池化抽象层：把物理卡变成逻辑算力单元

全域池化的第一道关是硬件抽象。不同机房部署的GPU型号可能相差两三代，显存大小、NVLink带宽、FP8支持、多实例切分能力各不相同。息壤通过硬件抽象层把每张物理卡的属性——型号、显存、互联拓扑、固件版本、所在机房——注册到资源管理中心，向上暴露成标准化的逻辑算力单元。

逻辑算力单元不是一比一映射到物理卡。一张高性能卡可以被切分成多个虚拟单元分配给多个推理任务，多张低性能卡也可以聚合为一个逻辑单元满足单一大模型训练的内存需求。切分粒度和聚合策略由调度器根据任务需求和卡的实际能力动态决定，不是管理员预先配死的。

抽象层还要消化驱动和固件差异。不同代际的GPU对CUDA版本、通信库版本、容器运行时版本的要求不同，池化层在任务调度时自动匹配或通过容器化方式屏蔽这些差异，不让驱动版本成为跨代际调度的障碍。

资源注册与感知：知道每张卡在哪里、在干什么

全域池化的前提是知道全域有哪些卡、每张卡当前的状态、未来多长时间可用。息壤的资源管理中心维护一张全局资源视图，每个接入的节点通过代理组件定期上报GPU的实时状态：利用率、显存占用、温度、功率、错误计数、正在运行的任务列表。

这张视图不是静态的。新卡接入时自动注册，故障卡自动摘除，利用率低的卡被标记为可调度，正在跑训练任务的卡被标记为占用并附带预计释放时间。调度器在做决策时，看到的是带有时间轴的可视化资源状态，而不是一个静态的快照。

资源感知的粒度要到卡内层级。支持MIG或vGPU切分的卡，需要感知每个切分实例的分配情况和剩余容量，否则调度器会把一张已经切了七个实例的卡当成整卡分配，导致资源超卖。

调度决策引擎：多维约束下的最优匹配

有了全域资源视图，调度引擎要回答的问题是：一个新提交的训练或推理任务，应该分配到哪几张卡上。答案不是简单的“找空闲卡最多的机房”，而是要综合考虑多个维度。

算力匹配度。不同代际的GPU算力差异可能达到数倍，把一个大模型训练任务分配到老旧卡上，训练时间会显著拉长。调度器会根据任务对算力的敏感度，匹配最合适的卡型——对延迟敏感的推理任务优先分配最新代际的卡，对吞吐敏感的训练任务可以接受混合代际但需要保证通信带宽。

拓扑亲和性。大模型训练的参数同步依赖GPU间的通信带宽，同节点内通过NVLink通信，跨节点通过RDMA通信，跨机房通过光纤通信。调度器会优先把同一个训练任务的Rank分配到拓扑距离最近的卡上，减少通信开销。如果跨机房不可避免，会提前评估广域网带宽是否满足AllReduce的吞吐需求。

成本与优先级。不同机房的电力成本、网络成本不同，不同任务的优先级也不同。调度器可以在性能最优、成本最优、综合最优之间切换策略——高优任务走性能最优路线，低优任务走成本最优路线，夜间低谷期利用闲置算力跑可中断任务。

拓扑亲和性：把通信密集的任务粘在一起

大模型训练中，通信开销是仅次于计算开销的第二大性能瓶颈。一个千卡规模的训练任务，每次梯度同步的AllReduce操作涉及数千张卡之间的数据交换，通信延迟直接决定训练效率。

息壤的调度器在做任务分配时，会优先把同一个训练任务的Rank分配到同一个节点内。如果节点内的卡数不够，再分配到同一个机架内；机架不够，再分配到同一个机房内。每一步向外扩展，通信延迟都会增加，调度器会在任务提交时给出预估的通信开销，让用户知道“跨机房训练会比单机房慢多少”。

对于推理任务，拓扑亲和性的要求没那么高，但仍有价值。同一个模型的多个推理实例如果分布在不同的机房，用户请求的延迟会因为地域差异而不同。调度器会尽量把同一个模型的所有推理实例集中在同一个地域，或者至少让它们之间的状态同步走低延迟链路。

弹性伸缩与碎片整理：让每一块算力都不浪费

全域池化的一个隐性收益是碎片整理能力。单机房的GPU资源经过一段时间的任务调度后，会产生大量碎片——这里剩半张卡，那里剩两张卡，单独都不足以跑一个大任务，加起来却可能凑够一个中型任务的资源需求。

息壤的调度器支持碎片整理：把低优先级的任务迁移或抢占，把散落在多个节点上的空闲卡聚合成连续的资源块，分配给高优先级的训练任务。这个过程对用户透明，但需要调度器有迁移和抢占的能力，以及检查点保存和恢复的配套机制。

弹性伸缩则是另一个方向的碎片利用。推理任务的流量有波峰波谷，波峰时需要更多卡，波谷时可以释放卡给训练任务用。息壤支持推理实例的自动扩缩容，结合GPU切分能力，让一张卡在白天跑推理、晚上跑训练，或者同时在卡的不同虚拟实例上跑不同类型的工作负载。

跨域训练与推理：打破机房的墙

全域池化的最高级形态是跨域训练和推理。一个训练任务可以利用两个不同机房的GPU资源，即使它们之间隔着几百公里的光纤。

跨域训练面临的核心挑战是通信延迟。同机房内AllReduce的延迟在微秒级，跨机房可能上升到毫秒级，差了两三个数量级。息壤的解决方案是混合并行策略优化：把通信密集的操作限制在同机房内，跨机房只传输必要的梯度或激活值，尽量减少跨域通信的体积和频率。

跨域推理面临的挑战是延迟和一致性。用户请求可能从任何地域发起，推理实例分布在不同机房时，需要做智能路由把请求送到最近的实例，同时保证所有实例的模型权重是一致的。息壤通过全局负载均衡和模型权重同步机制来解决这两个问题，让跨域推理对用户透明。

运维可观测性：调度决策的透明度

全域池化调度最让开发工程师头疼的问题之一是黑盒——任务跑得慢，不知道是因为卡不行、网络堵了、还是被别人抢了资源。息壤提供多层次的运维可观测能力，让调度决策有迹可循。

任务级别能看到：任务被分配到了哪些卡、每张卡的利用率和显存占用、通信延迟的分布、梯度同步的耗时、检查点保存的频率和耗时。集群级别能看到：全域资源的利用率分布、各机房的空闲卡数和卡型分布、碎片率、调度等待时间。这些数据不仅用于事后排障，也用于调度策略的持续优化——如果发现某个机房的通信延迟异常升高，调度器会自动降低对该机房的调度权重。

可观测性的另一个价值是成本核算。不同机房的GPU算力成本不同，全域池化后用户看到的是一口价还是按实际使用资源计费，取决于平台策略。但无论哪种模式，详细的资源使用记录都是成本核算的基础。

结语

息壤平台的GPU算力全域资源池化调度，本质是用软件定义的调度能力打破物理机房的围墙，让GPU资源从一个一个的孤岛变成一片连通的海洋。开发工程师提交训练或推理任务时，不再需要关心任务跑在哪个机房、用的是什么型号的卡、卡之间怎么通信，只需要告诉平台要多少算力、跑多久。平台在背后完成资源发现、调度匹配、拓扑优化、弹性伸缩、跨域协同的全套工作。在国产加速芯片与进口GPU长期共存、不同代际卡混用、算力需求潮汐波动的现实里，这种全域池化能力不是锦上添花的优化，而是让大规模AI研发能够把精力放在模型本身、而不是放在到处找卡凑卡上的基础设施级支撑。