博维智慧科技通过Kubernetes和HAMi实现科研实验室GPU资源的高效管理，提升了70%的GPU利用率。该方案支持训练与推理的物理隔离，优化显存使用，降低运维门槛，适用于多种科研场景。

本文介绍了Kubernetes上HAMi DRA模式的安装与使用。HAMi是一个开源GPU虚拟化平台，能够将物理GPU细分为多个虚拟GPU供不同Pod共享。DRA模式通过调度器动态分配资源，解决资源不足的问题。用户可选择手动创建ResourceClaim的原生模式或使用兼容模式自动转换资源申请，简化迁移过程。文章详细描述了安装步骤、验证方法及两种模式的区别。

最近，我关注国内GPU调度和Kubernetes在AI资源管理方面的进展。随着HAMi v2.9的发布，我想分享一些关于AI基础设施控制平面演变的观察，特别是Kubernetes作为AI的GPU控制平面。

HAMi v2.9.0 正式发布，增强了异构设备的虚拟化和调度能力。新特性包括用户态虚拟化、生产就绪的 HAMi-DRA、增强的安全性和稳定性，以及对瀚博半导体设备的支持。HAMi-core 模式实现了显存与算力的细粒度共享，提升了资源利用率，已在招商银行验证。此外，该版本还更新了可观测性和安全性功能，推动了 DRA 生态联盟的发展。

顺丰科技在深圳举办的HAMi社区Meetup上分享了其AI平台的演进，涵盖从Kubeflow到多云混合架构。陈俊超介绍了GPU资源管理的创新，包括GPU切分、混部和显存超分，显著提升资源利用率。同时，通过深度定制Device Plugin，顺丰简化了运维，构建了全链路监控闭环，为资源决策提供支持。

HAMi Meetup深圳站将于2026年4月25日举行，主题为提升AI算力利用效率。活动将讨论异构算力调度和GPU优化等技术，并分享顺丰科技、招商银行等企业的实践经验。欢迎AI开发者和运维工程师参与，共同推动算力管理与调度的创新。

KCD Beijing 2026 是大型 Kubernetes 社区大会，HAMi 社区介绍了 GPU 调度的 DRA 模型，强调 GPU 从“设备”转变为“资源对象”。DRA 提升了资源建模能力，但用户体验有所下降。HAMi-DRA 通过自动化迁移简化用户操作，提高了 Pod 创建速度和可观测性，推动了 AI 基础设施的发展。

KubeCon EU 2026 结束，密瓜智能的 HAMi 项目展示了 GPU 共享与调度，强调 Kubernetes 在 AI 工作负载中的重要性，推动全球对 AI 基础设施的关注。

本周末，Dynamia 密瓜智能团队将参加阿姆斯特丹的 KubeCon + CloudNativeCon Europe 2026，讨论 Kubernetes、AI 和基础设施。他们作为 HAMi 项目的发起方，将参与多个核心活动，展示 GPU 虚拟化与调度的重要性，强调 AI 在云原生生态中的主导地位。

HAMi网站在过去两个月进行了全面重构，优化了信息架构和用户体验，改善了主页结构、搜索功能和移动端体验，使用户更易理解项目价值和社区影响。这次重构是视觉和系统的双重升级。

此次重新设计旨在提升技术沟通的清晰度和用户体验。新网站经过全面重构，改善了信息架构，为社区维护者和内容创建者提供更好的支持。

现代AI和机器学习中的GPU资源管理面临挑战。结合Karpenter和HAMi可实现GPU资源的细粒度分片和动态扩缩容，从而提高资源利用率，降低成本，适用于AI训练和科学计算等场景。

亚马逊云科技的HAMi中间件通过支持多种加速设备（如Neuron芯片），实现了异构算力的统一管理与调度。其核心特性包括双重粒度共享和策略性拓扑调度，显著提升资源利用率并降低运维复杂度。HAMi v2.7.0深度集成Neuron芯片，优化调度策略，确保高效算力调度体验。

密瓜智能与沐曦团队合作推出HAMi v2.7.0版本，提供统一调度方案，提升AI训练资源利用率。新功能包括sGPU共享、拓扑智能调度和QoS策略，支持多任务高效执行，推动国产AI算力发展。

本文探讨了在Kubernetes环境中使用HAMi实现GPU资源的虚拟化与调度，以满足小模型和大模型对显存与算力的隔离需求。HAMi通过智能调度和资源管理，提高了GPU的利用效率，解决了Nvidia现有方案的不足之处。