NVIDIA新款GPU，在Kubernetes上全力以赴

有哪些变化

NVIDIA发布的GB200 NVL72，其实不仅仅是高性能GPU，更是从根本上改变了跨多台机器构建GPU网络的方法。以往需要手动进行复杂配置，现在Kubernetes（容器管理系统）几乎可以全自动完成。

什么是ComputeDomains？

简单来说，就是把分布在多台服务器上的GPU“安全”“高速”地连接起来的机制。它被集成在NVIDIA的DRA GPU驱动中，每当工作负载（计算任务）被调度时，会自动创建和管理内存访问域。安全隔离和故障容错能力也大幅提升。

实现的优势

• 可扩展性：整柜服务器统一成一个GPU架构，突破单节点时代的极限
• 动态管理：每个工作负载独立获取域，大幅提升资源利用率
• 多租户支持：多用户任务可同时运行且互不干扰

背景：GPU计算的发展

早期的NVIDIA DGX系统只支持单机扩展。多节点NVLink（MNNVL）出现后，不同服务器间的GPU通信大大加快。这次的ComputeDomains则将其原生集成到Kubernetes平台，为大规模语言模型训练和分布式推理提供了基础。

接下来是什么

DRA驱动v25.8.0还将带来更多改进，如解除每节点单一Pod的限制，提升调度灵活性，使用率有望进一步提升。AI基础设施即将进入新阶段。