#AI
GPU 调度器靠排序提升利用率 33 点
HuggingFace 博主 Dharma-AI 发布两篇系列的下半篇，给出了一套自研 GPU 管理实践：一个约束感知的 GPU 分配器，并把它和 FIFO 调度器在七个基准场景做了对照。
**硬件不变、负载不变，改变的只是分配决策的先后顺序**,GPU 利用率最高抬升了 33 个百分点——在一个训练密集场景中从 53.6% 升到 87.0%。
💡 为什么值得看企业 AI 瓶颈正从智能转向利用率，仅靠分配顺序可提升 33 个百分点。
查证
来源档案
HuggingFace Blog (Dharma-AI)
HuggingFace 上的官方技术博客，作者自称是自建 GPU 管理实践的工程团队，内容为自带基准测试的方法论文章
一手技术博客，数据来自作者自己的基准测试，尚无第三方复现；结论可信，但具体数字属于单方披露，宜按工程实践参考而非行业定论对待
延伸阅读
作者把分配问题写成五条硬约束加一个双项目标函数，其中实时需求短缺惩罚权重是批式分配权重的 5-10 倍，这是把延迟义务内嵌进优化而非交给独立 autoscaler 的关键设计，值得细读。