GPU 共享三层省钱账：Time-Slicing + Spot + 承诺折扣，叠加省 76%
问题：整卡分配 + 闲置
文章的起点是两个浪费源：闲置分配和刚性调度。一个数据科学家在 p4d.24xlarge（8×A100，$32/小时）上跑 4 小时训练，实例再闲置 6 小时没人发现——$192 蒸发。推理侧同样：轻量模型平均只用 15% 算力，电表按 100% 计费。文中引用 ScaleOps 的 2026 数据：生产 K8s 环境里跑轻量模型的 GPU 利用率常年在 0-10% 区间。
K8s 默认把 GPU 当不可分割单位：Pod A 申请 1 张卡就占整张，哪怕只用 20% 显存；Pod B 只能去别的节点或排队。共享技术（time-slicing、MIG、DRA）让同一张物理卡跑 2-10 个 Pod。
四种方法怎么选（原文对比表）
图：Time-slicing / MIG / vGPU / DRA 对比（图源：原文表格）
三笔实测账
图：5 个数据科学家各占一张 T4（$0.526/h，50% 闲置）= $31.56/天 → 合并到 2 张共享 T4 = $12.62/天（图源：原文）
Dev 环境自动停机：dev 节点一周跑 168 小时，改成每周只开 50 小时，GPU 成本直降 70%。实现：Karpenter consolidation、CronJob 晚 6 点缩到 0 早 8 点扩回、DCGM Exporter 监控利用率 <10% 持续 15 分钟即告警回收。 单位经济学：1 张 T4 每小时服务 10,000 请求，单位成本 $0.0526/千次推理；4 个同规模服务通过 time-slicing 共享这张卡后降到 $0.0132/千次，-75%。
三层叠加：$10,000 → $2,400
图：原文示例账单——基线 $10,000/月 → time-slicing 省 40% → spot 覆盖 50% 工作量（70% 折扣）→ 稳态部分上承诺折扣 → $2,400/月，总省 76%（图源：原文）
原文给的组合拳：共享减 30-50% 用量，spot 砍 60-70% 单价（可 ~2 分钟通知中断，checkpoint + on-demand 兜底），承诺折扣对稳态基线再打 40-60%（建议 60-80% 稳态负载上承诺，剩余留给 spot）。叠加后总降幅 70%+ 是常态。
注：来源是 nOps 官方博客（厂商视角，文末有其自家 Commitment Management 推销），但文中成本算例和对比数据完整可复核。
