近日，由天翼云与中国电信云计算研究院联合完成的论文《gShare: Efficient GPU Sharing with Aggressive Scheduling in Multi-tenant FaaS platform》，获计算机系统领域国际顶级会议ASPLOS 2026长文收录。该研究面向AI智能应用场景，提出了一套针对GPU FaaS云函数的高效资源共享与调度机制，标志着天翼云在Serverless GPU的细粒度算力供给与多租户资源优化领域实现重要突破。
ASPLOS（International Conference on Architectural Support for Programming Languages and Operating Systems）是国际计算机体系结构四大旗舰会议之一，获中国计算机学会（CCF）最高推荐级别A类认证，在全球学术界与产业界享有极高声誉。本届ASPLOS夏季评审轮次共收到840篇投稿，仅录用89篇，录取率低至10%，论文质量与创新性要求极为严苛。此次联合研究成果成功入选，彰显了中国电信天翼云在“AI+云”融合创新上的前瞻布局与自主攻坚能力。
gShare GPU动态共享技术
破解Serverless场景GPU供给难题
随着大语言模型、AI智能体等应用加速落地，算力需求正呈现“泛在化、动态化、碎片化”新特征。传统云计算GPU资源供给模型普遍存在资源分配粒度粗、弹性不足、租户成本高等痛点，难以适应中小模型推理、边缘智能等场景对高性价比、灵活弹性的GPU算力需求。
天翼云公有云事业部与基础架构事业部，携手中国电信云计算研究院，基于目前流行的Serverless函数式编程范式，共同开展了面向AI智能应用的高效GPU云函数课题研究，并基于自研evGPU技术研发出面向多租户的低成本GPU函数共享调度系统gShare。该系统以微虚拟机作为安全隔离环境与函数运行载体，通过三大核心技术创新实现GPU资源的“时空动态”高效利用：
01基于vGPU的细粒度算力分配——精确匹配用户资源需求
该系统底层设计采用近乎零开销的自研虚拟化技术，实现对VM到物理GPU设备间任意粒度的算力切片供给，租户函数实例可根据自身业务实际消耗按需申请vGPU资源，彻底告别传统GPU整卡独占的粗放模式，降低资源浪费。
02基于超售的资源定价与调度策略——释放用户函数闲置算力
该系统资源创新性地采用了GPU与CPU和内存资源管理的解耦设计，通过vGPU热插拔和快速显存交换技术，允许函数到GPU切片间映射关系的运行时动态调整，同时结合deadline感知的延迟调度设计以实现资源超售。租户可根据需要选择不同共享粒度并享受相应价格折扣，从而实现闲置GPU算力的高效回收利用和成本-性能最优平衡。
03跨资源池的统一调度与管理架构——支撑泛在智能业务场景
该系统可适配包括TensorFlow Serving, PyTorch, vLLM, and SGLang在内的主流AI推理框架，其设计也天然兼容跨异构资源池的统一调度与管理架构，除可部署在传统的数据中心集中式GPU资源池之外，还能够部署在分布广泛、具有零散和碎片化资源的边缘分布式算力节点，为构建中国电信“中心-边缘”协同的分层多级泛在算力供给体系提供核心技术支撑。
基于vGPU重映射的动态共享GPU云函数设计
测试结果表明，gShare相关成果可显著提升Serverless平台内部的GPU资源利用率，降低企业采购与运营成本。同时，云租户可根据实际GPU共享力度享受对应的价格折扣，真正实现“用得省、用得好”。
目前，gShare相关研究成果已在天翼云函数计算产品中实现落地部署。依托中国电信的泛在云网基础设施与息壤算力互联调度平台，该技术可进一步拓展至边缘大模型推理、云游戏等边缘计算场景，实现从中心到边缘的全场景算力灵活供给。未来，天翼云将持续深化泛在算力与智能调度等领域的探索，通过提供无处不在、弹性高效、成本可控的AI算力，推动智能算力走向普惠，赋能各行业智能化转型。
[论文信息：Yanan Yang, Zhengxiong Jiang, Meiqi Zhu, Hongqiang Xu, Yujun Wang, Liang Li, Jiansong Zhang, Jie Wu. gShare: Efficient GPU Sharing with Aggressive Scheduling in Multi-tenant FaaS platform. International Conference on Architectural Support for Programming Languages and Operating Systems (ASPLOS) 2026. Pittsburgh, USA. (Accepted)]