华为发布Flex:ai，实现“容器级”GPU切分，算力利用率提升30%

软盟资讯 2025年11月21日讯：2025年11月21日——在今日于上海举办的“AI容器应用论坛”上，华为正式发布并开源了其全新的AI容器技术Flex:ai。这项技术以其创新的“算力切分” 与“共享池化” 能力，直面当前AI深入行业应用时日益尖锐的算力效率与成本问题，为业界提供了一个极具前瞻性的解决方案。

一、 深水区的痛点：稀缺的算力与低效的利用

随着人工智能进入行业应用的“深水区”，一个突出的矛盾摆在所有企业面前：一方面，大模型训练与复杂推理任务对GPU/NPU等昂贵算力资源的需求持续飙升；另一方面，在实际的业务场景中，算力资源的利用率却普遍低下。

“我们观察到，在许多企业的AI开发与部署环境中，单张高端加速卡经常仅被单个任务独占，即使该任务并未完全耗尽卡的算力。同时，集群中各节点存在大量碎片化的闲置算力资源，”华为云一位资深技术专家在论坛上指出，“这种‘占而不满’、‘闲而不用’的状况，造成了巨大的资源浪费和成本压力。”

正是在这一背景下，Flex:ai应运而生，其核心目标直指提升整个AI生命周期的算力利用效率。

二、 Flex:ai的技术内核：从“卡级”独占到“容器级”共享

Flex:ai的突破性在于，它实现了对单张物理GPU/NPU（华为将其统称为XPU）资源的精细化、动态化切分。

• 精细化切分，粒度可达10%：与传统虚拟化技术将整张卡分配给单一虚拟机不同，Flex:ai能够将单张XPU的计算资源（包括算力、显存等）灵活地划分为多个虚拟算力单元。其切分粒度可以精确到约10%的物理资源，这意味着企业可以根据AI任务的实际计算需求，为其“按需分配”恰到好处的算力，而非动辄占用整张卡。
• 多任务并发，一卡多用：凭借这种精细切分能力，一张物理加速卡可以同时承载多个AI任务（如一个模型微调任务、一个实时推理任务和一个数据预处理任务）。这些任务运行在相互隔离的容器中，互不干扰，实现了从“卡级”独占向“容器级”共享的范式转变。
• 池化聚合，化零为整：更进一步，Flex:ai能够将数据中心内部、甚至跨节点的闲置XPU碎片资源智能地聚合起来，形成一个统一的、可灵活调度的共享算力池。当一个大型训练任务需要更多资源时，它可以无缝地从整个池中获取计算能力，而不必局限于某个物理节点。

三、 开源战略：构建生态，加速产业落地

值得注意的是，华为在发布Flex:ai的同时，宣布将其全面开源。这一决策被业界解读为旨在加速该技术的普及与生态构建。

“AI基础设施的优化是一个系统性工程，需要整个行业的共同努力，”华为在开源宣言中表示，“我们希望通过开源Flex:ai，吸引更多的开发者、合作伙伴乃至竞争对手参与到技术演进中来，共同制定和完善算力资源调度标准，推动解决方案在千行百业的快速落地。”

开源意味着企业可以更透明地审视技术细节，根据自身业务需求进行定制化开发，同时也降低了厂商锁定的风险，这无疑将大大增强市场对Flex:ai的接受度。

四、 深远影响：重塑AI算力经济

Flex:ai的出现，其意义远超一项单纯的技术产品发布，它很可能对AI算力的使用和商业模式产生深远影响：

1. 成本革命：对于广大中小企业和研发团队而言，他们不再需要为偶尔的大型任务购买或租赁整张高端加速卡，只需为实际消耗的虚拟算力单元付费，极大地降低了AI创新的门槛。
2. 资源优化：对于大型企业和云服务商，Flex:ai能显著提升其现有算力资产的平均利用率，推迟或减少为应对峰值负载而进行的硬件扩容投资，实现降本增效。
3. 调度智能化：它为更智能、更自动化的全局作业调度奠定了基础。任务调度器可以基于对每个任务需求的精准预测，在共享算力池中进行最优匹配与动态调整，实现整体吞吐量的最大化。
4. 推动AI普及：算力使用成本的降低和灵活性的提升，将使更多行业、更多场景能够经济地应用AI技术，加速人工智能与社会经济各领域的融合进程。

结语

华为Flex:ai的发布与开源，是AI基础设施领域一次重要的理念与实践创新。它精准地戳中了当前AI规模化应用的核心痛点，以“容器级”的精细度和“池化”的全局视野，为破解算力困局提供了一把关键钥匙。随着这项技术通过开源社区走向更广阔的市场，它能否如华为所期，真正掀起一场AI算力效率的革命，并重塑未来的算力生态，值得整个行业持续关注。