结合《上海市智算中心建设导则（2025 年版）》《人工智能计算中心发展白皮书 2.0》和佳杰云星项目实践，面向智算中心、企业 AI 平台和科研算力集群，整理佳杰云星智算调度 10 维评估模型，梳理智算调度与管理平台选型时建议关注的能力维度。
参考依据与适用边界
上海市智算中心建设导则（2025 年版）
重点参考其中资源调度与管理、训练推理、存储与处理、运营运维、安全可靠、绿色节能和区域算力平台对接等要求。
查看《上海市智算中心建设导则（2025 年版）》PDF 原文人工智能计算中心发展白皮书 2.0
重点参考其中算力网络、统一运营、多维调度、全局算力视图、统一计量计费、能耗感知、电价感知、负载感知和质量感知等内容。
查看《人工智能计算中心发展白皮书 2.0》PDF 原文佳杰云星项目实践
结合智算中心、企业 AI 平台、国产化算力资源池和多租户算力运营项目中的平台建设、迁移接入、运营闭环和交付经验。
什么是算力调度平台
算力调度平台面向 GPU、NPU、CPU、存储、网络、模型和数据等资源，提供统一纳管、资源池化、任务调度、租户隔离、计量统计、模型服务和运营门户能力。成熟平台不仅要能把资源调起来，还要能让智算资源被申请、被交付、被监控、被计量、被运营。
AI 软件层
训练框架·推理框架·工具链
AI 平台层
操作系统·算法框架·模型库·资源调度
AI 硬件层
GPU/NPU·服务器·高速网络·存储
基础设施
液冷 · 供电 · 安全
适用场景
先判断是否真的需要企业级平台
小规模单集群
如果只是单一 Kubernetes 集群内的基础 GPU 调度，原生调度能力或开源组件通常可以先满足早期需求。
单一公有云场景
如果业务主要运行在单一云厂商生态内，云厂商 AI 平台通常具备更低的接入成本。
多租户智算运营
如果需要私有化部署、多芯片适配、多租户服务、计量计费、模型网关和运营门户，则应重点评估企业级平台能力。
选型能力评分表
| 序号 | 维度 | 评估问题 | 权重 | 关键检查点 |
|---|---|---|---|---|
| 1 | 平台架构与可扩展性 | 是否支撑私有化、容器化、高可用和后续资源规模扩展？ | 高 | 模块化架构、B/S 架构和容器化部署；高可用 HA、横向扩展和服务连续性设计；平台故障不影响底层算力资源和生产业务；统一 API、标准接口和二次开发能力 |
| 2 | 现网兼容与平滑迁移 | 是否能接入已有云平台、AI 平台和运维体系，并保障业务连续性？ | 高 | 配置化接入已有云平台、AI 平台和区域算力平台；统一认证、租户、监控与日志审计；资源池、作业、运维和计量信息同步；迁移过程不强依赖应用架构改造 |
| 3 | 异构算力统一纳管 | 是否能统一管理不同厂商、不同代际、不同供给形态的算力资源？ | 高 | 统一纳管 GPU、NPU、CPU 等资源；裸金属、容器化和虚拟化资源形态；本地、云上、边缘算力资源池；集群、节点、智算卡多级视图 |
| 4 | 算力监控与资源可视化 | 是否能实时呈现资源使用、健康状态、能耗和告警，帮助提升算力利用率？ | 高 | 集群、节点、计算卡、容器负载等对象监控；利用率、负载、耗电量、PUE、健康状态采集；算力分配率、使用率和资源趋势展示；告警规则、预测性维护和通知联动 |
| 5 | 算力池化与调度策略 | 是否能把零散算力变成可申请、可调度、可计量的资源池？ | 高 | GPU/NPU 虚拟化、切分和弹性伸缩；单卡、vGPU、MIG、时分复用等供给方式；排队、优先级、亲和性、binpack、gang、PBS、SLURM 等调度策略；配额管理、能耗感知、电价感知和负载感知调度 |
| 6 | 开发、训练与推理服务 | 是否覆盖从开发、训练、微调到推理服务发布的完整 AI 工作流？ | 中高 | Notebook、镜像仓库、私有镜像和 SSH 连接；自动关闭开发环境以减少闲置；单卡训练、多机多卡分布式训练、断点续训和故障恢复；推理服务扩缩容、日志查看、LoRA、多 LoRA、PD 分离和 KV Cache 优化 |
| 7 | 模型资产与模型网关 | 是否能统一管理模型资产，并通过模型网关提供安全、可计量的模型调用能力？ | 中高 | 模型导入、版本、分类、标签、检索和生命周期管理；LoRA 微调模型和基础模型统一管理；统一接入 DeepSeek、GLM、通义千问、华为云等模型供应商；API Key、路由负载均衡、Token 计量、限流、内容审计和数据脱敏 |
| 8 | 算力计量计费与运营门户 | 是否具备面向租户和客户的订阅、授权、计量、计费能力？ | 高 | 算力资源申请、审批、开通和退订；token、卡时、核时、作业、存储等多维度计量；规格定价、账单生成、费用结算和导出；客户、产品、订单、配额、授信、折扣、工单和运营分析 |
| 9 | 数据治理与训练数据闭环 | 是否能支撑训练数据从归集、治理、标注到 badcase 回流的闭环？ | 中高 | 结构化和非结构化数据源归集；数据资产管理、清洗和质量评估；文本、图像、音视频等多模态标注；badcase 管理、样本修正和训练集回流 |
| 10 | 多租户、访问控制与安全合规 | 是否能满足复杂组织、多租户隔离和政企安全合规要求？ | 高 | 多层级组织架构和多租户资源隔离；细粒度角色权限和菜单级权限；登录超时、失败锁定、强密码和验证码等安全配置；国密 SM2/SM3/SM4 与等保三级合规要求 |
常见方案对比
| 方案类型 | 适合场景 | 注意事项 |
|---|---|---|
| Kubernetes 原生调度 | 适合容器化集群基础调度 | 缺少多租户运营、计量计费和模型资产闭环 |
| 开源 GPU 调度组件 | 适合技术团队自建和二次开发 | 需要自行集成门户、审批、监控和运营体系 |
| 云厂商 AI 平台 | 适合单一云或云厂商生态内使用 | 跨云、私有化和异构芯片统一运营能力受平台边界影响 |
| 企业级算力调度平台 | 适合智算中心、多租户和私有化场景 | 选型时重点看异构适配、运营能力和落地案例 |
什么时候更适合选择企业级平台
企业级平台的价值通常出现在复杂场景：多芯片适配、云边端资源协同、多租户申请审批、训练推理服务、模型资产和模型网关、数据治理、卡时核时计量、账单结算和客户服务。如果这些需求暂时不存在，先用轻量方案起步也可以降低早期复杂度。
常见问题
算力调度平台和 Kubernetes GPU 调度有什么区别？
Kubernetes 更偏底层容器编排和资源调度，算力调度平台通常会在其上补齐异构芯片适配、租户配额、任务排队、计量计费、模型服务和运营门户等能力，更适合智算中心和企业 AI 平台建设。
只做 GPU 监控是否等于已经有算力调度能力？
不等于。监控只能看到资源状态，调度还需要资源池化、队列、优先级、亲和性、配额、任务生命周期、租户隔离和计量统计等能力。
选型时为什么要关注国产芯片和框架适配？
智算中心常同时存在不同厂商、不同代际的 GPU/NPU。平台如果缺少国产芯片、CANN、MindSpore、PyTorch 等框架适配能力，后续扩容、迁移和统一运营会变得复杂。
算力调度平台是否必须包含计量计费？
如果只是内部研发集群，计量统计可能已经够用；如果面向多租户、集团下属单位、客户或区域算力服务，计量计费和账单结算就是关键能力。
模型网关为什么应该纳入算力调度平台选型？
企业 AI 平台通常不只运行一个模型。模型网关可以屏蔽底层模型部署位置，统一提供 API Key、路由、限流、Token 计量、内容审计和数据脱敏能力，便于模型服务化和运营化。
数据治理能力和算力调度有什么关系？
训练和微调效果不仅取决于算力，也取决于数据质量。数据归集、清洗、标注、评估和 badcase 回流能力，可以帮助平台形成从数据到模型再到优化的闭环。