华为发布AI领域突破性技术Flex:ai，宣布同步开源至魔擎社区

中国基金报记者 邱德坤

11月21日，华为正式发布AI领域的突破性技术——Flex:ai。在整卡算力无法得到充分利用的AI工作负载场景下，该技术可将算力资源的平均利用率提升30%。

Flex:ai是一款基于Kubernetes（开源容器编排平台）构建的XPU（各种类型处理器）池化与调度软件，与英伟达旗下Run:ai公司的核心技术类似，但具备两个特有优势。

同时，Flex:ai是能够让AI行业化落地的重要工具之一。华为在发布Flex:ai后，会同步开源至魔擎社区，从而构建完整的ModelEngine开源生态。

华为公司副总裁、华为数据存储产品线总裁周跃峰表示，Flex:ai能够释放基础设施潜力，开源加速AI真正走向平民化。

AI时代需要AI容器技术

Flex:ai呈现三方面关键能力

为什么推出Flex:ai？华为方面认为，在大模型时代，容器技术与AI是天然搭档。

容器技术作为一种轻量级虚拟化技术，可以将模型代码、运行环境等打包成一个独立且轻量级的镜像，实现跨平台无缝迁移，解决模型部署存在环境配置不一致的痛点。

同时，容器技术可以按需挂载GPU（图形处理器）、NPU（神经网络处理器）的算力资源，并且按需分配和回收资源，提升集群整体的资源利用率。

第三方机构数据显示，目前AI负载大多已容器化部署和运行，预计到2027年，75%以上的AI工作负载将采用容器技术进行部署和运行。

此外，传统容器技术已经无法完全满足AI工作的负载需求，AI时代需要AI容器技术。

Flex:ai可以大幅提升算力资源的利用率，主要是通过对GPU、NPU等智能算力资源的精细化管理与智能调度，实现对AI工作负载与算力资源的“精准匹配”。

具体来看，Flex:ai的关键能力分别是算力资源切分、多级智能调度、跨节点算力资源聚合。

以算力资源切分为例，Flex:ai可以将单张GPU/NPU算力卡，切分为多份虚拟算力单元，切分粒度精准至10%，实现单卡同时承载多个AI工作负载的效果。

虚拟化与智能调度优势凸显

在AI容器领域，已有多家企业推出不同的产品。相比英伟达旗下Run:ai公司的核心技术，华为认为Flex:ai具备两大独特优势。

一是虚拟化。除了在本地虚拟化技术中实现算力单元的按需切分，Flex:ai独有的“拉远虚拟化”技术，可以不做复杂的分布式任务设置，将集群内各节点的空闲XPU算力聚合形成“共享算力池”。

据华为方面介绍，Flex:ai可为高算力需求的AI工作负载提供充足的资源支撑，也可以让不具备智能计算能力的通用服务器，通过高速网络将AI工作负载转发到远端“资源池”中的GPU/NPU算力卡执行，实现通用算力与智能算力资源的融合。

二是智能调度。Flex:ai的智能资源和任务调度技术，可以自动感知集群负载与资源状态，结合AI工作负载的优先级、算力需求等多维参数，对本地及远端的虚拟化GPU、NPU资源进行全局最优调度，满足不同AI工作负载对资源的需求。

比如，Flex:ai可以帮助优先级较高的AI工作负载，获得更高性能算力的资源支持。在出现算力资源被全部占满的情况下，Flex:ai能直接抢占其他任务资源，确保最重要的任务能够完成。

对于增量训练场景，Flex:ai可以智能感知集群中增量数据的变化，达到一定阈值后会触发数据飞轮。

构建完整ModelEngine开源生态

Flex:ai的发布和开源，助力华为构建完整的ModelEngine开源生态。

华为构建的ModelEngine开源生态，包含此前发布并开源的Nexent智能体框架、AppEngine应用编排、DataMate数据工程、UCM推理记忆数据管理器等AI工具。

公开资料显示，华为推出的ModelEngine作为大模型训练、推理和应用开发的AI平台，可以提供从数据预处理到模型训练、优化及部署的一站式服务。

区别在于，华为发布并开源的Flex:ai，可以结合行业场景完成AI容器技术的落地探索。

不同行业、不同场景的AI工作负载差异较大。华为开源的Flex:ai可提供提升算力资源利用率的基础能力，以及部分优秀实践案例，从而与业界一道结合行业场景完成落地探索。

同时，开源的Flex:ai可以在产学研各界开发者的参与下，共同推动异构算力虚拟化与AI应用平台对接的标准构建，形成算力高效利用的标准化解决方案。

编辑：晨曦

校对：王玥

制作：舰长

审核：许闻

版权声明

《中国基金报》对本平台所刊载的原创内容享有著作权，未经授权禁止转载，否则将追究法律责任。

授权转载合作联系人：于先生（电话：0755-82468670）