池化抽象：从物理卡到逻辑算力单元

按需付费算力的基础是资源池化。没有池化，每张卡都是一个独立的计价单位，用户只能按整卡租赁，无法按需消费。池化的第一步是把物理GPU通过硬件抽象层封装成逻辑算力单元，屏蔽不同型号、不同代际卡的差异，向上暴露统一的能力描述——算力配额、显存大小、带宽等级。

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逻辑单元分配给多个用户，多张低性能卡也可以聚合为一个逻辑单元满足单一用户的大任务需求。切分和聚合的粒度决定了按需付费的最小计价单位——切分越细，用户越能精确匹配需求，但隔离开销和管理复杂度也越高。

池化层还要处理不同卡型之间的算力折算问题。一张高端卡和一个入门级卡的算力可能相差数倍，按需付费不能简单按卡型定价，而是需要建立一个统一的算力度量单位。息壤平台的逻辑算力单元包含了算力当量的概念，用户申请的是“多少算力当量”，而不是“某型号卡多少张”。调度器在分配时根据算力当量匹配最合适的物理卡，计价也按算力当量乘以使用时长来计算，与底层卡型解耦。

分时复用：一张卡在不同时间服务不同用户

分时复用是按需付费算力的核心机制。一张物理卡在时间轴上被划分为多个时间片，不同时间片分配给不同的用户或不同的任务。白天推理请求多，卡的大部分时间片分配给推理服务；夜间推理请求少，卡的时间片释放出来给训练任务使用。

分时复用的实现依赖两个能力。其一是任务的快速启停和上下文切换。当一个时间片结束时，当前任务需要能够快速保存状态并释放资源，下一个时间片的任务能够快速加载状态并开始执行。对于推理任务，状态保存相对简单——模型权重已经在显存中，只需要保存推理上下文的少量数据。对于训练任务，状态保存涉及检查点写入，耗时较长，分时切换的成本更高。

其二是时间片调度策略。固定时间片分配简单但效率低——如果某个时间片的任务提前完成，剩余的时间片就浪费了。动态时间片分配根据任务的实时进度和队列中的等待任务数动态调整时间片长度，效率更高但实现复杂。息壤的分时复用策略是混合式的：对可预测的长任务使用固定时间片，对不可预测的短任务使用动态时间片，两者在同一个资源池中共存。

分时复用的另一个关键点是用户感知。用户不需要知道自己使用的算力是来自哪张卡的哪个时间片，他们只看到自己提交的任务在预期时间内完成了，账单上显示的是按算力当量乘以使用时长的费用。分时复用的复杂性被池化层消化在后台，对用户透明。

切分与隔离：一张卡在同一时间服务多个用户

分时复用解决的是时间维度的资源共享，切分解决的是空间维度的资源共享。一张物理卡可以被切分成多个逻辑单元，每个单元拥有独立的显存空间和算力配额，在同一时间运行不同用户的不同任务。

切分的技术基础是GPU虚拟化。硬件级虚拟化支持在物理卡上创建多个虚拟实例，每个实例拥有独立的显存、算力配额、DMA通道，实例之间的隔离由硬件保证。软件级虚拟化通过驱动层的拦截和重定向实现切分，隔离性弱于硬件级但灵活性更高。息壤的切分策略是根据用户需求自动选择切分方式——对隔离性要求高的用户使用硬件级切分，对成本敏感的用户使用软件级切分。

切分粒度决定了资源利用率的极限。切分太粗，小任务浪费资源；切分太细，隔离开销吞噬性能。息壤的切分粒度是动态调整的——调度器根据任务的资源需求和当前池子的碎片情况，自动选择最合适的切分方案。一个推理任务只需要少量显存和算力，调度器会从一张卡上切出一个微型单元给它；一个训练任务需要大量显存和算力，调度器会把整张卡甚至多张卡聚合后分配给它。

切分之后的隔离是多维度的。显存隔离保证一个任务无法访问另一个任务的显存数据；算力隔离保证一个任务的算力爆发不会挤压另一个任务的算力配额；带宽隔离保证一个任务的大量数据传输不会堵塞另一个任务的通信通道。隔离做不好，按需付费就失去了意义——用户付了费却因为邻居任务的干扰而得不到应有的性能。

计费模型：按算力当量乘以时长

按需付费的计费模型需要解决几个核心问题。计价单位是什么、计价粒度是多细、计价策略是单一费率还是阶梯费率。

计价单位采用算力当量乘以时长是最自然的选择。用户申请一定量的算力当量，运行一定时长，费用等于算力当量乘以时长乘以单价。算力当量屏蔽了底层卡型的差异，用户不需要关心自己用的是高端卡还是入门级卡，只需要关心任务是否在预期时间内完成。

计价粒度决定了用户的最小消费单元。计价粒度太粗，用户仍然要为用不完的整份资源付费；计价粒度太细，计费系统的计算和存储开销大幅增加。常见的计价粒度是秒级或分钟级——用户按秒或按分钟付费，用多少付多少。

计价策略可以是单一费率也可以是阶梯费率。单一费率简单透明，用户容易理解和预算。阶梯费率可以激励用户错峰使用——白天的算力单价高，夜间的算力单价低，用户可以通过调整任务提交时间来降低成本。息壤的计价策略是混合式的：对延迟敏感的任务使用单一费率，对可延迟的任务使用阶梯费率，用户可以在提交任务时选择计费模式。

计费模型还需要处理资源预留和资源抢占的场景。用户预留了资源但最终没有使用，是否需要付费？用户的低优先级任务被高优先级任务抢占，被抢占期间的算力是否需要付费？这些场景的计费规则需要在用户协议中明确约定，并在计费系统中准确实现。

调度策略：在效率和公平之间找平衡

按需付费算力的调度策略面临的核心矛盾是效率和公平的平衡。效率要求调度器尽可能提高资源利用率，把空闲资源及时分配给等待的任务；公平要求调度器保证每个用户获得与其付费相匹配的服务质量，不被其他用户的突发需求挤占。

调度策略的第一个维度是优先级管理。高优先级用户的任务在资源紧张时优先获得分配，低优先级用户的任务在资源空闲时获得分配。优先级与付费挂钩——用户可以选择不同的服务等级，高等级享受更高的调度优先级和更低的延迟保障。

调度策略的第二个维度是资源预留。用户可以为未来的任务预留资源，确保在特定时间点有足够的算力可用。预留需要提前锁定资源，锁定期间即使资源空闲也不能分配给其他用户。预留的费用通常高于即时分配的费，因为预留牺牲了调度器的灵活性。

调度策略的第三个维度是资源抢占。当高优先级任务到达而资源不足时，调度器可以抢占低优先级任务的资源。被抢占的任务自动保存检查点并放入等待队列，等资源释放后恢复执行。抢占的频率需要严格控制——频繁抢占会导致低优先级任务永远无法完成，损害用户的信任。

调度策略的第四个维度是碎片整理。经过一段时间的分配和释放，资源池中会产生大量碎片——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。调度器定期执行碎片整理，通过迁移低优先级任务来聚合碎片资源，分配给高优先级的大任务。

用户感知：按需付费的体验设计

按需付费算力的用户体验设计有几个关键点。其一是资源申请的简洁性。用户不需要了解底层的卡型、拓扑、虚拟化技术，只需要告诉平台需要多少算力、多少显存、预计运行多久。平台自动匹配合适的资源并给出预估费用。

其二是费用透明性。用户在提交任务之前就能看到预估费用，运行过程中能实时看到已产生的费用，任务结束后能看到详细的费用明细。费用明细包括算力当量、使用时长、单价、折扣、总计。用户可以根据费用明细优化自己的使用习惯——比如把非紧急任务调整到夜间低价时段运行。

其三是性能的可预期性。用户按需付费购买的是确定性的算力，不是“尽力而为”的服务。平台需要保证用户获得的算力与付费匹配——如果因为邻居任务的干扰导致实际性能低于预期，平台应提供补偿机制。

其四是账单的灵活性。个人用户和小团队喜欢按量付费、用完即止，企业用户喜欢预付费、按月结算。平台需要支持多种付费模式，满足不同用户群体的需求。

结语

按需付费算力GPU资源池化与分时复用，本质是把GPU算力从固定资产变成可计量的公共服务。池化把物理卡变成逻辑算力单元，分时复用让一张卡在不同时间服务不同用户，切分让一张卡在同一时间服务不同用户，计费模型让用户只为实际使用的算力付费，调度策略在效率和公平之间找平衡，用户体验设计让按需付费真正可用。在算力成本居高不下、AI应用快速普及的背景下，这种按需付费的模式不是锦上添花的创新，而是让中小团队和个人开发者也能用得起大规模算力的基础设施级变革。开发工程师不再需要为了一周的实验租一个月的卡，不再需要为波谷时期的闲置算力买单，不再需要关心底层用的是哪家厂商的哪款芯片。他们只需要提交任务，等待结果，查看账单——算力的消费变得和水电一样自然。