mps

27届大模型面试准备（九十四）：大模型弹性推理与GPU资源池化工程——GPU池化/虚拟化复用/弹性扩缩/显存碎片整理本文是 A 系列第 94 篇。前面 A71 讲了多租户 GPU 虚拟化与推理隔离，A66 讲了请求级的推理调度与弹性扩缩容，A92 讲了单卡显存与算力极致优化。本文把视角从"单卡/单实例"拉到"一池 GPU"：如何把一堆异构、散落在不同机器的 GPU，抽象成一个统一资源池，按需切分、弹性伸缩、并持续做碎片整理，让昂贵的卡不再空转。

27届大模型面试准备（七十一）：多租户 GPU 虚拟化与推理隔离工程——MIG、MPS 与噪声邻居治理引言上篇（六十九）讲 Prefill-Decode 分离，把单卡算力按阶段拆开调度；（七十）讲网关层如何把请求路由到不同实例。本篇把视角再抬一层：当一张 A100/H100 要同时服务多个业务方（多租户）时，怎么在显存、算力、延迟三个维度做隔离与复用，既把卡利用率榨干，又不让某个租户的突发流量把别人的 P99 拖垮。这是华为云、大模型推理平台岗的高频题，也是面试里最容易区分"只会调 API"和"真做过平台"的分水岭。

上海曼博生物医药科技有限公司

DILI和PK研究为什么开始用器官芯片？肝脏MPS进入药物研发决策的关键路径摘要：器官芯片能否真正进入药物研发，并不取决于其是否“更像人体”，而在于能否针对具体使用场景稳定产生可重复、可解释和可决策的数据。当前肝脏微生理系统MPS正在围绕药物性肝损伤DILI开展跨平台标准化评价，人体相关药代动力学PK也成为新的NAMs研究方向。英国政府推动减少部分动物PK与安全性实验，FDA CDER与3Rs Collaborative开展肝脏MPS跨平台研究，CN Bio则获得Innovate UK支持开发人体相关PK工作流。本文从DILI与PK两个药物研发实际问题出发，解析器官芯片如何从创

15 分钟跑通一款电源仿真工作台：MPSmart 上手体验如果你更关心“值不值得用”，建议先看下面这段实操视频：我把安装、跑通示例工程、看启动/瞬态/应力的关键操作录了下来，3~5 分钟能快速建立直观感受。

Accelerated PyTorch training on Mac本文翻译整理自：Accelerated PyTorch training on Mac https://developer.apple.com/metal/pytorch/

MPS 后端本文来自： https://pytorch.org/docs/stable/notes/mps.html https://pytorch.ac.cn/docs/stable/notes/mps.html

我是有底线的