GPU共享与切分怎么选，是提升GPU利用率时绕不开的问题。很多企业发现GPU长期空闲，并不是因为没有任务，而是任务资源需求和GPU卡粒度不匹配：小推理服务占不满整卡，实验任务只需要少量显存，训练任务又需要稳定的大卡资源。
这篇文章会把问题放在企业平台和生产环境中讨论，而不是只停留在单个命令或单项配置。你可以把它和GPU调度、模型推理、GPU算力调度入门指南配合阅读，先建立整体判断，再回到具体场景设计实施步骤。
本文评估口径
本文把GPU共享分成三类：硬件级切分、时间片共享和平台级资源约束。硬件级切分以MIG为代表，时间片共享强调多个任务轮流使用GPU计算能力，平台级资源约束则通过调度和运行时限制显存、进程和任务边界。
MIG适合什么场景
MIG适合需要较强隔离和稳定性能的小模型推理、开发测试和多租户服务。它把一张GPU切成多个硬件隔离实例，每个实例拥有相对独立的计算和显存资源。缺点是灵活性受硬件和切分规格限制，资源碎片也需要平台调度能力治理。
时间片适合什么场景
时间片适合短任务、低负载推理、实验环境和对性能抖动不敏感的场景。它的优势是灵活，能让多个任务共享同一张GPU；风险是隔离弱、性能稳定性较差，难以承诺严格SLA。
显存隔离和配额控制
很多GPU任务真正的瓶颈不是计算，而是显存。平台需要能识别显存申请、限制显存占用、发现显存泄漏，并在调度时避免多个任务相互挤压。显存隔离能力不足时，GPU共享可能带来更多任务失败。
训练和推理如何选择
训练任务通常更需要整卡、多卡和稳定拓扑，不适合过度切分。推理服务更适合结合MIG、时间片和弹性副本提升资源利用率。实验任务可以使用共享池，但需要明确优先级和可抢占规则。
平台治理要点
无论选择哪种共享方式，都需要调度平台提供资源画像、切分实例管理、任务准入、监控告警、资源回收和成本统计。共享能力如果无法进入平台规则，就会变成运维人员手工配置。
常见问题
MIG是否一定比时间片更好？
不是。MIG隔离更强、性能更稳定，但灵活性受切分规格限制；时间片更灵活，但隔离弱、性能波动更明显。
GPU共享适合训练任务吗？
大规模训练通常不适合细粒度共享，更适合整卡或多卡调度。小实验和调试任务可以使用共享资源池。
显存隔离为什么重要？
很多任务失败来自显存不足或显存竞争。没有显存边界的共享容易导致任务互相影响。
平台如何判断共享策略是否有效？
应观察GPU利用率、显存利用率、任务失败率、延迟波动、等待时间和资源碎片变化。
小结
GPU共享与切分怎么选的关键，不是把某个功能单独做出来，而是把规则、流程、指标和复盘机制连接起来。对平台团队来说，先明确边界和目标，再逐步自动化，通常比一次性追求复杂能力更稳妥。后续也可以回到相关标签页继续查找更多文章，形成从概念、实践到选型的完整路径。
转载请注明出处：https://www.cloudnative-tech.com/p/8382/
