研究用 100ms 级监控揭示 GPU 集群利用率严重不足
原文标题：Plenty of Room in the Middle: Revealing Opportunities on a GPU Cluster via Fine-Grained Monitoring
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文基于英伟达 DCGM 库开发轻量监控工具，在 89 节点、319 块 GPU 的大学集群上以 100ms 粒度采集数据。发现超 70% 作业占用显存不足 20%、50% 作业 SM 利用率低于 5%，80% 作业申请与实际时长严重不符，调度与多任务仍有大量优化空间。
深读 · 结论先行AI 生成展开看要点与影响 ↓
100ms 粒度监控 319 块 GPU 的大学集群：超 70% 作业显存占用不足 20%，50% 作业 SM 利用率低于 5%
- •基于英伟达 DCGM 开发轻量工具，部署在 89 节点、319 块 GPU 的大学集群
- •分析 10 天内 150 名用户、12 个院系提交的 7399 个作业
- •超 70% 作业使用显存不足 20%，50% 作业平均 SM 利用率低于 5%
- •80% 作业申请时长与实际时长严重不符，显著限制调度器效果
- •所考察的多 GPU 作业呈现高度周期性的通信模式
为什么重要：GPU 紧缺与排队延迟并存的背景下，细粒度监控说明大量算力被低效占用，改进调度与多任务共享有可观收益。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 据悉计划采购谷歌 TPU 芯片，降低对英伟达依赖
AI 摘要据报道，OpenAI 正计划采购谷歌自研的张量处理单元（TPU），以扩大算力规模并实现芯片供应多元化，双方尚未敲定最终条款。OpenAI 同时在推进与博通合作、代号 Jalapeno 的自研 AI 芯片。若交易落地，将直接冲击英伟达在 AI 加速芯片市场的主导地位，并重塑云厂商与大模型公司的算力供应格局。
阿联酋因伊朗袭击调整 5GW AI 数据中心计划
AI 摘要据路透社报道，在遭受伊朗袭击后，阿联酋修订了其 5GW AI 数据中心建设计划。该事件凸显地缘政治冲突对中东地区大规模 AI 基础设施投资的直接冲击，可能影响全球算力布局与供应链。
英伟达预计单季营收达1080亿美元
AI 摘要英伟达预测未来几个月内营收将达到1080亿美元，有望成为继亚马逊、苹果和Alphabet之后又一家季度营收超千亿美元的公司。其数据中心营收同比增长一倍以上，利润也大幅增长。
英伟达公布 OOI 共封装光学技术，原型样品已到位
AI 摘要英伟达在 SEMICON West 2026 上展示下一代共封装光学方案 OOI（Optics-on-Interposer），用大面积硅中介层取代有机封装基板，把光引擎直接集成到承载 GPU 的中介层上。该方案旨在为超大规模 AI 集群提供更高带宽互联，目前仍处研究阶段，无商业化时间表。