不论是英伟达 GPU 还是昇腾的 NPU，都可以「融为一体」，动态切分了。

11 月 21 日，华为正式发布了 AI 容器技术 ——Flex:ai，同时，华为联合上海交通大学、西安交通大学与厦门大学共同宣布，将此项产学合作成果向外界开源，助力破解算力资源利用难题。

华为公司副总裁、数据存储产品线总裁周跃峰博士在发布会上表示，当前，AI 产业高速发展催生海量算力需求，但全球算力资源利用率偏低的问题日益凸显，「算力资源浪费」成为产业发展的关键桎梏：小模型任务独占整卡导致资源闲置，大模型任务单机算力不足难以支撑，大量缺乏 GPU/NPU 的通用服务器更是处于算力「休眠」状态，供需错配造成严重的资源浪费。

本次发布并开源的 Flex:ai XPU 池化与调度软件基于 Kubernetes 容器编排平台构建，通过对 GPU、NPU 等智能算力资源的精细化管理与智能调度，能够实现 AI 工作负载与算力资源的精准匹配，大幅提升算力利用率。

华为宣布将 Flex:ai 全面开源至「魔擎社区」，与此前开源的 Nexent 智能体框架、DataMate 数据工程等工具共同构成了 ModelEngine 开源生态。

据介绍，Flex:ai 深度融合了上海交通大学、西安交通大学、厦门大学三大高校与华为的科研力量，形成了三大核心技术突破：

算力资源切分，一卡变多卡，服务多个 AI 工作负载

针对 AI 小模型训推场景中「一张卡跑一个任务」可能造成的资源浪费问题，华为与上海交通大学联合研发 XPU 池化框架，可将单张 GPU 或 NPU 算力卡切分为多份虚拟算力单元，切分粒度精准至 10%。

这一技术实现了单卡同时承载多个 AI 工作负载，且通过弹性灵活的资源隔离技术，可实现算力单元的按需切分，「用多少，切多少」，使此类场景下的整体算力平均利用率提升 30%，提高了单卡服务能力，与此同时，虚拟化性能损耗控制在 5% 以内。

跨节点算力资源聚合，充分利用空闲算力

针对大量通用服务器因缺乏智能计算单元而无法服务于 AI 工作负载的问题，华为与厦门大学联合研发跨节点拉远虚拟化技术。该技术将集群内各节点的空闲 XPU 算力聚合形成「共享算力池」，一方面为高算力需求的 AI 工作负载提供充足资源支撑；另一方面，可让不具备智能计算能力的通用服务器通过高速网络，可将 AI 工作负载转发到远端「资源池」中的 GPU/NPU 算力卡中执行，从而促进通用算力与智能算力资源融合。

据介绍，厦门大学设计的上下文分离技术打破了 XPU 的服务范围限制，可以使集群外部碎片减少 74%，提升了 67% 高优作业吞吐量。

多级智能调度，实现 AI 工作负载与算力资源的精准匹配

面对算力集群中多品牌、多规格异构算力资源难以统一调度的痛点，华为与西安交通大学共同打造 Hi Scheduler 智能调度器。该调度器可自动感知集群负载与资源状态，结合 AI 工作负载的优先级、算力需求等多维参数，对本地及远端的虚拟化 GPU、NPU 资源进行全局最优调度，实现 AI 工作负载分时复用资源。即便在负载频繁波动的场景下，也能保障 AI 工作负载的平稳运行，让每一份算力都「物尽其用」。

随着 AI 对算力需求的不断增长，资源管理效率正在逐渐成为新的瓶颈。去年 7 月，英伟达以 7 亿美元完成了对以色列 AI 初创公司 Run:ai 的收购，受到了业界的关注，也引发了人们对于未来算力利用方式的讨论。Run:ai 的技术核心在于通过动态调度、GPU 池化和分片等技术优化 AI 计算资源的使用效率。据报道，其平台能够将 GPU 资源利用率从不足 25% 提升至 80% 以上。

开源的 Flex:ai 被视为对 Run:ai 等解决方案的正面回应。上海交通大学戚正伟教授指出：「Flex:ai 的异构兼容性更优于 Run:ai，其开放架构将推动国产算力生态标准化。」

通过 Flex:ai 全面开源开放，华为及各方希望汇聚全球创新力量，共同推动异构算力虚拟化与 AI 应用平台对接的标准构建，形成算力高效利用的标准化解决方案。

从「万卡集群」到「一卡多用」，Flex:ai 正试图重新定义 AI 时代算力的使用方式。它的开源开放，将进一步推动国产算力的大规模应用。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套 AI 大模型突围资料包：

• ✅ 从零到一的 AI 学习路径图
• ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
• ✅ 百度/阿里专家闭门录播课
• ✅ 大模型当下最新行业报告
• ✅ 真实大厂面试真题
• ✅ 2025 最新岗位需求图谱

所有资料 ⚡️ ，朋友们如果有需要 《AI大模型入门+进阶学习资源包》，下方扫码获取~

① 全套AI大模型应用开发视频教程

（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）

② 大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

③ 大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

④ AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

⑤ 大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

⑥ 大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

以上资料如何领取？

为什么大家都在学大模型？

最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！

不出1年，“有AI项目经验”将成为投递简历的门槛。

风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！

这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

以上全套大模型资料如何领取？