想象你和三位室友合租一套带独立工作间的公寓，厨房里只有一个总电闸，电闸容量有限。某天深夜，四人同时打开游戏主机、空调和电暖器，电流骤增，只听“啪”一声，整层楼陷入黑暗——这就是没有“功耗封顶”的后果。Power Capping（功耗封顶）就像一位细心的房管员，提前给每位住户划好用电额度：谁也别想瞬间抽走太多电，总电闸永远安全。本文会用这场合租电表的管理故事，带你搞懂什么是 GPU 功耗封顶、硬封顶与软封顶的区别、如何设定封顶值，以及如何在供电安全与算力产出之间找到平衡。

岗位关联

掌握功耗封顶，意味着你能在有限电力预算下让 AI 集群更安全、更省钱、更稳定地运行——这是 AI 基础设施工程师和数据中心运维者的必备技能。

目录
  1. 可视化演示
  2. 功耗封顶概述：给合租公寓装个“分电阀”
  3. 硬件机制：每户的分电表与总闸
  4. 硬封顶模式：说一不二的“总闸刀”
  5. 软封顶模式：体贴的“提醒式限流”
  6. 封顶值设定：算力与电力的天平
  7. 动态功耗分配：谁急谁多分
  8. 实践落地：当理论遇见真实机房
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

展示三种经典页面置换算法FIFO、LRU、OPT的执行过程：跟踪页面访问序列，观察缺页中断和页面替换策略差异。

本节配有交互动效（进入视口后自动加载，约 3KB）。

FIFO先进先出 始终替换最先进入内存的页面 实现简单但可能替换常用页面 replace = oldest_page FIFO按入队顺序选择被替换页面

功耗封顶概述：给合租公寓装个“分电阀”

合租公寓的房管员决定在总电闸和四个房间之间装一排分电阀，每个分电阀限制单间最大用电量。这样，就算某一间屋子的电暖器开到最大，也不会瞬间把整层总闸拉下。GPU 世界里的 Power Capping 就是这个分电阀：它允许管理员为每块 GPU 设定一个功耗上限，GPU 内部硬件保证实时功耗不会越过这条红线。

在真实机房里，问题更尖锐。一台 8 卡服务器满载时可以飙升到 4kW 以上，而机柜的供电能力往往只有 3kW，批量启动训练任务时很容易在同一时刻踩穿供电极限，触发机房 PDU（电源分配单元）过流保护，甚至导致整个机柜电压跌落。给每块 GPU 设置功耗上限，是把“总需求”强行压进“总能力”的管道里。

回到合租屋：分电阀的作用不是消灭用电需求，而是把“每个房间瞬时功率”约束在一条安全线以内。只要每个分电阀设定合理，整层总闸就永远不会跳。

P=V×IP = V \times I
功率（瓦）等于电压（伏）乘以电流（安）。GPU 的功率有多大，本质上就是电压与电流的乘积。
  1. 功率符号 PGPU 消耗电能的快慢，单位是瓦特（W）。
    P [W]P\ [\mathrm{W}]
  2. 电压符号 V推动电流流动的“水位差”，单位是伏特（V）。
    V [V]V\ [\mathrm{V}]
  3. 电流符号 I单位时间流过的电荷量，单位是安培（A）。
    I [A]I\ [\mathrm{A}]
  4. 相乘关系把电压与电流相乘，便得到消耗的功率数值。
    P=V×IP = V \times I

硬件机制：每户的分电表与总闸

每一户分电阀只是一个表，真正决定“能不能跳闸”的是总电闸和每户的电线粗细。GPU 的供电机制同样分三层：电源管理单元（PMU）、GPU 核心频率控制器，以及主机侧的监控软件（如 nvidia-smi 与 BMC）。当功耗接近封顶值时，GPU 内部的 PMU 会实时采样功率，并把信号交给频率控制器去调整。

服务器还有一个容易被忽略的“总闸”：PSU（电源单元）的额定功率和 PDU 的配电能力。即便所有 GPU 各自不超过上限，显存、CPU 等其他部件也会消耗功率。所以基础设施侧的约束是“整机总功耗不超过供电能力”，这也是 Power Capping 需要全局视角的原因。

回到合租屋：分电阀只约束单间上限，但厨房的烤箱、电梯的电机都在走同一个总闸，房管员必须把整栋楼的负载算成一个整体。这也是为什么单看一张卡的功耗还远远不够，必须看“总和”。

∑i=1nPi≤Ptotal\sum_{i=1}^{n} P_{i} \le P_{\text{total}}
所有 GPU 的实时功耗之和，必须小于等于机房为该机柜分配的总供电能力。
  1. 求和符号 Σ把机柜里 n 块 GPU 的功耗逐个相加。
    ∑i=1n\sum_{i=1}^{n}
  2. 单块 GPU 功耗 P_i第 i 块 GPU 在某时刻的实际功率。
    PiP_{i}
  3. 总供电能力 P_total电源单元与机柜配电系统能够持续提供的功率。
    PtotalP_{\text{total}}
  4. 不等号 ≤这是硬性安全约束，任何时刻都不能超过。
    ≤Ptotal\le P_{\text{total}}

硬封顶模式：说一不二的“总闸刀”

硬封顶可以理解为合租屋里安装的“空气开关”式分电阀：当某间房电流瞬间超过设定值，开关会在毫秒级直接切断或拉低供电，绝不含糊。

在 GPU 上，硬封顶意味着硬件以极快的响应速度将功率限制在设定值之下：一旦瞬时功耗超过上限，内部功率控制器强制把频率和电压拉低，甚至短暂停摆，使功耗立即回落。优点是响应快、保护彻底，缺点是性能波动剧烈——就像正在打排位赛的游戏电脑突然掉到低功耗模式，画面一卡一卡。

在数据中心里，硬封顶最适合“一票否决”的场景：供电余量极小、一旦超载会连锁宕机时，宁可牺牲性能也要保住整个机柜的电源安全。只不过，性能的骤降会让训练作业的吞吐量出现周期性抖动，迭代时间变得不可预测。

Pout=min⁡(Preq, Pcap)P_{\text{out}} = \min(P_{\text{req}},\ P_{\text{cap}})
硬封顶的输出功耗等于“需求功耗”和“封顶值”中较小的那个，超过的部分被瞬间丢弃。
  1. 需求功耗 P_reqGPU 当前工作负载所渴望的原始功耗。
    PreqP_{\text{req}}
  2. 封顶值 P_cap管理员通过管理工具写进 GPU 的功率上限。
    PcapP_{\text{cap}}
  3. min 函数取两个数中较小者，保证输出永不超限。
    min⁡(Preq, Pcap)\min(P_{\text{req}},\ P_{\text{cap}})

软封顶模式：体贴的“提醒式限流”

换一个场景：房管员不用瞬间切断电源，而是装了一套智能电表和语音提醒系统。当总用电接近警戒线，系统提前广播：“各位稍微少开点空调！” 大家默契地把功耗降下来，合力避免总闸跳掉——这就是软封顶。

GPU 的软封顶通过动态调节核心频率来实现：功耗监视器持续计算一个“目标频率”，使功率平滑地收敛到封顶值附近。它不会瞬间砍死性能，而是在多个控制周期内逐步降频，因此训练吞吐量的变化更平稳，不会出现硬封顶那样剧烈的卡顿。

房间里的温度缓缓下降，没人感觉到突然断电——这是软封顶的魅力。它牺牲一点响应速度，换来训练过程的稳定平滑，特别适合运行时间长的深度学习训练任务。

fnew=fbase×PcapPcurrentf_{\text{new}} = f_{\text{base}} \times \frac{P_{\text{cap}}}{P_{\text{current}}}
当当前功耗 P_current 超过封顶值 P_cap 时，比例小于 1，GPU 将核心频率按相同比例下调，让功耗逐步回落。
  1. 基准频率 f_baseGPU 在默认功耗模式下的核心频率。
    fbasef_{\text{base}}
  2. 当前功耗 P_current功率监视器刚采样到的瞬时功耗。
    PcurrentP_{\text{current}}
  3. 比例系数封顶值与当前功耗的比值，小于 1 时表示需要降频。
    PcapPcurrent\frac{P_{\text{cap}}}{P_{\text{current}}}
  4. 新频率 f_new乘以基准频率后得到的目标频率，频率越低功耗越小。
    fnew=fbase×PcapPcurrentf_{\text{new}} = f_{\text{base}} \times \frac{P_{\text{cap}}}{P_{\text{current}}}

封顶值设定：算力与电力的天平

房管员要给每间房定额度，定太高等于没封，定太低又让住户干活变慢。Power Capping 的封顶值设定同样是个平衡题：数值越接近 GPU 自然上限，算力损失越小，但可能解不了供电危机；数值越低，供电越安全，但训练迭代速度也随之下降。

实践中，运维团队常用基准测试确定“甜点值”：在一块 GPU 上依次设置 60%、70%、80% 的封顶值，记录每秒钟完成的训练迭代数，画出“功耗-性能”曲线。通常 80% 封顶只损失 5%~10% 性能，却能省下约 20% 功耗，这正是性价比最高的区间。

合租屋的房管员也会每季度做一次“额定功率测试”：给每间房装个计量插座，记录不同额度下的实际用电和住户满意度，再据此调整下一季度的分电方案。数据驱动，永远比拍脑袋可靠。

η=stepsPcap×T\eta = \frac{\text{steps}}{P_{\text{cap}} \times T}
效率 η 表示单位能耗产出的训练步数。封顶值设得聪明，就是用更少的电完成同样多的训练步。
  1. 训练步数 stepsGPU 上完成的迭代优化步数，越多越好。
    steps\text{steps}
  2. 运行时间 T完成这些训练步所花费的秒数。
    TT
  3. 总能耗 P_cap × T封顶功率乘以时间，代表耗散的总电能。
    Pcap×TP_{\text{cap}} \times T
  4. 效率 η用训练步数除以总能耗，反映“每瓦电办多少事”。
    η=stepsPcap×T\eta = \frac{\text{steps}}{P_{\text{cap}} \times T}

动态功耗分配：谁急谁多分

周六早上，在厨房做直播的房客需要大功率补光灯，而卧室里只是在充电的人不需要很多电。聪明的房管员会根据“谁在做事、谁在休息”实时调整分电额度，这就是动态功耗分配。

在 AI 集群里，不同作业的优先级差异巨大：在线推理服务响应延迟要求高，优先级权重高；离线模型训练可以慢一点，权重中等；半夜跑的数据清洗任务则完全可以“喝西北风”。动态分配器每隔几秒收集各 GPU 的负载和温度，再按权重重新划分总功率池：高权重 GPU 获得更大功耗额度，低权重任务则被压低频率，把电力让给关键时刻。

动态分配让“供电安全”不再是冷冰冰的限制，而变成一种按需分发的资源管理策略。就像房管员在高峰期临时“借电”给直播房客，整栋楼的供电依然安全，但每个人的体验都更合理。

Pi=wi×Pbudget,∑i=1nwi=1P_{i} = w_{i} \times P_{\text{budget}}, \quad \sum_{i=1}^{n} w_{i} = 1
每块 GPU 分到的功率 = 它的业务权重 × 总功率池。所有权重加起来必须等于 1。
  1. 总功率池 P_budget在保证安全冗余后，可用于动态分配的功率总额。
    PbudgetP_{\text{budget}}
  2. 业务权重 w_i根据作业优先级赋予每个 GPU 一个 0~1 之间的系数。
    wiw_{i}
  3. 归一化约束所有权重之和必须等于 1，否则预算会多分或少分。
    ∑i=1nwi=1\sum_{i=1}^{n} w_{i} = 1
  4. 分配公式权重乘以总池子，得到每块 GPU 的动态封顶值。
    Pi=wi×PbudgetP_{i} = w_{i} \times P_{\text{budget}}

实践落地：当理论遇见真实机房

把智慧合租屋真的开起来，房管员需要一套工具：计量插座（电源监控）、中央控制面板（BMC），还有贴在每个电表箱上的操作规程。对应的 GPU 机房工具链则包括：nvidia-smi 系列命令、NVIDIA DCGM（数据中心 GPU 管理器）、BMC 的功率策略设置，以及平台侧的告警系统。

最常用的入门操作是设置功耗上限：nvidia-smi -pl 300 会把目标 GPU 的功耗上限设为 300W。生产环境里，运维会结合 DCGM 周期采集每个 GPU 的实际功耗，当服务器总功率逼近供电阈值时，自动调用动态分配器降低低优先级任务的封顶值，并在总功率恢复到安全区后逐步放宽。整个过程中，机柜总功耗保持在供电曲线以内，训练任务稳定推进。

机房里的 Power Capping 和合租屋的分电思考方式一模一样：先摸清总闸容量，再给每个房间设限，最后根据实际使用动态调整。供电安全与算力产出的平衡，正是在一次次监控、调参、复盘中被逐渐打磨出来。

Esaved=∑i=1n(Pi,old−Pi,cap)×trunE_{\text{saved}} = \sum_{i=1}^{n} (P_{i,\text{old}} - P_{i,\text{cap}}) \times t_{\text{run}}
节约的总电能 = 每块 GPU 的降幅之和 × 封顶状态下的运行时长。这是衡量功耗封顶性价比的核心公式。
  1. 原功耗 P_old未封顶时 GPU 的平均功耗。
    Pi,oldP_{i,\text{old}}
  2. 封顶功耗 P_cap实施 Power Capping 后 GPU 的平均功耗。
    Pi,capP_{i,\text{cap}}
  3. 降幅两者相减，就是每块 GPU 每小时省下来的功率。
    (Pi,old−Pi,cap)(P_{i,\text{old}} - P_{i,\text{cap}})
  4. 运行时长 t_run乘以运行小时数，并遍历所有 GPU 求和，得到总节能量。
    Esaved=∑i=1n(Pi,old−Pi,cap)×trunE_{\text{saved}} = \sum_{i=1}^{n} (P_{i,\text{old}} - P_{i,\text{cap}}) \times t_{\text{run}}

AI 应用场景

多 GPU 训练服务器的供电安全

阶段：基础设施运维

解决的问题：过去，数据中心在训练任务启动瞬间会遭遇“供电尖峰”：8 张 GPU 同时满载，整套服务器功耗暴涨，超过机柜 PDU 额定值，轻则触发告警，重则空开跳闸、整柜宕机。AI 团队只能反复“错峰启动”来避免冲击，既繁琐又脆弱。通过 Power Capping，管理员把每块 GPU 的封顶值设为供电能力的 80%，系统自动确保总功耗始终落在安全区间内，无需人工预判。

具体案例：某智算中心部署 32 台 8 卡训练服务器，机柜额定供电 30kW。运维团队用 nvidia-smi -pl 250 将每卡功耗限制在 250W，再用 DCGM 每 5 秒采集一次总功率。改造后，不仅跳闸次数归零，整柜实际功耗稳定控制在 26kW 以内，还省出了 4kW 余量用于存储服务器扩容。

在线推理与离线训练的混合调度

阶段：模型部署与资源调度

解决的问题：同一批 GPU 既要跑延迟敏感的在线推理，又要跑任务式离线训练。若对所有任务一视同仁，推理服务可能在供电紧张时被训练任务抢走算力，响应时间飙红。动态功耗分配让高优先级推理卡获得更大功率预算，低优先级训练卡让出功耗，在有限供电下兼顾服务质量。

具体案例：某互联网公司的推荐系统集群共 20 块 GPU，总供电预算 6kW。分配器根据业务权重自动计算：在线推理卡权重 0.45，每卡分到约 270W；离线训练卡权重 0.3，每卡约 200W；数据清洗任务权重 0.25，每卡降到 170W。高峰期推理 P99 延迟保持在 30ms 以内，训练任务只是稍微变慢，整体供电始终安全。

电价峰谷时段的成本控制

阶段：能耗成本优化

解决的问题：数据中心电费中，GPU 功耗占比高达七成。若全天候满负荷运行，峰时电价会让账单翻倍。利用功耗封顶结合时段电价，在谷电时段放开封顶值冲刺训练，在峰电时段收紧封顶，能显著降低平均训练成本。

具体案例：某高校智算平台按当地工商业电价，峰时为 1.2 元/度，谷时仅 0.35 元/度。平台设定白天 9:00—22:00 将训练卡封顶为额定的 70%，夜间放开到 95%。一个月下来，GPU 总耗电减少 22%，电费下降 34%，模型训练总时长仅延长 9%。

Python 演示

python80 行
# -*- coding: utf-8 -*-"""模拟GPU功耗封顶(Power Capping)管理器对比硬封顶与软封顶在总供电受限时的表现"""  class PowerCappingManager:    """用不同模式管理多块GPU的功耗分配"""     def __init__(self, demands, budget, weights, cap_mode='hard'):        self.demands = list(demands)        self.budget = budget        self.weights = list(weights)        self.weight_sum = sum(self.weights)        self.cap_mode = cap_mode        self.iteration_count = 0        self.history = []        self.prev_power = list(demands)     def hard_cap(self):        total = sum(self.demands)        if total <= self.budget:            return list(self.demands)        scale = self.budget / total        return [d * scale for d in self.demands]     def soft_cap(self):        """软封顶: 按业务优先级降载, 并以低通方式平滑"""        total = sum(self.demands)        if total <= self.budget:            self.prev_power = list(self.demands)            return list(self.demands)        n = len(self.demands)        avg_w = self.weight_sum / n        target = []        for d, w in zip(self.demands, self.weights):            keep_ratio = 0.4 + 0.6 * (w / avg_w)            target.append(d * keep_ratio)        total_t = sum(target)        scale = self.budget / total_t        target = [t * scale for t in target]        smooth = [self.prev_power[i] + (target[i] - self.prev_power[i]) * 0.3                  for i in range(n)]        self.prev_power = smooth        return smooth     def run_forward(self, steps=20):        for _ in range(steps):            if self.cap_mode == 'hard':                powers = self.hard_cap()            else:                powers = self.soft_cap()            self.history.append(powers)            self.iteration_count += 1     def report(self):        powers = self.history[-1] if self.history else self.hard_cap()        print('模式: {}'.format('硬封顶' if self.cap_mode == 'hard' else '软封顶'))        print('GPU原始需求: {} W'.format([round(d, 1) for d in self.demands]))        print('封顶后功耗: {} W'.format([round(p, 1) for p in powers]))        print('总功耗: {:.1f} W / 预算 {:.1f} W'.format(sum(powers), self.budget))        print('完成迭代: {} 次'.format(self.iteration_count))        print()  if __name__ == '__main__':    demands = [380, 420, 300, 360]    budget = 1100    weights = [0.35, 0.30, 0.15, 0.20]     hard_mgr = PowerCappingManager(demands, budget, weights, 'hard')    soft_mgr = PowerCappingManager(demands, budget, weights, 'soft')     hard_mgr.run_forward(20)    soft_mgr.run_forward(20)     print('--- 硬封顶效果 ---')    hard_mgr.report()    print('--- 软封顶效果 ---')    soft_mgr.report()
目的：模拟 4 块 GPU 在总供电 1100W 受限时，硬封顶立即统一砍功率、软封顶按业务优先级平滑降载的差异。
  1. scale = self.budget / total硬封顶的核心：总需求超出预算时，统一按比例缩小到预算内，一步到位。
  2. keep_ratio = 0.4 + 0.6 * (w / avg_w)软封顶的优先级逻辑：权重高于平均值的 GPU 少降功率，低权重 GPU 多让电。
  3. smooth = [self.prev_power[i] + (target[i] - self.prev_power[i]) * 0.3 ...]用 0.3 的低通系数让每次降载只走 30% 的步长，模拟实际硬件的渐进调频。
  4. budget = 1100模拟机柜供电能力 1100W，这是动态分配的总功率池。
  5. weights = [0.35, 0.30, 0.15, 0.20]四块 GPU 的业务权重，和为 1.0，代表高优先级推理、中等训练、低优先级清洗任务。
  6. run_forward(20)连续推进 20 个控制周期，软封顶的迭代会随着周期数增加逐渐逼近目标。

常见误区

误区有的同学以为在系统里敲一行 `nvidia-smi -pl 300` 就完成了功耗封顶，重启驱动后还是会生效，想改随时改。

正解-pl 命令只对当前运行状态生效，重新加载驱动重启服务器后会恢复默认。生产环境必须把封顶值固化到持久化工具链中：BIOS/BMC 的功率策略、DCGM 的服务配置、系统启动脚本，三处必须一致。就像合租屋不仅要在电表箱上贴一张“限额 200W”的纸条，还要让中央电表真的按这个值去控制。

为何常见：GPU 命令行工具给人一种“在系统里配置就是全部”的错觉，容易忽略固件层和硬件层才是真正的执行者。

误区硬封顶能在毫秒级保护供电安全，既然它最可靠，那所有训练任务都设置硬封顶就行了。

正解硬封顶会在超限瞬间强制砍性能，训练吞吐量出现周期性抖动，分布式训练中的同步时间显著拉长。长期任务更看重稳定推进，软封顶让功耗平滑收敛，吞吐更平稳；真正需要硬封顶的是“供电余量极小、必须一票否决”的危险场景。

为何常见：人们往往只看“保护效果”这一个维度，忽略了训练作业对性能稳定性的敏感程度。

误区既然要省电，直接给 GPU 设一个最低功耗上限，比如 100W，省得越多越好。

正解封顶值过低会导致 GPU 频率暴跌，训练速度大幅下降，同一个任务运行时间变长，总能耗（功率×时间）可能不降反升。因此要测“功耗-性能效率曲线”找出甜点值——通常是额定功耗的 70%~85%，此时每瓦算力最高。

为何常见：“省电 = 降功率”的直觉忽略了时间这个分母，没有意识到完成同样计算量所需的时间会反噬电费。

误区软封顶听起来更聪明，所以它一定比硬封顶更快，性能损失更小。

正解软封顶在瞬时功耗刚超限时会以较慢的速度收敛，一段时间内仍可能超过封顶值。如果系统供电余量极小，这短暂的超限足以触发过流保护跳闸。硬封顶以牺牲瞬时性能换取绝对安全，软封顶以轻微超限风险换取性能平滑，两者是不同安全等级的工具，不能简单对比好坏。

为何常见：对“软”字的直观理解让人误以为它性能更好，其实“软”指的是控制动作柔和，而不是更快更强。

面试题

Q1. Power Capping 的主要作用是？

单选题 · easy

  • A.给 GPU 设定功耗上限← 正确答案
  • B.让 GPU 稳定超频
  • C.提升显存读写速度
  • D.加快网络通信带宽

答案：A。Power Capping 就是给 GPU 设定一个功耗上限，防止实际功耗超过设定值。超频、显存和网络带宽都与功耗封顶无关，它们属于性能优化或 IO 优化的范畴。

Q2. 硬封顶最突出的特点是？

单选题 · easy

  • A.响应极快，瞬时限功率← 正确答案
  • B.缓慢降频，平滑过渡
  • C.完全不用硬件支持
  • D.只在夜间自动生效

答案：A。硬封顶像空气开关，一旦超过上限会在毫秒级把功耗拉回设定值，响应极快。平滑过渡是软封顶的特征，硬件支持是硬封顶的前提，与夜间时段没有关系。

Q3. 某 GPU 需求功耗 450W，封顶值设为 300W，硬封顶后实际功耗最接近？

单选题 · mid

  • A.450W
  • B.300W← 正确答案
  • C.150W
  • D.0W

答案：B。硬封顶的输出是 min（需求，封顶值） = min(450, 300) = 300W。它不会保留 150W 的余量，也不会直接断电为 0W，而是精确限制在封顶值附近。

Q4. 软封顶主要通过什么机制实现？

单选题 · mid

  • A.动态调节核心频率电压← 正确答案
  • B.直接断开 GPU 供电
  • C.强行提高核心电压
  • D.完全依赖外部风扇降温

答案：A。软封顶靠 DVFS（动态电压频率调整），把“电压×频率”组合降下来从而平滑降低功耗。直接断开供电是保护性断电，提高电压会增大功耗，风扇只负责散热不消耗 GPU 核心功率。

Q5. 哪些场景适合使用 Power Capping？

多选题 · mid

  • A.机柜供电能力不足← 正确答案
  • B.数据中心希望降低电费← 正确答案
  • C.削减散热系统压力← 正确答案
  • D.显著提升单卡性能

答案：ABC。Power Capping 解决的三大问题正是供电不足、电费偏高、散热紧张。功耗封顶不会提升单卡性能，反而通常会小幅降低性能。

Q6. 服务器总供电能力 1200W，4 块 GPU 需求分别是 350/400/300/320W，硬封顶后总功率大约是多少？

单选题 · hard

  • A.1370W
  • B.1200W← 正确答案
  • C.350W
  • D.300W

答案：B。4 块 GPU 总需求 = 350+400+300+320 = 1370W，超过供电能力 1200W。硬封顶会把总功率瞬时压在供电能力以内，因此约为 1200W，而不是需求总和。

Q7. 动态功耗分配的权重制定应考虑哪些因素？

多选题 · mid

  • A.业务优先级高低← 正确答案
  • B.GPU 当前利用率← 正确答案
  • C.电价与峰谷时段← 正确答案
  • D.显存颗粒制造商

答案：ABC。动态分配要综合业务价值、实时负载和成本策略来给每个 GPU 打分。显存颗粒制造商与功耗分配决策无关，属于硬件采购层面的信息。

Q8. 查看并设置 GPU 功耗上限的命令是？

单选题 · easy

  • A.nvidia-smi -pl← 正确答案
  • B.nvidia-smi topo
  • C.nvcc --version
  • D.dmesg | grep gpu

答案：A。nvidia-smi -pl 是 Power Limit 的缩写，用于查看或设置 GPU 功耗上限。nvidia-smi topo 查看拓扑，nvcc --version 查看编译器版本，dmesg 查看内核日志。

Q9. 关于软封顶的说法，正确的有？

多选题 · hard

  • A.功耗会平滑接近上限← 正确答案
  • B.训练吞吐更平稳← 正确答案
  • C.能完全杜绝过流跳闸
  • D.瞬时控制响应弱于硬封顶← 正确答案

答案：ABD。软封顶通过逐步降频让功耗平滑逼近上限，训练吞吐的抖动更小。但它响应较慢，在一段短暂时间内仍可能超过上限，因此不能完全杜绝过流跳闸。

Q10. 将 GPU 封顶值从 100% 降到 80%，通常不会出现以下哪种结果？

单选题 · extreme

  • A.让训练迭代速度变慢
  • B.让单卡功耗显著下降
  • C.让显存容量直接变小← 正确答案
  • D.让机柜总功耗更安全

答案：C。降低封顶值会让频率下降、功耗下降、总供电更安全，训练速度也会变慢。而显存容量是硬件物理属性，与功耗封顶完全无关，不会因封顶值改变而变小。