立单卡（不支持动态MIG或显卡切分）。

问：是否提供专属资源池，支持用户使用独享的计算资源运行训练作业？

答：支持为指定租户提供专属资源池。

多租户与调度

问：是否支持多租户资源隔离？多租户隔离的架构是怎样的？如何保证数据隐私和安全，避免越权访问和资源抢占？

答：支持多租户资源隔离。租户拥有独立的namespace，通过networkpolicy进行网络隔离。用户资源通过租户进行逻辑隔离。

问：是否具备理解AI运行特点的智能作业调度策略？支持哪些调度方式？能否对异常、失败作业进行实时监控和处理？

答：支持策略包括：1、资源匹配策略，如显卡型号、RDMA网络匹配策略；2、亲和匹配、均衡分配/紧凑分配。可以监控异常、失败作业作业，对于推理任务，可配置失败自动恢复（资源充足时）。

问：GPU 管理和调度如何实现？

答：GPU/NPU 节点通过 Kubernetes 和 Kubernetes device plugin 进行管理。不同类型的 GPU/NPU 卡可以设置标签，并根据标签和资源配额要求进行调度。

问：自助部署过程中，资源治理由谁管理？如何管理？

答：资源治理由运营方管理。运营方为客户分配资源配额。