来自 CNCF 生态的真实落地案例。每篇案例展示了组织如何借助 HAMi 提升 GPU 利用率并扩展 AI 基础设施。
将智能知识库一体机交付至项目现场独立运行，基于 Kubernetes 与 HAMi 实现文本生成、Embedding、Rerank 等模型的 GPU 共享混部。
单台一体机开发环境容量提升 15 倍，显存回收 87.5%
基于 Kubernetes、Volcano 与 HAMi 构建生产级 GPU 共享平台，支撑 2000+ 研发工程师日常使用。
GPU 利用率提升 3 倍以上，外部模型调用成本降低 50%
基于 Kubernetes 与 HAMi 构建统一的异构 AI 算力调度平台，实现拓扑感知调度与加速器细粒度共享。
拓扑感知调度下硬件资源池利用率达 100%
通过 HAMi GPU 共享和 KEDA 自动伸缩，编排 1000+ A100 GPU 为全球 2 亿用户提供 GenAI 服务。
借助 HAMi GPU 共享减少 50% GPU 需求，从容应对 700% 流量洪峰
基于 HAMi 的 GPU 虚拟化，提升自动驾驶工作负载的 GPU 利用率。
CI 流水线 GPU 利用率提升 10 倍
基于 Kubernetes 和 HAMi 的 GPU 虚拟化，支撑机器学习基础设施规模化。
平台 GPU 利用率提升 3 倍
基于 HAMi 构建灵活 GPU 云，提升利用率并加快交付速度。
采用 vGPU 后，平均 GPU 利用率超过 80%
基于 HAMi 构建异构 AI 虚拟化资源池方案（Effective GPU）。
生产与测试集群最高节省 57% GPU 成本
在教育场景 AI 推理业务中，借助 HAMi 优化资源编排。
90% GPU 基础设施通过 HAMi 得到优化
