有没有干净的方法定义跨GPU厂商、无需厂商配置的AI工作负载？

这个问题我思考已久，目前找到的解决方案要么只解决局部，要么引入额外复杂度。具体问题：我们希望GPU工作负载能在多家供应商之间运行，以保证可用性和成本优化，但为每个工作负载维护厂商专属部署配置不可持续。当某家供应商出现可用性问题或价格变动时，我们希望无缝迁移工作负载，而不是启动一个工程项目。 我调研过的方案： - **K8s 多厂商节点池**：可行，但厂商专属配置藏在调度逻辑和GPU驱动安装里。所谓“可移植”实际意味着“每家厂商都要大幅改动”。GPU故障恢复也需要大量自定义逻辑，最终仍与厂商绑定。 - **Terraform**：解决了基础设施的可移植，却解决不了工作负载调度的可移植。你可以用Terraform在多家厂商开出节点，但仍需告诉每个工作负载去哪儿运行。 - **自定义抽象层**：我们自己写了一套，直到某家厂商改API就崩了。维护成本滚雪球。 从读到的资料看，真正可行的模式是：**把工作负载定义与基础设施绑定完全分离**，由调度层负责匹配。只声明工作负载需要什么，而非指定在哪运行；让调度器根据可用硬件决定放置位置。 好奇有没有人真落地过这套做法，实际运维长什么样？