研报正文总结
1. 算力能效成本三大挑战
智能化转型面临算力需求爆发、效能瓶颈（CPU实际利用率10%-15%）和稳定性与成本瓶颈（牺牲成本优先保障业务稳定性）三大挑战。业务资源需求呈现固定资源与弹性混合模式，某业务一天弹性用量达数百卡GPU。
2. 技术支柱：云函数超级节点与原生节点
为应对挑战，提出云函数超级节点和原生节点两大技术支柱：
云函数超级节点
- 特点：Serverless容器服务，自带50000 TPS网关，主动弹性扩容，支持任务/请求排队，费用与容器对齐，资源可跨地域、跨项目复用。
- 价值：极低门槛管理Serverless资源，像管理一台Node一样管理Serverless资源，迁移成本低，运维成本低，成本管控灵活。
- 性能：冷启动10-25秒，热启动3-5秒，支持包月/按量/离线资源，适合通过副本数量控制弹性的场景。
- 计费：支持包年/按量/离线资源，建议包月资源配合超级节点按量使用。
原生节点
- 特点：腾讯自研能力全面加持，FinOps产品化支持（CPU Burst、内存压缩等），支持GPU虚拟化，适合POD req和limit配置不相等的场景。
- 性能：CPU节点2分钟启动，GPU 8卡非HCC节点3分50秒启动，支持包月/按量资源。
- 优势：资源保障足，超安全稳定，极致可靠，多种资源供给方式。
3. 创新场景：调度重构与体验重构
智能辅助驾驶
- 场景：百Gb吞吐数据处理，算力错峰复用实现最优成本。
- 解决方案：任务实时接收进入待执行队列，智能调度离线任务，动态GPU资源池调度。
- 落地效果：使用700+卡GPU卡即可完成1600+TB/天的数据处理，总成本降低30%。
EMR on TKE
- 架构：基于TKE集群，任务提交后由EMR管控配置下发扩缩容。
- 优势：基于预测的回收和本地实时用量的回收，弹性资源上报，节点gos-agent执行规则。
白天推理，晚上训练
- 场景：白天进行推理任务，晚上进行模型训练任务。
- 优势：资源高效复用，降低成本。
关键数据与结论
- 弹性伸缩能力：支持3000/min的并发弹性，计划弹性模式（计划6月GA）。
- 资源保障：在线GPU、在线CPU100%保障，近线GPU/CPU中等保障，离线GPU/CPU尽力而为保障。
- 性能对比：TKE Serverless冷启动耗时<5秒，原生K8S节点资源耗尽耗时约3分钟。
- 成本优化：超级节点与原生节点结合，实现资源复用，降低30%成本。
