本文记录在KVM虚拟机中直通8块H800 GPU和4块NVSwitch，并在单节点K8s中运行GPU Operator与Prometheus监控的排障过程。主要问题包括：黑屏与PCI资源不足，需改用非安全启动OVMF并将pci-hole64-size增至2048G；IP不可达因MAC变更导致DHCP绑定失效；还需配置NUMA与vCPU绑定。最后通过ServiceMonitor标签匹配，使DCGM指标成功接入Prometheus。
Nvidia 宣布其 RTX 50 系列 GPU 可加速 DeepSeek 的 AI 模型，但 DeepSeek 的 R1 模型在低成本下表现良好，表明 Nvidia 硬件并非必需。DeepSeek 使用较弱的 H800 GPU 训练模型，R1 现已在 AWS 和 Azure 平台上线。
DeepSeek团队在两个月内利用2048张H800 GPU训练出与顶尖模型相媲美的成果，挑战了传统算力规模观念。翟季冬教授强调，系统软件创新是提升算力效能的关键，需在有限资源下优化算法和软件。目前国内算力资源闲置，亟需探索从应用到芯片的完整链路，以推动AI产业发展。
完成下面两步后，将自动完成登录并继续当前操作。
