【中阶·云原生】GPU 虚拟化与池化深度解析：从 MIG/MPS/时间切片到 DRA 与多租户算力治理专栏：《AI 工程与安全深度实战》· 第9轮·第1篇核心痛点：AI 推理负载往往只用满 GPU 的 10%-30%，而 K8s 默认把 GPU 当作整数资源nvidia.com/gpu: 1整卡独占——十个各占 15% 算力的服务被迫占用十张物理 GPU，真实需求其实只有 1.5 张，于是昂贵的 AI 算力在"整卡分配"的粗粒度模型下被大量空耗，企业 GPU 利用率长期低迷、成本居高不下适配人群：在 Kubernetes 上部署 vLLM/Triton/KServe 推理服务的云原生与平台工程师、负责 GPU 集群成本与利用率治理的 SRE/MLOps、为多团队多租户设计算力配额与隔离方案的基础设施负责人、已掌握 GPU 感知调度想进一步深入"一张卡多人用"分时分区机制的开发者收获能力：建立"GPU 共享 - 硬件分区 - 动态分配 - 池化治理"的完整认知地图，深入理解时间切片、MIG、MPS 三种共享机制的隔离边界与故障模型，掌握 NVIDIA GPU Operator + device plugin 的 ConfigMap 配置与资源暴露链路，理解 DRA（DeviceClass/ResourceClaim/ResourceClaimTemplate/ResourceSlice）作为 K8s 1.34 GA 的下一代设备分配
