SkyPilot 提出 Grace Blackwell 集群的机架级调度方案

SkyPilot 提出面向 Grace Blackwell 集群的机架感知调度方案，通过16节点切片、拓扑感知放置、故障节点热替换和自动碎片整理提升资源利用率。NVIDIA 模型显示，在节点不可用率约2%时，16节点切片比18节点切片多提供27%的可用容量；GR00T N1.7预训练测试中，机架感知放置将吞吐量提高14.4%，单次迭代从1.59 s降至1.39 s。