GPU 排得满，不代表算力用在了最重要的地方。Ai2 管理着数千块 NVIDIA H100、B200 和 B300，服务约 150 名研究人员；任何时刻，大家申请的 GPU 都是实际供应的 2—3 倍。过去，集群调度器——给 GPU 任务排班的系统——主要看优先级，结果所有已调度任务最终都标成了 HIGH，低优先级任务几乎拿不到算力，甚至有人用空任务提前“占座”。
Ai2 因此改用 GPU 时间预算、分层公平分配和分时契约。关键变化不是让机器更忙，而是把 Impact（影响力）纳入调度：有限算力应优先支持机构认为价值更高的研究。各项目该获得多少 GPU 时间，也从运维人员逐案协调，转成透明的管理预算流程。这提供了一个值得关注的工程视角：算力短缺时，调度首先是资源治理问题。不过，谁来定义“价值”、怎样衡量影响力，仍需要机构自己作出明确选择。