NVIDIA 这次对 Slurm 工作负载管理器做功能扩展,核心是给 Slurm 加上量子处理器 QPU 的调度支持,让传统超算集群可以一套调度系统同时管理 GPU 经典算力和量子算力,科研人员不用单独搭建一套量子调度平台,沿用熟悉的 Slurm 提交命令就能跑量子 - 经典混合任务。最近几年全球超算中心里面量子硬件部署量涨得很快,很多超算本来就在用 Slurm 跑仿真、AI 训练,之前量子处理器缺少统一接入调度方案,每个 QPU 厂商都要单独开发对接工具,接入成本高、工作流割裂,这次扩展就是解决这个痛点。本次扩展兼容 QRMI、QDMI 主流量子硬件接口,已经获得 IBM、IQM、Pasqal 等多家量子厂商适配支持,功能会在 Slurm 26.11 版本正式上线,同时这套扩展保持开源属性,不会改变 Slurm 原本面向 HPC、大模型训练的调度能力。
一、本次 Slurm 扩展主要新增能力清单
- 量子资源调度插件:把量子处理器 QPU 当成一种可分配资源,和 GPU、CPU 一样纳入 Slurm 资源池管理
- 统一接口适配:依托 QRMI、QDMI 标准接口,一份配置文件对接不同品牌量子硬件
- 混合任务编排:支持同一个作业里,自动分配 GPU 经典计算节点和量子计算单元,配合 CUDA-Q 平台运行混合量子程序
- 原有能力保留:GB200 NVL72 块拓扑调度、Slinky 和 Kubernetes 互通、AI 大作业拓扑感知调度全部继续可用
二、和之前 NVIDIA 对 Slurm 的优化有什么区别
- 早期优化方向:聚焦 GPU 集群,推出 topology/block 块调度插件,专门适配 NVL72 机架级多 GPU 集群,减少作业碎片化,保障 NVLink 通信带宽
- Slinky 项目优化:打通 Slurm 和 Kubernetes,实现 HPC 批处理任务和云原生容器任务在同一集群共存调度
- 本次最新扩展:跨到量子算力领域,调度对象从经典加速卡延伸到量子处理器,面向量子化学、核物理、材料科学科研场景
三、集群落地启用这套扩展的基础步骤
- 环境准备:升级到 Slurm 26.11 版本,部署 CUDA-Q 运行环境用于量子程序开发
- 硬件接入:按照厂商规范,通过 QRMI/QDMI 接口把 QPU 注册进 Slurm 资源配置
- 队列配置:新建或者修改 Slurm 分区,标记包含量子资源的节点池,设置资源配额、优先级
- 作业提交:用户使用原有 sbatch 命令,在脚本里声明需要的量子资源数量,调度器自动匹配 GPU+QPU 组合
- 监控记账:复用 Slurm 原有记账、监控组件,统一统计量子任务的资源占用、运行时长
四、落地之后带来的产业变化
超算中心不用再为量子硬件单独开发调度软件,一套 Slurm 平台同时承载 AI 训练、传统仿真、量子混合计算。量子硬件厂商只需要适配一次标准接口,就能接入大量已经部署 Slurm 的超算站点,降低量子算力普及门槛。对于科研用户,不用学习多套平台操作,原来的 Slurm 工作流直接复用,降低量子计算上手难度。
【相关 FAQ】
问题 1:NVIDIA 扩展 Slurm 工作负载管理器,这次新增的核心能力是什么?
回答 1:NVIDIA 扩展 Slurm 工作负载管理器,核心新增量子处理器 QPU 调度能力,让 Slurm 可以统一调度 GPU 经典算力和量子算力,支持量子 - 经典混合计算任务。
问题 2:NVIDIA 扩展 Slurm 工作负载管理器之后,会不会取代原来的 GPU 调度功能?
回答 2:不会,NVIDIA 扩展 Slurm 工作负载管理器属于新增插件能力,原有的 GB200 块拓扑调度、Slinky 对接 Kubernetes、大模型作业调度功能全部保留,是能力扩充而非替换。
问题 3:使用 NVIDIA 扩展后的 Slurm 工作负载管理器跑量子任务,需要重新学习一套提交命令吗?
回答 3:不需要,使用 NVIDIA 扩展后的 Slurm 工作负载管理器,用户依旧用熟悉的 sbatch 提交脚本,只需要在脚本声明量子资源,原有 Slurm 操作习惯可以直接沿用。
【参考资料】
[2026-11-16](NVIDIA Expands Slurm to Bring Quantum Computing Into Supercomputing)NVIDIA 官方博客
[2026-11-16](NVIDIA 扩展 Slurm,将量子计算引入超级计算)英伟达中国
[2026-05-21](Unlock Exascale Performance on NVIDIA GB200 NVL72 with Slurm Topology-Aware Job Scheduling)NVIDIA 技术博客
[2026-05-07](借助 Slurm 块调度在 NVIDIA GB200 NVL72 上实现峰值系统和工作负载效率)NVIDIA 开发者社区
[2026-04-09](Running Large-Scale GPU Workloads on Kubernetes with Slurm)NVIDIA 技术博客
【免责声明】
本文内容为公开行业资讯整理,不构成集群改造、硬件采购、科研项目选型建议。Slurm 量子调度扩展功能随 26.11 版本发布,不同量子硬件、超算环境下兼容性、运行性能存在差异,功能效果以实际部署测试为准。
本文来自作者[脉冲重织者]投稿,不代表环球科技潮立场,如若转载,请注明出处:https://www.zennew.com/bdt/202611/3473.html
评论列表(4条)
我是环球科技潮的签约作者“脉冲重织者”!
希望本篇文章《NVIDIA扩展Slurm工作负载管理器》能对你有所帮助!
本站[环球科技潮]内容主要涵盖:科技,科技新闻,黑科技
本文概览:NVIDIA 这次对 Slurm 工作负载管理器做功能扩展,核心是给 Slurm 加上量子处理器 QPU 的调度支持,让传统超算集群可以一套调度系统同时管理 GPU 经典算力和量子算力,科研人员不用单独搭建一套量子调度平台,沿用熟悉的 Slurm 提交命令就能跑量子 - 经典混合任务。最近几年全球超算中心里面量子硬件部署量涨得很快,很多超算本来就在用 Slurm 跑仿真、AI 训练,之前量子处理器缺少统一接入调度方案,每个 QPU 厂商都要单独开发对接工具,接入成本高、工作流割裂,这次扩展就是解决这个痛点。本次扩展兼容 QRMI、QDMI 主流量子硬件接口,已经获得 IBM、IQM、Pasqal 等多家量子厂商适配支持,功能会在 Slurm 26.11 版本正式上线,同时这套扩展保持开源属性,不会改变 Slurm 原本面向 HPC、大模型训练的调度能力。